种新具有贪婪策略化学反应优化算法.docVIP

--《湖南大学》2013年博士论文 背包问题在众多工业领域中都能遇到,诸如交通、物流、切割及包装、电信、可靠性、广告、投资、预算分配和生产管理。在这些应用中,背包问题一般作为独立的问题或复杂的子问题出现。 从化学反应优化算法(chemical reaction optimization, CRO)中得到启发,本研究提出了两种启发式化学反应算法,并应用于0-1背包问题和多选择背包问题。首先,化学反应优化算法应用于求解0-1背包问题。在该算法中,五个特定化学反应操作算子来实现平衡强化和多元化。 其次,在解决0-1背包问题的化学反应优化算法中,提出了一个贪婪的策略。第三,提出了一个新的基于化学反应优化的方法解决多选择背包问题。第四,在多选择背包问题中,提出了一个并行版本的化学反应优化算法。 我们在一个大范围的数据集中使用这些新的方法进行了测试。实验结果表明,这些算法在解决背包问题等有很大的优势。论文结构： 论文的结构分为六章。在第一章,介绍了0-1背包问题,并提出了多选择背包问题。同时提出了两个元启发式化学反应算法。第二章提出了一种新的具有贪婪策略的化学反应优化算法来解决0-1背包问题。一个新的集成了贪婪策略和随机选择的修复算子用于修复不可行的解方案。第三章提出了一种新的具有贪婪策略化学反应优化算法(CROG)来解决0-1背包问题。同时,还讨论了CROG算法的算子的设计和参数的选择。实现了一个新的具有贪婪策略和随机选择的修复函数用于修复不可行解的方案。第四章提出了一种新的基于元启发式的化学反应优化算法来解决多选择背包问题(MCKP)。提出新的方法,在一个MCKP的大测试集中进行测试,与遗传算法(GA)相比,显示出了更好的性能。第五章,提出了一个并行的化学反应优化算法以解决多选择背包问题,MCKP是一个著名的NP难问题。仿真结果表明,该方法在解质量的优化和计算时间两个方面均要好于CRO,同时新方法也显示出了解决这一问题的能力。第六章,总结了全文以及对未来的发展方向做了一个简单的讨论。第一章 本章介绍了两种背包问题：0-1背包问题和多选择背包问题。并对这两个问题进行了文献回顾及综述。 ·0-1背包问题：变量x,的值为1或0,代表是选取或非选取第ith项。 ·多选择背包问题：所有的系数cij,wij,W都是正数,所有的N1,...,Nm均互不相交文献回顾 ·0-1背包问题 在过去的四十年里,研究人员已经提出了很多方法来解决0-1背包问题。这些方法中,我们可以分为两类：精确算法和近似算法。 精确算法包括Bellman提出的[34]动态规划法和Kolesar提出的分支定界法[35]。最近,研究人员,如Kellerer等[32],所做的工作是寻求完全解决大的背包问题的实例的方法。许多算法都涉及寻求解决背包问题的“核心”方法,然后构建部分解并获得全部的解。李等提出了一个基于共享存储器的EREW-SIMD并行算法[56]。 在早期的启发式方法,Sahni首次提出了一个“多项式近似方案”来解背包问题[64]。在求解之前的一些有解质量保障的解方案,被认为是合适的解。正因为如此,随着解质量要求的提高,工作量也迅速增大。紧接着,权衡了解质量和效率之间的关系,Ibarra和Kim提出了一个完全多项式近似解决方案,以保持均衡。Martello和Toth提出了一个特殊解决方案来解背包问题,并产生了一些改变的算法[34]。 近年来,许多启发式算法已被广泛应用来解决0-1背包问题：周等[30]提出了一种蚁群优化(ACO)；施等[31]提出了修改参数的蚁群优化模型来适应求解0-1背包问题；李等[57]提出了基于多变异策略的二进制粒子群优化(MMBPSO)来解决背包问题；Han和Kim[63]提出了一种量子启发式进化算法(QEA)来解0-1背包问题；刘等[10]提出了一个模式引导的进化算法(SGEA)来解决0-1背包问题,邹等[44]发明了全局和谐搜索算法来解决0-1背包问题。 ·多选择背包问题 解决MCKP问题的算法也可以分为两类：精确算法和近似算法。 对于精确算法,分支界限法是一种枚举的方法,通过排除不可能的解方案来减少搜索空间。在文献[4、15、17]中讨论了分支界限法算法和它的变种。在文献[3、16]中提出了动态规划算法。在文献[5、16]中提出了动态规划和分支界限法的混合型算法。 因为MCKP是一个NP难问题。精确算法的时间复杂度是一个指数函数。启发式算法更有优势在多项式时间内找到近似最优解。一个著名的启发式算法是遗传算法[12]。虽然,GA首先解决了MCKP但它仍然是遇见了一个缺点,它容易陷入局部最优解。 第二章0-1背包问题的化学反应优化算法 本研究提出了一种新的基于贪婪策略的化学反应优化算法来解决0-1背包问题。化学