一个用于优化搜索的学习算法.pdfVIP

!#$%’(!(!)*+,,%#- ./!0123456178179:53; 软 件 学 报 =16!?@1* 一个用于优化搜索的学习算法A 金炳尧! 蔚承建 何振亚 ? ? ! 浙江师范大学 计算机科学与工程学院 浙江 金华 ) ? *!,+B 东南大学 无线 电系 江苏 南京 ) ? !$-+ # F J C D5E6 GHIE4 D5E6IKL99MI/4 F(( K99L ::: MI42 ;N2 /4 摘要 在 算法和 自私基 因算法 的基础上 提 出一个新 的优化搜索算 F ) + ? OPQR L1L2659E14G5S;NE4/3;D;49566;534E4T 法 基 因学习算法 该算法允许每个等位基 因取多值 复等位基 因 并且用信息熵作为结束条件 的判据 在学 UU ) +? 习过程 中还与局部启发式搜索法相结合 最后用基 因学习算法解决了 个典型的组合优化 问题 最大截 问题 调 * ) V 度 问题和旅行商 问题 取得 了比现有文献最优值还好 的结果 +? 关键词 进化计算 遗传算法 局部搜索 概率模型 基 因学习算法 F B B B B 中图法分类号 F *! 文献标识码 F WO X 在用传统优化技术解决一些复杂 的 规模较大 的组合优化 问题 时 特别是 难题 出现 困难 V ? @O 时 一些近似算法相继被推 出 局部搜索法 由于其具有快速灵活 通用性好 的特点而成为最成功的 ? V 算法之一 但是 局部搜索法极易陷入局部最优而结束搜索 使最终结果不能令人满意 模拟退火从 ? ? 固体退火机理 中得到启示 把局部搜索算法 的只接受优化解 的策略改为在一定的概率下接受部分 ? 劣化解 从而使搜索能够继续进行 并且获得 了较好 的结果 进化计算是从 自然选择 的生物模型中 ? ? 得到启发而发展起来的优化与搜索算法 它把单个个体的搜索改为群体搜索 用优胜劣汰的自然选 ? 择原则不断地更新群体 使搜索群体逐步优化 近年来 出现了一种概率学习的进化模型 如 ? ? ? P562I5 的 算法Y!Z 的 自私基 因算法YZ 概率学习的进 ) + V OPQR L1L2659E14G5S;NE4/3;D;49566;534E4T [1341 化模型源于群体遗传学 通过不断地学习每一代 的最优个体