优化原理与方法12.ppt

第 12 讲 §6 离散变量优化与遗传算法 §6.1 概述 Di为第i个设计变量xi可取的离散值集合。 设计变量也可以一部分是连续变量，另一部分是离散变量。 离散变量优化也称为组合优化，其算法为非多项式算法，属NP类问题。 §6 离散变量优化与遗传算法 组合方法: 隐枚举法,分枝定界法, 动态规划法 搜索方法: 整数梯度法等 变换方法：0-1变量技术，拟离散法 模拟方法: 模拟退火方法, 遗传算法, 神经元网络 求解方法概述 §6 离散变量优化与遗传算法 算法策略 松弛 ：暂时去除变量的离散约束，形成松弛问题 分枝：若松弛问题的解不满足规定的离散值要求，增加两个约束以构造两个分枝问题 定界：所有分枝的松弛解之最小值为原问题解的下界，它随着迭代的进行逐渐增加；已获得的可行解的最小值构成原问题解的上界，它随着迭代的进行逐渐减小 剪枝策略：①分枝无解；②分枝松弛解大于“上界” 定解，某分枝所获的解满足离散值条件且等于“下界” §6.2 分枝定界法 0 1 2 0 1 2 3 4 0 1 2 3 4 5 6 §6 离散变量优化与遗传算法 （一）仿生学方法概述 §6.4 仿生算法 §6 离散变量优化与遗传算法 模拟退火算法 前一迭代点为xl，当前获得的新点为x，按接受