第一章组合优化模型与计算复杂性.ppt

* §3 启发式算法 在光滑函数极值的数值求解中，邻域是一个非 常重要的概念。函数的下降或上升都是在一点的邻 域中寻求变化方向，组合优化中，距离的概念通常 不再使用，但是在一点附近搜索另一个下降的点仍 然是组合优化数值求解的基本思想。 一、邻域 第一章 组合优化模型与计算复杂性 * §3 启发式算法 D上的一个映射 N： N： s ∈ D Definition 6 对于组合优化问题（D，F，f ）， 称为一个邻域映射，其中2D表示D的所有子集组成的 集合（幂集），N(s)称为 s 的邻域，s’ ∈ N（s）称 为 s 的一个邻居 . N(s)∈2D * 对 TSP , {0,1}3: {(0,0,0),(0,0,1) (0,1,0),(0,1,1) (1,0,0),(1,0,1) (1,1,0),(1,1,1)} 可以定义它的一种邻域为： k为一个正整数 . 这个邻域定义使得x最多有k个位置的值可以发生变 化，x 的邻居有1+C1n(n-1) +C2n(n-1)+…+Ckn(n-1)个. Example 13 第一章 组合优化模型与计算复杂性 * §3 启发式算法 定义邻域映射为2-opt 即s中的两个元素进行对换, N(s)中共包含s 的C2n个邻居。 Example 14 TSP问题解的另一种表示法为 D=F={S=(i1,i2,…,in)| i1,i2,…,in 是1,2,…,n的一个排列} 如四个城市的TSP问题，当s = (1,2,3,4) 时， N(s) ={（2，1，3，4），（3，2，1，4），（4，2， 3，1），（1，3，2，4），（1，4，3，2），（1， 2，4，3）} * Definition 7 若 s* 满足 则称 s*为f在F上的局部（local）最小（最大）解. f(s*)≤(≥)f(s), 其中 s∈N(s*) F 若s ∈F，则称s*为f 在F上的全局 (global) 最小(最大)解。 这其实也提供了一种启发式算法 （heuristic algorithm）的思想， 局部搜索（或邻域搜索）算法。 第一章 组合优化模型与计算复杂性 * §3 启发式算法 二、启发式算法定义 一个基于直观或经验构造的算法，在 可接受的花费（指计算时间、占用空间等）下，给 出待解决组合优化问题每一个实例的一个可行解， 该可行解与最优解的偏离程度不一定事先可以预计. 则称该算法为启发式算法. 启发式算法是相对于最优算法提出的，一个问 题的最优算法，求得该问题每个实例的最优解,启 发式算法是一种技术 . Definition 8 * Definition 9 设A是一个问题，记问题A的任何一个 实例 I 的最优解和启发式算法 H 解的目标值分别为 Zopt(I) 和 ZH(I), 于是对某个a 0, 称 H 是A 的a - 近似 算法（a-approximation algorithm）,当且仅当 | ZH(I)- Zopt(I)| ≤ a| Zopt(I)| 用启发式概念定义的算法集合包含了近似算法概 念定义的算法集合，近似算法强调给出算法最坏情况 的误差界限，而启发式算法不需考虑偏差程度。 第一章 组合优化模型与计算复杂性 * §3 启发式算法 算法为: step1 任选一个初始解so ∈ S ； step2 在N(so)中按某一规则选一 s，若 f(s) f(so)，则 so:= s 返回 step 2 ； 否则，N(so) :=N(so) - s ; N(so)=ф， 停止; 否则，返回 step 2 . Example 15 简单的邻域搜索（local search）算法 给定组合优化问题，假设其邻域结构已确定，设S 为可行解集合，f 为S上的费用函数，N 为邻域结构. * 简单的邻域搜索达到一个局部最优点 依赖于初始解选取、邻域结构、邻域选点的规则 启发式算法的长处： 1）数学模型是实际问题的简化，有可能使最优算法 所得解比启发式算法所得解产生更大误差； 2）不少难的组合优化问题可能还没找到有效的最优 算法； 3）一些启发式算法可以用在最优算法中，如在分支 定界算法中，可以用启发式算法估界； 第一