禁忌搜索算法应用于解整数线性规划问题实践.docVIP

禁忌搜索算法应用于解整数线性规划问题实践[摘要] 禁忌搜索算法的技术问题预处理，关系到算法计算结果的优劣。该文探讨禁忌搜索算法应用于解整数线性规划问题及其技术处理，得到最优解 [关键词] 禁忌搜索算法 整数线性规划问题 技术处理 1 算法的技术问题 禁忌搜索算法的技术问题主要有：可行解的形式、解邻域的定义、禁忌的对象、禁忌的长度、局部最优解候选集、计算终止条件等等。对于这些技术问题的预处理，关系到算法计算结果的优劣。这些技术问题没有固定的模式生搬硬套，可以因问题而异，因人对问题的认识理解而异，从而产生的算法结果也有差异 2 整数线性规划问题及其技术处理 整数线性规划问题的数学模型为：求解 维向量 ，使之满足： ,； ， 设 ， ， ，则整数线性规划问题可以表示为： ， ， ， 整数线性规划问题从计算复杂性划分，它属于NP问题 采用禁忌搜索算法，有关的技术问题作如下的预处理： 对于可行解采用通常的 维向量表示法。任取初始可行解 。 表示可行解 的邻域，这里 定义为可行解 的恰有一个分量的数值改变的可行解全体构成集合，这样的 至多含有 个元素 对于禁忌对象的选择，可以以改变数值的分量位置、或目标值、或可行解 作为禁忌对象。禁忌对象全体组成的集合称为禁忌表 。其中每一个元素都附有当前的禁忌代数，禁忌代数随着迭代次数变化而变化，一旦其数值超过禁忌长度时，该元素将解除禁忌 本文的局部最优解候选集 是新的局部最优可行解的搜索区域， 就是从 的邻域 中去掉禁忌表中相应的元素而得。禁忌长度 取 或 取评价函数选择目标函数为之。在 中根据评价函数搜索新的可行解 特赦原则基于评价函数值的原则。即当= 时，从 中释放出使得评价函数值最小的禁忌对象 计算终止条件为： = 或最大迭代上限或最佳评价值出现的频数，当而且仅当其中一个条件满足时，计算终止，输出结果 3 算法流程图 流程图如下所示。其中，生成邻域 、禁忌表 、 的算法如下： ① 生成邻域 。设置数组 ， 的第 个分量变化后，得到新的可行解，否则 置 －1，而且 ， ② 生成禁忌表 、 本文以评价值为禁忌对象。如果，则 的所有元素禁忌长度分别加1，长度为 的禁忌元被释放； 查寻新的禁忌对象：如果 ，则 ， ，相应的禁忌长度置初值1 如果 的邻居 满足条件：0，而且相应的 不在 中出现，则 ， ③ 执行特赦命令，修正 如果，则要执行特赦。特赦时重点考虑释放对象的影响力及承担最小的错误诸原则。在 中查找使得评价值最小的禁忌元作为特赦对象，相应的可行解添加到 中 4 实践与探讨 针对以下问题，采用适当的建立邻域的规则，使用C语言将算法编制成程序，在计算机上运行，得到较好结果 例１ ， ，是整数 技术处理：取初始可行解 。 定义为可行解 恰有一个分量数值增加1的可行解全体构成集合，＝3， ＝8，禁忌长度取3。计算过程列表如下： 计算结束，得到最优解 ＝ ，相应的目标值 =12，其中 中向量的第1个分量是禁忌评价值，第2个分量是禁忌代数 例2 ， ， ， 技术处理：取初始可行解 ， 定义为可行解 恰有一个分量数值在0、1之间变化的可行解全体构成集合，＝3， ＝8，禁忌长度取3，计算过程列表如下。得到最优解 = ，相应的目标值 =2 参考文献： [1] 邢文训, 谢金星. 现代优化计算方法[M]. 北京: 清华大学出版社, 2003.