二．选题的背景意义.doc

本 科 生 毕 业 论 文（设计） 文献综述和开题报告 姓名与学号 马宇斌 3070612002 指导教师 年级与专业 所在学院  毕业论文（设计） 开题报告 一．论文题目 优化方法研究和应用 二．选题的背景意义 网络最小费用流问题是网络最优化的一个重要方面，它的理论和方法已广泛地渗透到控制论、运筹学、计算机科学等领域，并在工程技术、通信网络和物流分配等方面有着极为重要的应用。由于现阶段的网络最优化问题往往都具有大规模性，因此对网络最小费用流问题的各种有效算法的研究一直颇受学者们的青睐和重视。 另一方面，近年来随着启发式智能化方法的崛起，诸如遗传算法、蚁群算法等的新兴类算法逐渐引起学者们的关注和兴趣。这些模仿自然界进化的“仿生”类算法，因为能够解决很多传统算法不能解决的问题，因此受到科学家们的高度重视。而它们所应用的领域也随着科学的发展而变得越来越广。 综上，本次选题希望能够使用蚁群算法这个“仿生类”算法去解决网络最小费用流问题，另外由于目前蚁群算法的参数设定问题还没有成熟理论，因此本文还希望能够通过对不同参数的设定，观察和分析其对算法求解正确率的影响。这些工作将是对优化方法的一个很好的研究和应用。 三．本题的有关研究现状 网络最小费用流问题的研究现状： 最小费用流是一个基本的网络流模型，对于该模型的研究已有不少成果。人们对最小费用流问题的研究最先是从图论和规划的思想出发。Ford最先于1956年提出了求最短路问题的算法，随后他加入规划理论中的原始-对偶思想，将其改进成可用于求解最小费用流问题的算法。后来Jewell等人通过对路径的增广和最小平均费用路的概念提出了最小费用路算法。1967年，Klein根据环流负和的思想，提出了负回路算法，又称消圈算法。求解网络最小费用流的第一个多项式时间算法是由Edmonds和Karp于1972年提出的，此后不断有多项式时间算法被提出。Tardos提出了第一个求解最小费用流问题的强多项式时间算法，很快又有不少强多项式时间算法被提出。1997年，Orlin给出了第一个多项式时间的原始网络单纯形算法。另外，在二十世纪80年代中期，许多学者开始尝试用内点法来求解某些网络流问题，其中就包括网络最小费用流问题。对于广义的最小费用流问题，目前也已经有不少多项式时间算法，但当前还暂时没有求解此类问题的强多项式时间算法。 对于带有嵌入式网络(embedded network)的网络流问题，因为其本身就是特殊的线性规划问题，所以可以用求解一般线性规划的方法得以解决。然而，当额外约束的数量不多时，问题仍保留有一定的网络结构。若算法能够充分利用问题的网络结构，则求解问题的效率会显著提高，目前己有很多这方面的研究。另外，对于一些特殊问题，还可以用拉格朗日松弛法去求解，但是收敛速度却比较慢。Cohen和Megiddo对几类带额外约束的网络流问题的算法及其复杂度进行了分析，其研究结果表明，此类问题中的任何一个实例若存在强多项式时间算法，则意味着一般的线性规划问题均存在强多项式时间算法，并证明了当额外约束的数量为一常数时，问题存在强多项式时间算法。 L.R.Ford和D．R．Fulkerson提出了求解最小费用流问题的Ford_Fulkerson迭代算法，其基本思路是将各条弧上单位流量的费用看作是某种长度，用求解最短路问题的算法确定一条从出发点到接收点的最短路；并将这条最短路作为增广路，用求解最大流问题的算法将其上的流量增加至指定的流值；当此最短路上的流量增加后，其上的各条弧的单位流量的费用需重新确定。如此迭代多次，最终得到指定流值的最小费用流。Jianzhong Zhang提出了一个解决一般LP问题的方法，此方法主要基于LP问题的最优性条件，同时将最小费用流问题的反问题作为此方法的一个特例，通过一系列线性规划的转化，将最小费用流问题的反问题转化成最小费用循环流(minimum cost circulation)问题，得出了强多项式算法。X．Cai提出了随时间而变化的一般最大流问题，并用拟多项式算法对其进行求解。Ahuja和Orlin研究得比较系统，也得出了比较好的结果。研究显示，模下的最小费用流反问题，若是在单位权重下，可以转化成单位容量的最小费用流问题进行求解；若是在非单位权重下，则可以转化成一般的最小费用流问题进行求解。对于模下的最小费用流反问题，若是在单位权重下，可以转化成最小平均回路问题进行求解；若是在非单位权重下，则可以转化成最小费用与时间比例回路问题进行求解。国内学者谢政等首次提出了带模糊约束的最小费用流问题，建立了相应的数学模型并且给出了求解这一模型的相关算法。甘应爱等对最小费用流的反问题进行了讨论：如何在一定的费用条件下，尽可能地扩充容量参数，以达到一个预