基于DNA遗传算法的随机整数规划期望值模型求解.pdfVIP

第39卷第4期 数学的实践与认识 V01．39No．4 2009年2月 Feb．。2009 THEORY MATHEMATICSINPRACTICEAND 基于DNA遗传算法的随机整数规划期望值模型求解 王明春1’2， 唐万生1， 刘 鑫2， 刘 璇2， 李 泉2 (1．天津大学系统工程研究所，天津300072) (2．天津工程师范学院数理与信息科学系，天津300222) 摘要： 为了求解随机整数规划问题，提出了随机整数规划期望值模型的概念，分析了利用DNA遗传算法 求解此类问题的优点，并设计了求解算法，最后通过报童问题。验证了算法的可行性和有效性． 关键词： 随机整数规划；期望值模型；DNA遗传算法；随机模拟 1 引 言 在现实世界中，人们判定决策时经常会碰到含有随机参数的数学规划问题，这类问题称 为随机规划问题．随机规划可分为期望值模型、机会约束规划模型和相关机会规划模型三 类[1]．在随机规划问题中，若要求求解的决策变量均为整数，我们可将这类随机规划问题称 之为随机整数规划问题，经典的报童问题就属于随机整数规划问题．正如求解整数规划不同 于求解一般规划问题，求解随机整数规划也应该不同于求解一般的随机规划问题． 遗传算法是一种通过模拟自然进化过程搜索最优解的方法．遗传算法又可分为二进制 问题．Liu[23提出了利用基于随机模拟的实数型遗传算法求解一般随机规划的期望值模型， 但其方法不适用于求解随机整数规划期望值模型，受其启发，可以利用基于随机模拟的二进 制遗传算法或DNA遗传算法求解随机整数规划的期望值模型． DNA遗传算法同二进制遗传算法相比，既包含着二进制遗传算法固有的优点，同时还 具有本身特有的一些长处[3]。如：编码长度大大缩短，编码的丰富性和译码的多样性，适合于 复杂知识的表达和便于引入基因级操作等． 本文提出了利用基于随机模拟的DNA遗传算法求解随机整数规划期望值模型．以下首 先给出了随机整数规划的定义，接着介绍了随机模拟技术和DNA遗传算法，然后给出了利 用DNA遗传算法求解期望值模型的算法步骤，最后通过求解报童问题验证了算法的可行性 和有效性． 2随机整数规划的期望值模型 2．1随机规划期望值模型 在期望约束下，使目标函数的期望值达到最优的数学规划，称为期望值模型．期望值模 型是随机规划中最常见的形式之一，如期望费用极小化问题，期望效益极大化问题等． ●● 收稿日期；2008—05—01 基金项目：国家自然科学基金资助项目；天津市教委科技发展基金资助项目 万方数据 122 数学的实践与认识 39卷 随机规划期望值模型可表示如下[4]： 』maxEEf(x，})I． (1) ls．t．E[g，(z，搴)]≤0，J=1，2，…，P 其中z是决策向量，搴是随机向量，f(x，搴)是目标函数，而gj(z，拿)是一组随机约束函数，j； 一1，2，…，P，E表示期望值算子． 2．2随机整数规划期望值模型 在随机规划期望值模型中，如果要求每个决策变量都为整数，即令决策向量z=(z-， z。，…，岛)，z，，z。，…，以∈Ⅳ，则可得到随机整数规划期望值模型的定义如下： fmaxEEf(x，车)] ．{s．t．EEg，(z，导)]≤0，J一1，2，…，P (2) 【z=(zl，z2，…，zn)，zl，z2，…，zH∈N 3