一种结合贪婪因子求解0-1背包问题的分布估计算法.pdfVIP

基金项目学术探讨 2014举 第 1O麓 一 种结合贪婪因子求解0-1背包问题的分布估计算法 谭 阳 周 虹 (湖南网络工程职业学院，湖南 长沙 410004 [摘 要] 针对0—1背包问题，在分布估计算法的基础上提出了一种结合传统贪婪方法的新算法。通过计算物品的重量 价值比后获得物品的贪婪因子值 ，并将贪婪因ff-~2v基本的分布估计算法之 中，在保证收敛速度的基础上进一步平衡 了个体 间的竞争，相较对比算法而言取得 了更好的优化结果。 [关键词] 分布估计算法；贪婪因子；0-1背包问题；概率模型 次降序排列。因此本文在对0-1背包 问题的处理上采用将物 1．引言 品的v／w值作为该物品的加权因子，以作为在分布估计算法 背包 问题又称子集合 问题，运筹学中一个典型的组合 中该物品被选择的参考因素。 优化难题，有着广泛的应用背景，如仓库货物装载问题、选 2．2 分布估计算法 址 问题等 。不失一般性背包 问题的描述通常如下：给定r1 分布估计算法 (EDA)是一种新兴的基于统计学原理的 个物 品和 1个背包，物 品i的重量为w，其价值为v，i=l， 随机优化算法最初 由Baluja[在 1994年提出，分布估计算法 2，…，n。且该背包 的最大容量为C，要从给定的n个物 品 是一种全新的进化方法。分布估计算法首先构造描述解空 中挑选若干个物品放入背包中，要满足挑选的物品总重量 间的概率模型，通过对种群的评估，从中选择优秀的个体集 不超过 C，且 总价值达 到最大。背包 问题的解采用 向量 合，然后采用统计学习等方法根据优秀的个体构造概率模 x=(x-，X，…，x)，x，∈{0，1}表示。其数学模型为： 型；然后由这个概率模型随机采样产生新的种群，如此反复 迭代，实现种群的进化，直到满足终止条件。标准的EDA的 Max 1， _ 一 f ‘ 算法流程如下： i=1 Step1：初始化群体，并对每一个个体计算适应值； t ～ C Step2：依据适应值，从群体中选择优秀的个体； (1) Step3：根据所选择的个体的分布，构建概率模型； XiE{O，1} l=1，2，…，n Step4：根据概率模型进行随机采样，生成下一代群体， 背包问题属于NP难题，目前求解 的方法有精确方法 并对新个体计算适应值； (如动态规划、递归法、回溯法、分支限界法等n)，近似算法 Step5：判断是否符合终止条件，符合则算法结束并输出 (如贪婪法 ，Lagrange法等)以及智能优化算法(如模拟退火 结果；否则转Step2。 算法 、遗传算法 、遗传退火进化算法 、蚁群算法 )、粒子