求解np问题的几种有效的快速算法-read.pdfVIP

求解NP问题的几种有效的快速算法 求解NP问题的几种有效的快速算法 报告人：谭松波 2003/12/15 报告主要内容 报告主要内容 1 组合优化问题 2 局部搜索算法 3 多空间搜索算法 4 全局搜索算法 定义：组合优化问题是一个极小化问题，或 是一个极大化问题，它由以下三部分组成： (1) (1) 实例集合； (2) (2) 对每个实例I ，有一个有穷的可行解集合 S(I) ； (3) (3) 目标函数f ，它对每一个实例I和S(I) 中的每 一个可行解 δ，赋以一个实数f(I, δ) 。 (4) 如果原问题是极大化问题，如果S(I) 中存在 θ， 使得对任意 δ，都有： f I δ ≤ f I θ ( , ) ( , ) 则称 θ ∈ S ( I ) 为最优解 NP难度问题 NP难度问题 定义1 令L1和L2是两个问题，如果有一确 定的多项式时间算法求解L1，而这个算法使用 了一个在多项式时间内求解L2的确定算法，则 称L1约化为L2。 定义2 若一个问题可以由可满足性问题约 化得到，则该问题是NP难度问题。 许多组合优化问题都是NP难度问题。 NP难度问题的快速算法 NP难度问题的快速算法 NP难度问题的解法和连续变量的最优化问题不同， 一般只能采取枚举的方法。可行解的总数虽然有限， 但当问题的规模增大，变量数超过几十个时，组合 的可行解的总数变得非常大，要全部枚举这些解而 求出最优的，事实上已经不可能。 如何削减解的搜索范围，同时又能得到较好的 近似最优解，就成了求解NP难度问题时的一个重要 课题。 顾钧采用局部搜索、多空间搜索和全局搜索来 处理NP难度问题。取得了很好的效果。 局部搜索算法 局部搜索算法 局部搜索算法(local search algorithm)是 一类近似算法的通称，它从一个初始解开始，每 一步在当前领域内找到一个更好的解，使目标函 数逐步优化，直到不能进一步改进为止。 局部搜索算法通常得到的是局部最优解。为 了得到全局最优解，需要从多个初始解进行搜索。 局部搜索算法灵活、简便。 实验表明，局部搜索算法对很多著名的NP难 问题，取得了很大的成功。它也是很早被提出来 处理NP难度问题的技术之一。 局部搜索算法 局部搜索算法 局部搜索的优点 局部搜索的优点 首先，开始搜索时，通过把搜索空间的 所有变量都赋予初值，把一个很大的搜索空 间缩小为一个便于处理的空间。 其次，它在邻域内通过测试目标函数来 获得改进。如果存在更优点，则取代当前最 优点。因为目标函数的输入参数个数是多项 式数量的，并且“测试”和“取代”都是相对非 常有效的。 所以局部搜索常常表现得非常高效。 局部搜索的缺点 局部搜索的缺点 局部搜索的主要缺点是在局部优化的 结构上存在陷入局部极小的趋势。 其次，由于局部搜索需要多次重复执 行，所以，算法运行的时间复杂性较难分 析。 局部搜索算法的设计