粒子位置编码.docVIP

5.2粒子位置编码 求解ESMT的最大困难在于Steiner点的位置和数目很难确定，很自然地我们就会想到采用基于Steiner点的数量和位置作为粒子的编码方式来求解ESMT问题。在ESMT问题的求解中，对于n个给定的连接点，Steiner点的数目最多不超过n-2个，我们把问题原型转化为ESMT问题，并在此基础上建立完全图从而把ESMT问题转化为GSMT问题，这样就为解决ESMT问题提供了一个很好的预处理，这样减少了计算量，同时也使求解变得容易。 对于由n个点（集气站）的油气集输管网布局优化问题，对粒子的编码可以采用固定长度的编码方式，在满树的情况下所设置的固定长度一般为2（n-2）+1w个Steiner点的数目，w个Steiner点的坐标和（n-2-w）Steiner点的坐标。值得注意的是潜在的Steiner点是在粒子群迭代算法下得到的可能成为Steiner点的点。 使用这种编码方式的最大优势在于它用固定长度的编码来表达可变变量问题，同时这寻找潜在Steiner点是十分行之有效的，使用这种方式的编码使得用粒子群算法求解此问题变得简单容易。 5.3 适应度函数 给定一个固定顶点的集合S和粒子集合S 几个Steiner点 ，对粒子适应度的评价可以通过Lawler提出基于完全图和最小树相结合的思想。Lawler算法的基本思想是穷举组合所有可能的Steiner点然后对它们分别求解，找出距离最短者做为最优解，这种方法最大的缺点是时间复杂度是指数函数O，其中m为图的点的总数，n为原点数。该方法最大的贡献在于用完全图和最小支撑树相结合的思想把ESMT问题转化为GSMT问题。Lawler算法的基本流程可概括如下： 给定一个图G （V,E），在点集V中若RV则称R为固定点，V\R为候选Steiner点。用Dijkstra算法或者Floyd算法求解图G中点对之间的最短距离及其值。 以各点对之间的最短距离值作为边长构造完全图CG。（即为G的距离图）。 对每一个子集SV\R，构造以RS为顶点集K的完全子图，然后用Prim算法求解其最小支撑树，再在这些最小支撑树中选出最小者T*。 将T*还原为为G上的树T，则T便是所要求的SMT。 我们用下面的例子来说明该算法的具体流程。 第一步：对于给定的图G 其中双圈为基本节点 求其点对之间的最短距离。 i 1 i 2 i 3 i 4 i 5 i 6 j 1 0 7 3 1 3 4 j 2 7 0 4 6 8 3 j 3 3 4 0 2 4 1 j 4 1 6 2 0 2 3 j 5 3 8 4 2 0 5 j 6 4 3 1 3 5 0 第二步：以点与点之间的最短距离为边长构造完全图。 第三步：对每一个SV\R求最小支撑树，找出路径最短者T*作为最小支撑树。 第四步:将T*还原为G中的最小支撑树T。 不难看出，在Lawer算法中，经过四步的计算它的计算复杂度为O随着点数的增加，计算量和计算时间是不可被接受的。而本文所提出的用粒子群算法求解SMT最小树最大的优势在于利用粒子的迭代寻优能力，采用固定长度的编码方式，设置最大的迭代此处（终止条件），并采用基于CG和最小支撑树相结合的思想对粒子评价，从而可以在很短的时间内找到最优粒子，从而在油气集输管网布局优化设计中确定集气站的最优连接方式和最优位置。 5.4粒子群算法优化模型的实现 本文提出了一个新的算法用于对ESMT问题的求解：它结合了粒子群算法（用于处理NP难问题）、Floyd（用于求点对之间的最短距离）和Prime（求图的最小支撑树）。用粒子群算法优化模型的主要流程如下： 初始化粒子初始信息并随机初始化粒子速度和位置。 粒子以Steiner点的个数和位置作为编码方式。 建立包含给顶点和Steiner点在内的完全图，则问题就转化为图的Steiner最小树问题。 用适应度函数对粒子的优劣性评价，在这里适应度函数是是利用Lawer提出的完全图和最小支撑树相结合的概念建立的。 根据公式 更新粒子，判断是否满足迭代次数，若满足，则输出结果。否则返回到（3），直至满足条件。