调度系统的禁忌算法研究与实现毕业设计答辩.pptVIP

研究的方向与欲达成的目标 研究目标 本课题的研究主要要达成的目标是实现禁忌搜索算法，并对此算法有一定的了解，可以通过它解决一些问题。在解决问题的同时可以比较数据的执行结果，便于方案的选定。 研究问题 通过此算法完成TSP,即Traveling Saleman Problem,也就是旅行商问题,给出一组合理的解。tsp问题的十分经典的智能搜索问题之一。 论文的结构 第一部分系统的研究背景 第二部分禁忌搜索算法原理与实现 第三部分系统需求分析 第四部分系统概要设计 第五部分系统展示及代码实现 论文主要内容 第二部分禁忌搜索算法原理与实现 什么是禁忌算法 TS是一种亚启发式(meta-heuristic)随机搜索算法，它从一个初始可行解出发，选择一系列的特定搜索方向(移动)作为试探，选择实现让特定的目标函数值减少最多的移动。为了避免陷入局部最优解，TS搜索中采用了一种灵活的“记忆”技术，对已经进行的优化过程进行记录和选择，指导下一步的搜索方向，这就是Tabu表的建立。Tabu表中保存了最近若干次迭代过程中所实现的移动的反方向移动，凡是处于Tabu表中的移动，在当前迭代过程中是不允许实现的，这样可以避免算法重新访问在最近若干次迭代过程中已经访问过的解群，从而防止了循环，帮助算法摆脱局部最优解。另外，为了尽可能不错过产生最优解的“移动”，TS搜索还采用“释放准则”的策略。 禁忌搜索算法原理与实现 禁忌算法的伪码实现 procedure tabu search; begin initialize a string vc at random,clear up the tabu list; cur:=vc; repeat select a new string vn in the neighborhood of vc; if vagt;best_to_far then {va is a string in the tabu list} begin cur:=va; let va take place of the oldest string in the tabu list; best_to_far:=va; end else begin cur:=vn; let vn take place of the oldest string in the tabu list; end; until (termination-condition); end; 禁忌搜索算法原理与实现 以上程序中的关键在于： 禁忌对象：可以选取当前的值（cur）作为禁忌对象放进tabu list，也可以把和当前值在同一“等高线”上的都放进tabu list。 为了降低计算量，禁忌长度和禁忌表的集合不宜太大，但是禁忌长度太小容易循环搜索，禁忌表太大容易陷入“局部极优解”。 上述程序段中对best_to_far的操作是直接赋值为最优的“解禁候选解”，但是有时候会出现没有大于best_to_far的，候选解也全部被禁的“死锁”状态，这个时候，就应该对候选解中最佳的进行解禁，以能够继续下去。 终止准则：和模拟退火，遗传算法差不多，常用的有：给定一个迭代步数；设定与估计的最优解的距离小于某个范围时，就终止搜索；当与最优解的距离连续若干步保持不变时，终止搜索； 邻域：由伪码 select a new string vn in the neighborhood of vc,可以看出,系统总是在初始点的邻域搜索可能的解的,因而必须定义适合的邻域定义,如果解空间的存在一个最优解X*,初始搜索点为S0,那么如果S0不存在到达X*的通路,就会使搜索陷入S0的邻域的局部最优解。可以证明如果邻域满足对称性条件，则在假设禁忌表足够长的情况下必然可搜索到全局最优解。 禁忌搜索算法原理与实现 禁忌搜索算法的实现步骤 （1）给定算法参数，随机产生初始解x，置禁忌表为空。 （2）判断算法终止条件是否满足？若是，则结束算法并输出优化结果；否则，继续以下步骤。 （3）利用当前解的邻域函数产生其所有（或若干）邻域解，并从中确定若干候选解。 （4）对候选解判断藐视准则是否满足？若成立，则用满足藐视准则的最佳状态y替代x成为新的当前解，即x=y，并用与y对应的禁忌对象替换最早进入禁忌表的禁忌对象，同时用y替换“best so far”状态，然后转步骤6；否则，继续以下步骤。 （5）判断候选解对应的各对象的禁忌属性，选择候选解集中非禁忌对象对应的最佳状态为新的当前解，同时用与之对应的禁忌对象替换最早进入禁忌表的禁忌对象元素。 （6）转步骤（2）。 禁忌搜索算法原理与实现 禁忌搜索算法中的一些名词解释 (1) 移动　TS搜索过程由“移动”来实现，一次“移动”产生一个实验解。现已有多种“移动”方