第7章 广义邻域搜索算法及其统一结构.ppt

第七章 广义邻域搜索算法 及其统一结构 7.1 广义邻域搜索算法 7.1.1 传统邻域算法 7.1.2 广义邻域算法 7.2 广义邻域搜索算法的要素 7.3 广义邻域搜索算法的统一结构 7.3.1 算法混合的方式 7.3.2 统一优化结构 7.4 优化算法的性能评价指标 7.5 广义邻域搜索算法研究进展 7.5.1 理论研究概述 7.5.2 应用研究概述 7.5.3 发展性研究 7.1 广义邻域搜索算法 7.1 广义邻域搜索算法 7.1 广义邻域搜索算法 7.1 广义邻域搜索算法 7.1 广义邻域搜索算法 7.2 广义邻域搜索算法的要素 7.2 广义邻域搜索算法的要素 7.2 广义邻域搜索算法的要素 7.2 广义邻域搜索算法的要素 7.2 广义邻域搜索算法的要素 7.2 广义邻域搜索算法的要素 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.3 广义邻域搜索算法的一般结构 7.4 优化算法的性能评价体系 7.4 优化算法的性能评价体系 7.4 优化算法的性能评价体系 7.4 优化算法的性能评价体系 7.4 优化算法的性能评价体系 7.4 优化算法的性能评价体系 7.5 广义邻域搜索算法研究进展 7.5 广义邻域搜索算法研究进展 7.5 广义邻域搜索算法研究进展 7.5 广义邻域搜索算法研究进展 7.5 广义邻域搜索算法研究进展 7.5 广义邻域搜索算法研究进展 7.5 广义邻域搜索算法研究进展 7.5 广义邻域搜索算法研究进展 一般化的策略 (1)分解策略 问题分解包括两方面含义：首先,将结构复杂的原问题分解为多个结构简单的子问题,每个子问题可以单独应用某种优化算法求解,子问题的求解结果需要做进一步的综合优化。其次,将规模巨大的原问题分解为多个规模较小的子问题,各个子问题可使用同一种算法求解如在求解大规模时,可对分布平面做细分,采用分治思想先获得各个细分区域比较好的路径序列,然后再做综合的优化。 一般化的策略 (2)精英策略 精英策略是指保存多个搜索到的优良状态,最后对这些优良状态实施新一轮的局部搜索。精英的目的是尽量扩大局部搜索区域,而不仅仅停留在算法找到的一个最终解上。对于搜索空间比较复杂的问题,启发式算法一旦陷入极具诱惑力的局部极值点中就难以跳离。不管是基于单一解的邻域搜索还是基于种群策略的邻域搜索,保留多个局部极值点并进一步优化的做法都是可取的。 一般化的策略 (3)扩散策略 扩散策略包括两方面含义：首先,基于群体策略的优化算法中,个体之间应保持足够的差异性,比如遗传算法的运行后期,交叉操作使得个体差异减小,种群的多样性得不到保证,此时变异的作用尤其重要类似情形也出现在粒子群优化中,传统算法Gbest也是驱使所有个体聚集到一个最优位置的附近。其次,在保存多个优良状态时,应检测各状态之间的”距离”,对距离小于门槛值的状态可丢弃。 一般化的策略 (4)变异策略 在迭代过程中,对个体状态施加变异操作,如遗传算法中的变异算子,它已被证明具有全空间的搜索能力。个体变异机制已经广泛应用到群体智能优化算法中,如在蚁群优化求解TSP时,可考虑对信息素过高的路径施加小概率变异,消弱这条路径的吸引力。在粒子群优化中若判定搜索停滞,可对某些个体的位置x或速度v做随机性的扰动。 一般化的策略 (4)混合策略 算法混合是目前优化算法的研究热点,特别是元启发式算法之间的混合研究。 第七章 结束 课堂讨论及报告 作业2 作业2 作业2 智能优化计算 算法参数的选择研究 目前尚无确定最优参数的一般方法，在求解实际问题时主要凭经验选取算法参数。 算法操作的研究 随着人们对算法机制与功能和自然更深入的理解与研究，模拟自然科学思想来实现优化的算法操作研究会得到进一步的发展。 7.5.1 理论研究概述 智能优化计算 函数优化 生产调度 控制工程 机器学习和模式识别 工艺设计 组合优化 神经网络设计 工业设备设计 7.5.2 应用研究概述 智能优化计算 物流配送系统 航空系统 智能交通 码头运输 人力资源 电路设计 旅游资源配置 无线通讯网络 7.5.2 应用