8.1.2解空间树的动态搜索重点.ppt

* 第8章 流塑法 8.1.2 解空间树的动态搜索 8.1.2 解空间树的动态搜索（1） 流塑法从根结点出发，按照深度优先策略遍历解空间树，搜索满足约束条件的解。在搜索至树中任一结点时，先判断该结点对应的部分解是否满足约束条件，或者是否超出目标函数的界，也就是判断该结点是否包含问题的（最优）解，如果肯定不包含，则跳过对以该结点为根的子树的搜索，即所谓剪枝（Pruning）；否则，进入以该结点为根的子树，继续按照深度优先策略搜索。 例如，对于n=3的0/1背包问题，三个物品的重量为{20, 15, 10}，价值为{20, 30, 25}，背包容量为25，从图8.2所示的解空间树的根结点开始搜索，搜索过程如下： 1 不可行解 价值=20 价值=55 价值=30 价值=25 价值=0 1 1 1 1 0 0 0 0 0 0 1 1 2 8 11 12 14 15 13 10 6 9 不可行解 再如，对于n=4的TSP问题，其代价矩阵如图8.5所示， C= ∞ 3 6 7 12 ∞ 2 8 8 6 ∞ 2 3 7 6 ∞ 图8.5 TSP问题的代价矩阵 2 3 4 4 2 2 1 2 3 1 3 4 1 3 1 3 1 2 3 2 1 2 1 4 2 4 1 4 3 2 2 4 3 4 1 2 3 1 2 4 1 3 4 图8.6 TSP问题的搜索空间 5 47 54 4 11 27 46 48 51 53 58 3 8 13 24 29 35 40 45 50 55 60 2 18 34 24 1 2 3 4 1 流塑法的搜索过程涉及的结点（称为搜索空间）只是整个解空间树的一部分，在搜索过程中，通常采用两种策略避免无效搜索： （1）用约束条件剪去得不到可行解的子树； （2）用目标函数剪去得不到最优解的子树。 这两类函数统称为剪枝函数（Pruning Function）。 需要注意的是，问题的解空间树是虚拟的，并不需要在算法运行时构造一棵真正的树结构，只需要存储从根结点到当前结点的路径。 作业2:3 作业3:2 作业1:2 空闲:2 作业2:1 机器1 机器2 作业1:1 作业3:3 (e) 调度方案(3, 1, 2)，最后完成时间为8 作业2:3 作业3:2 作业1:2 空闲:2 作业2:1 机器1 机器2 作业2:1 作业3:3 (f) 调度方案(3, 2, 1)，最后完成时间为8 显然，批处理作业的一个最优调度应使机器1没有空闲时间，且机器2的空闲时间最小。可以证明，存在一个最优作业调度使得在机器1和机器2上作业以相同次序完成。 例：三个作业{1, 2, 3}，这三个作业在机器1上所需的处理时间为(2, 3, 2)，在机器2上所需的处理时间为(1, 1, 3)，则最佳调度方案是(1, 3, 2)、(3, 1, 2)和(3, 2, 1)，其完成时间为8。 作业1:2 作业2:3 作业3:2 空闲:2 作业1:1 机器1 机器2 作业2:1 作业3:3 (a) 调度方案(1, 2, 3)，最后完成时间为10 作业1:2 作业2:3 作业3:2 空闲:2 作业1:1 机器1 机器2 作业2:1 作业3:3 (b) 调度方案(1, 3, 2)，最后完成时间为8 作业2:3 作业1:2 作业3:2 空闲 作业2:1 机器1 机器2 作业1:1 作业3:3 (c) 调度方案(2, 1, 3)，最后完成时间为10 作业2:3 作业3:2 作业1:2 空闲:3 作业2:1 机器1 机器2 作业1:1 作业3:3 (d) 调度方案(2, 3, 1)，最后完成时间为9 *