组合优化局部寻优法(3).pptVIP

1.什么是组合最优化 （combinatorial optimization）? 是通过对数学方法的研究去寻找离散事件的最优编排、分组、次序或筛选等。其数学模型描述为： 一个组合最优化问题可用三参数（D，F，f）表示， 其中: D—决策变量定义域（是个有限点集）, F—可行域 f—目标函数. 组 合 最 优 化 问 题 专题三 《组合优化的局部寻优法》 2.组合最优化问题的特点及举例 特点——可行解集为有限点集，因此只要将D中有限个点逐一判别是否满足g(X)的约束和比较目标函数值的大小即可得到最优解。所以，最优解一定存在且可以得到。 ④装箱问题（bin packing ） ⑤约束机器排序问题 （capacitated machine scheduling） ①0-1背包问题（knapsack problem）； ②旅行售货员问题 （TSP, traveling salesman problem）； ③整数线性规划 (integer linear programming )； 邻 域 概 念 每一个组合优化问题都可以通过枚举的方法求得最优解，但枚举是以时间为代价的，比为TSP问题，以1秒钟计算机可完成24个城市所有路径枚举为单位，列出城市数与计算时间的关系如下： 1. 问题的提出： 城市数 24 25 27 28 29 30 31 计算时间 1s 24s 4.3h 4.9d 136.5d 10.8a 325a 26 10min 当城市数增加至30个时，计算时间已达10.8年，已无法接受。 因此，需要研究相应的算法。若该算法是一个多项式时间算法，则是一个好算法，但遗憾的是，一些组合最优化问题至今还没有找到求最优解的多项式时间算法，而这些组合最优化问题又有很强的实际应用背景，于是人们不得不尝试用一些并不一定可以求出最优解的算法，即启发式算法来求解组合最优化问题。 2.邻域的定义： 对于组合优化问题（D,F,f），D上的一个映射 称为一个邻域映射，其中2D表示D的所有子集组成的集合，N（S）称为S的邻域， 称为S的一个邻居。 例：①四个城市的TSP，若定义其邻域映射为S中的两个元素进行对换，记为2-opt，N(S)中共包含S的Cn2个邻居，当S=(1，2，3，4)时，N(S)={(2?1,3,4),(3,2,1,4),(4,2,3,1),(1,3,2,4)(1,4,3,2),(1,2,4,3)},共C42=6个邻居。 ②D为区间[1，10]中的整数点。 f(x) * * * * * * * * * * + + + + + + + + + + 1 2 3 4 5 6 7 8 9 10 图中，x=9为f的全局最优点（最小点），x=5是局部最小点。 采用如下邻域定义： 则，N(6)={(5,7)} 1、局部寻优算法 局部寻优法也许是以最古老的最优化方法(试错法)为基础的，是解决组合最优化问题最有效的方法之一，是“爬山法”的离散模拟。 局 部 寻 优 算 法 一般局部寻优算法 Procedure 局部寻优 Begin t:=F中的某个初始起点； while improve(t)≠“no”,do t:= improve(t); return t end 从某个初始可行解t∈F开始，利用子程序Improve在它的邻域里搜寻一个更好的解。只要一个改进的解存在，我们就采用它，并从这新的解出发重复邻域搜索过程；当我们得到一个局部最优解时，就停止。 为了把这个方法用于具体问题，我们