第一章优化理论与决策.pptVIP

电子商务教研室 第一章 概论 第二章 专题介绍—选址问题 第三章 Matlab介绍 第四章 遗传算法 第五章 拉格朗日松弛算法 第六章 其他启发式算法 组合优化问题概念 计算复杂性的概念 NP，NP完全和NP难 启发式算法 组合优化（combinatorial optimization）就是离散优化（discrete Optimation），它是通过数学方法寻找离散时间的最优编排、分组、次序或筛选等，这类问题可用数学模型描述为 其中， 为目标函数， 为约束函数， 为决策变量，D表示有限个点组成的集合。 组合优化例子 0-1背包问题： 设有一个容积为b的背包，n个体积分别为 （i=1,2， …,n），价值分别为 （i=1,2， …,n）的物品，如何以最大的价值装包？这个问题称为0-1背包问题。用数学模型表示为： TSP问题 一个商人欲到n个城市推销商品，每个城市i和j直接的距离为 ，如何选择一条道路使得商人每个城市走一遍后回到起点且所走路径最短？他的数学模型描述为： 上面两个问题都是组合优化中的经典问题，可行解的结合是有限的，在问题规模较小时，通过枚举很容易得到最优解。 整数规划（integer linear programming，ILP） 背包问题和TSP问题的数学模型都有ILP的形式，说明一些组合优化问题可以写成整数规划问题，整数规划问题在形式上同线性规划在形式上非常相似，不同之处是决策变量全部取整数。 装箱问题（bin packing） 如何用个数最少的尺寸为1的箱子装进n个尺寸不超过1的物品，该问题为装箱问题。 约束机器排序问题 n个加工量为 的产品在一台机器上加工，机器在第t个时段的工作能力为 ，求完成所有产品加工的最少时段数，它的数学模型为： 有些优化问题可以用整数规划模型的形式表示，如背包问题，TSP问题和约束机器排序问题，但有些组合优化问题用整数规划模型表示则比较烦琐和不易被被理解，不如原问题叙述简洁和直观如TSP,装箱问题和约束机器排序问题。 组合优化问题关注点 最优解的存在性和唯一性 找到有效算法 计算复杂性 由组合优化问题的定义，每一个组合优化问题都可以通过完全枚举的方法求的最优解，枚举是以时间为代价的，有的枚举时间还可以接受，有的则不能接受。 如TSP，城市个数n，固定一个城市，需要（n-1）！个枚举。以计算机1s可以完成24个城市所有路径枚举为单位，则其余的枚举时间如下表： 城市数 24 25 26 27 28 29 30 31 计算时间 1s 24s 10min 4.3h 4.9天 136.5天 10.8年 325年 衡量一个算法的好坏通常是用算法中的加、减、乘、除和比较等基本运算的总次数同实例在计算机计算时的二进制输入数据的大小关系来度量，对于一个正整数x，二进制表示是以 的系数 来表示，其中 由 这个二进制的位数是s+1，也称为数据x的输入长度，在logx与logx+1之间。于是，x的二进制位数是整数 或 +1，其中 表示不小于x的最小整数。 TSP，当城市数为n且第1个城市为始终点时，计算一条路径长度的基本运算为两两城市间距离的n个求和。因为有(n-1)！条路径，枚举所有路径进行(n-1)！次比较，可以得到最优路径。这个枚举法的基本计算总次数为(n-1)！ ·n= n！ 实例在计算机计算时只需输入城市数和所有城市之间的距离。于是，输入数据时城市数n和城市间的距离 且假设这些数为整数，对任何一个非零距离 它的二进制输入数据的输入长度不超过 假设 每一个数据的绝对值都有上界K，则有 数据输入长度和算法的基本总个次数都是城市数n的函数。 存在区别：一个为多项式函数，一个为阶乘函数。 多项式时间算法：对于给定的一个优化问题，如果存在一个求解问题最优解的算法，为多项式时间的，则此问题为多项式问题记为P（polynomial） 指数算法，非多项式算法。