一种求解背包问题的混合差异演化算法.pdfVIP

第 38 卷第 7 期 Vol.38 NO.7 计算机工程 Computer Engineering 2012 年 4 月 April 2012 ·人工智能及识别技术· 中回分樊号. TP312 文章编号. 100? 3428(2012)07? 16? -()4 文献标识码. A 一种求解背包问题的混合差异演化算法 马立肖，越占芳 (石家庄经济学院计算机科学系，石家庄 050031) 摘要z 为增强差异演化算法在求解背包问题时的局部搜索能力，提出拉马克·鲍德混混合差异演化算法。该算法采用双种群协同进化，以 差异演化算法为主体，在演化过程中分别引入拉马克进化和鲍德温效应 2 种局部搜索算子，引导种群进化方向。仿真实验结果表明，该算 法求解精度高，收敛速度快，能够高效求解背包问题。 关键词:背包问题;差异演化算法;拉马克进化;鲍德温效应;双重编码机制 Hybrid Differential Evolution Algorithm for Solving Knapsack Problem MA Li-xiao, ZHAO Zhan-fang (Department of Compu比r Science, Shijiazhuang University of E∞nomics， Shijiazhuang 050031, China) (Abstractl In order to overcome the shortcomings of a poor ability of local se咄咄 of DifIerential Evolutional(DE) for solving Knapsack Problem(K酌， Lamarckian-8aldwin hybrid DE algorithm is proposed. The algorithm with two populations are based on 也e original DE, and the local search operaωr based on Lamarckian evolution and 8aldwin efIect are adapted to enhance the individuals ability oflocal search, which 阴ides 也e orientation of evolutioD. Simulation results of the improved DE algorithm show the algorithm has the advantage of rapid ∞nv町ging and higb precision and it is effective in solving KP. (Key wordsJ Knapsack Problem(KP); DifIerential Evolution(DE) algorithm; Lamarckian evolution; 8aldwin effect; dual coding mechanism DOI: I0.3969/j .issn.JOOO回3428.2012.07.054 1 概述 背包问题I1I(Knapsack Problem, KP)是典型的组合优化 问题，是计算机科学中的经典 NP-hard 问题，该问题的研究 在理论及实际应用领域[21都具有极其重要的意义。背包问题 的研究方法主要有两大类:精确算法和近似算法。精确算法 主要采用枚举法、分支限界法[31、动态规划法[41、图论法等。 近似算法有随机搜索的改进算法[51及启发式算法，如遗传算 法[6.71、模拟退火算法[8J、粒子群优化算法[9.10J、差异演化 (Differential Evolutíon, DE)算法[IIJ 。 在众多启发式算法中， DE 算法是目前国内外研究热点 之→。近年来，算法的应用领域由连续宅间扩展到了离散空 闲中的优化问题，尤其在背包问题求解中，文献[12-14]应用 DE 及其改进方法取得了较好的求解妓果。 这些方法都充分利用了差异演化算法搜索速度快的优 点，但是仍然存在容易陷入局部最优的不足。因此，如何布 效利用问题宅间的布效信息提高算法的局部搜索能力仍是一 个值得研究的问题。 在生物进化研究中，除了达尔文进化论，还有更早期的 拉马克进化[ 151和鲍德溢效应[16J2 种学说。这 2 个理论在生物 进化理论中没有得到肯定和发展，但是可以为种群局部搜索 能力提供有力的理论支持。拉马克进化和鲍德温效应[l7J认 为，生物体在生存期内存在自身学习的过程。其中，拉马克 认为:生物体后天学习获得的性状能直接反馈在基因型上， 通过基因遗传给后