演化算法 概述.ppt

智能优化方法Nature Inspired Computation 考核方式 课程设计报告 用一种（或多种）智能优化方法，实现实际或者虚拟优化问题的求解。 鼓励与本人未来研究领域的结合。 报告形式：小论文或实验报告的形式，要求包含：实验目的、技术方案、量化的实验结果、对结果的简单分析（或解释）。 提交源程序。 12月17日前，将1份打印件放到我的信箱里。 课程资源 6 Username: networks Password: networks 参考教材： 1.《智能优化算法及其应用》，王凌，清华版。 2.《遗传算法及其应用》，陈国良等，人民邮电版，1999。 第一章 概述 最优化问题的定义 最优化问题的分类 关于计算复杂性 最优化方法的一般结构 最优化问题的定义 最优化问题的一般形式为 其中x ? Rn是决策变量，f(x)为目标函数，X ? Rn为约束集或可行集。特别地，如果约束集 X = Rn，则最优化问题称为无约束最优化问题 最优化问题的定义 约束最优化问题通常写为 这里E 和I 分别是等式约束的指标集和不等式约束的指标集，ci(x)是约束函数． 最优化问题的分类 按照运筹学的观点分类： 线性规划 非线性规划 整数规划 动态规划 多目标规划 。。。。。。 最优化问题的分类 从应用的角度分类： 数值优化（函数优化，建模） 组合优化 可靠性设计问题 调度问题 高级运输问题 网络设计与路径 …… 最优化问题举例(1) 函数优化 令 S 为 Rn 上的有界子集，f: S?R 为 n 维实值函数，所谓函数 f 在 S 域上全局最大化就是寻求点 Xmax?S 使得 函数优化问题 函数优化问题 函数优化问题 最优化问题举例(2) 系统建模 给定模型的结构f(x)和决策变量的定义域； 给定实际系统的输入和输出样本数据； 寻找一组最优决策变量，使得模型在测试样本集上的输出误差最小。 最优化问题举例(3) 组合优化 定义：组合优化问题π是一个最小化问题，或是一个最大化问题，它由下面三部分组成： (1)实例集合； (2)对每一个实例 I，有一个有穷的可行解集合 S(I)； (3)目标函数 f，它对每一个实例 I 和每一个可行解 ，赋以一个有理数 。 组合优化问题 一个通俗的定义： 所谓组合优化，是指在离散的、有限的数学结构上，寻找一个（或一组）满足给定约束条件并使其目标函数值达到最大或最小的解。—般来说，组合优化问题通常带有大量的局部极值点，往往是不可微的、不连续的、多维的、有约束条件的、高度非线性的NP完全（难）问题，因此，精确地求解组合优化问题的全局最优解的“有效”算法一般是不存在的。 组合优化问题 集覆盖问题（set-covering problem） 装箱问题（bin-packing problem） 背包问题（knapsack problem） 指派问题（assignment problem） 旅行商问题（traveling salesman problem） 影片递送问题（film delivery problem） 最小生成树问题（minimum span tree problem） 图划分问题（graph partitioning problem） 作业调度问题（job-shop scheduling problem） 组合优化问题——集覆盖问题 集覆盖问题（set-covering problem） 对于一个m行n列的0－1矩阵A，每行代表一种任务，每列代表一个人，aij=1表示第j个人能完成第i个任务。每个人都有一个雇佣代价。问题的目标是：用最小的代价选择一些人（矩阵的列），使得每一个任务都至少有一个人能完成。 设向量x的元素 xj=1 表示列 j 被选中（费用是cj0）， xj=0 则表示其未被选中（j=1,2,…,n）。 已经证明集覆盖问题是NP完全问题。 组合优化问题——集覆盖问题 如果所有费用cj都相同，则问题称为单一费用问题（unicost set-covering problem）。如果为等式约束，则称为集划分问题（set partitioning problem） 组合优化问题——集覆盖问题 Cost = 29 组合优化问题——装箱问题 装箱问题（bin packing problem） 组合优化问题——装箱问题 货运装箱问题 截铜棒问题 布匹套裁问题 。。。 装箱问题属于NP－难问题 组合优化问题——背包问题 0/1背包问题：给出几个体积为S1，S2，…，Sn的物体和容量为C的背包；要求找出n个物件的一个子集使其尽可能多地填满容量为C的背包。 数学形式： 最大化 满足 组合优化问题——背包问题 广义背包问题：输入由背