[自然科学]第6章禁忌搜索算法.ppt

2018-3-4 1 第六章 禁忌搜索算法 现代优化方法 6.1 局部搜索 6.2 禁忌搜索 6.3 禁忌搜索的关键参数和操作 6.4 禁忌搜索的实现与应用 2018-3-4 2 6.1 局部搜索 现代优化方法 函数优化问题中 在距离空间中，通常的邻域定义是以一点为中心的一个球体； 组合优化问题中 6.1.1 邻域的概念 2018-3-4 3 6.1 局部搜索 现代优化方法 例 TSP问题解的一种表示方法为D={x=(i1,i2,…,in)| i1,i2,…,in是1,2,…,n的排列}，定义它的邻域映射为2－opt，即x中的两个元素进行对换，N(x)中共包含x的Cn2=n(n-1)/2个邻居和x本身。 例如：x=(1,2,3,4)，则C42=6，N(x)={(1,2,3,4), (2,1,3,4), (3,2,1,4), (4,2,3,1), (1,3,2,4), (1,4,3,2), (1,2,4,3)} 6.1.1 邻域的概念 2018-3-4 4 6.1 局部搜索 现代优化方法 例 TSP问题解的邻域映射可由2－opt，推广到k－opt。 邻域概念的重要性 邻域的构造依赖于决策变量的表示， 邻域的结构在现代优化算法中起重要的作用。 6.1.1 邻域的概念 2018-3-4 5 6.1 局部搜索 现代优化方法 2011年 STEP 1 选定一个初始可行解x0，记录当前最优解xbest:=x0, T=N(xbest)； STEP 2 当T\{xbest}=Φ时，或满足其他停止运算准则时，输出计算结果，停止运算；否则，从T中选一集合S，得到S中的最好解xnow；若f (xnow)f(xbest)，则xbest := xnow ，T=N(xbest)；否则T:=T\S；重复SETP 2。 6.1.2 局部搜索算法 2018-3-4 6 6.1 局部搜索 现代优化方法 五个城市的对称TSP问题 初始解为xbest=(ABCDE)，f(xbest)=45，定义邻域映射为对换两个城市位置的2-opt，选定A城市为起点。 6.1.3 局部搜索示例 2018-3-4 7 6.1 局部搜索 现代优化方法 五个城市的对称TSP问题 方法1：全邻域搜索 第1步 N(xbest)={(ABCDE)，(ACBDE)，(ADCBE)，(AECDB)，(ABDCE)，(ABEDC)，(ABCED)}， 对应目标函数为f(x)={45, 43, 45, 60, 60, 59, 44} xbest:=xnow=(ACBDE) 6.1.3 局部搜索示例 A B C D E 2018-3-4 8 6.1 局部搜索 现代优化方法 五个城市的对称TSP问题 方法1：全邻域搜索 第2步 N(xbest)={(ACBDE)，(ABCDE)，(ADBCE)，(AEBDC)，(ACDBE)，(ACEDB)，(ACBED)}， 对应目标函数为f(x)={43, 45, 44, 59, 59, 58, 43} xbest:=xnow=(ACBDE) 6.1.3 局部搜索示例 2018-3-4 9 6.1 局部搜索 现代优化方法 五个城市的对称TSP问题 方法2：一步随机搜索 第1步 从N(xbest)中随机选一点，如xnow=(ACBDE)， 对应目标函数为f(xnow)=43 45 xbest:=xnow=(ACBDE) 6.1.3 局部搜索示例 2018-3-4 10 6.1 局部搜索 现代优化方法 五个城市的对称TSP问题 方法2：一步随机搜索 第2步 从N(xbest)中又随机选一点，如xnow=(ADBCE)， 对应目标函数为f(xnow)=44 43 xbest:=xnow=(ACBDE) 6.1.3 局部搜索示例 2018-3-4 11 6.1 局部搜索 现代优化方法 五个城市的对称TSP问题 简单易行，但无法保证全局最优性； 局部搜索主要依赖起点的选取和邻域的结构； 为了得到好的解