第五章系统优化2009.pdfVIP

第五章 系统优化 主讲教师：高彦宇 信息工程学院电子信息系 主要内容 5.1 系统优化方法概述 5.2 启发式算法和现代优化算法 5.3 遗传算法 5.4 大系统的分解与协调 系统优化 系统优化就是在制约条件下寻找准则函数最优解。 传统优化算法：线性规划、动态规划、图论等 解决系统模型能用明确的解析方程描述的问题 现代优化算法：启发式算法（Heuristic Algorithm） 解决系统模型过于复杂，无法用明确的解析方程描述 的问题。 启发式算法（试探法）：受大自然的运行规律或者面向具 体问题的经验、规则启发出来的方法。 优点：直观、简单易行、速度快、易被使用者接受、易于 修改。 缺点：不能保证求得最优解，表现不稳定 一步算法：贪婪算法 改进算法：迭代算法 启发式算法 数学规划算法：启发式规划、割平面法 现代优化算法：禁忌搜索、模拟退火、遗 传算法、神经网络…… 贪婪算法（greedy algorithm ） 所谓贪婪算法是指，在对问题求解时，总是做出在当前看 来是最好的选择。也就是说，不从整体最优上加以考虑， 它所做出的仅是在某种意义上的局部最优解。 贪婪算法的核心问题：选择能产生问题最优解的最优度量 标准。 贪婪算法的基本步骤： 1.建立数学模型来描述问题。 2.把求解的问题分成若干个子问题。 3.对每一子问题求解，得到子问题的局部最优解。 4.把子问题的解局部最优解合成原来解问题的一个解。 0 －1背包问题 有一个徒步旅行者，其可携带物品重量的限度为b 公斤，设有 n 种物品可供他选择装入包中。已知每种物品的重量及使用价值 （作用），问此人应如何选择携带的物品（各几件），使所起 作用（使用价值）最大？ 物品 1 2 … j … n 重量（公斤/件） a a … a … a 1 2 j n 每件使用价值 c c … c … c 1 2 j n 这就是背包问题。类似的还有工厂里的下料问题、运输中的 货物装载问题、人造卫星内的物品装载问题等。 背包问题解法(1) 贪婪算法采用多步过程来完成背包的装入。在每一步过 程中利用贪婪准则选择一个物品装入背包，如从剩余物 品中选择可装入包的价值密度值最大的物品。 考虑n=4, a=[2,4,6,7], c=[6,10,12,13], b = 11 。 当k=0时，背包按物品价值密度非递减顺序装入。 首先将物品1放入背包，然后是物品2，背包剩下的重量为 5公斤，剩下的物品没有一个合适的，因此解为x = [ 1 , 1 , 0 , 0 ] 。此解获得的价值为16。 背包问题解法(2) k=1最初的子集为{1},{2},{3},{4}。子集{1},{2}产生与k= 0 时相同的结果，考虑子集{3}，置x3为1。此时还剩5个单 位的容量，按价值密度非递增顺序来考虑如何利用这5个 单位的容量。 首先考虑物品1，取x1 为1，这时仅剩下3个单位容量，且 剩余物品没有能够加入背包中的物品。通过子集{3} 求解 得结果为x=[1,0,1,0]，获得的价值为18。 从子集{4}开始，产生的解为x=[1,0,0,1]，获得的价值为19。 背包问题解法(3) 若k=2，需要考虑子集{1