遗传算法在组合优化问题中的应用.pptx

遗传算法在组合优化问题中的应用;一 遗传算法简介 1.遗传算法的起源与发展 2.遗传算法的应用领域 3.遗传算法的解题步骤 遗传算法在组合优化问题中的应用 1.集覆盖问题 2.装箱问题 3.背包问题 4.最小生成树问题;遗传算法简介 1.遗传算法的起源与发展 二十世纪五六十年代，人工进化系统的研究逐渐受到了学 者的关注，他们在工程优化策略中引进了生物进化的思想。 1967年， JohnHolland提出了位串编码技术。这种编码既适用于 变异操作，又适用于交叉操作。随后，Holland写了一本叫 《Adaptation in Natural and Artifieial Systems》的专著。当中 他在对自适应行为的研究过程中，充分运用了人工系统的思想， 并应用于优化问题中，这时并正式定名为遗传算法并一直沿用 至今。 ;遗传算法简介 1.遗传算法的起源与发展 从遗传算法的??个发展过程来看，20世纪70年代是兴 起阶段，80年代是发展阶段，而90年代则是高潮阶段。经 过多年的努力，遗传算法己成为信息科学、计算科学、运 筹学和应用数学等诸多学科所共同关注的热点研究领域。 目前，对遗传算法的研究主要集中在应用方面、算法设计 方面以及基础理论研究方面。 ;遗传算法简介 2.遗传算法的应用领域 组合优化 多目标优化 模糊优化 可靠性设计 调度问题 高级运输问题 网络设计与路径 制造元设计 机器学习 信号处理 自适应控制 ;遗传算法简介 3.遗传算法的解题步骤 一般认为，遗传算法有5个基本组成部分： 1、问题的解的遗传表示 2、创建解的初始种群的方法 3、根据个体适应值对其进行优劣判定的评价函数 4、用来改变复制过程中产生的子个体遗传组成的遗传 算子（杂交算子、变异算子） 5、遗传算法的参数值（种群规模、代数、杂交概率、 变异概率） ;遗传算法在组合优化问题中的应用 组合优化的特点是可行解的数量有限。虽然从理论上 讲这种有限问题可以通过简单枚举找到最优解，然而在实 际情况中通常无法实现。特别是当问题的规模很大，可行 解的数量非常多时更是如此。组合优化问题的本质可以归 纳为下列类型之一： 确定与问题相关的某些项的排列 确定某些项的组合 确定某项项的排列和组合 任何带有约束的上述类型;遗传算法在组合优化问题中的应用 1、集覆盖问题 问题描述：对于一个m行n列的0-1矩阵，用最小的费 用选择一些矩阵的列使其能够覆盖所有的行。设向量 的 元素 表示列被选中， 表示未被选中，则集覆盖 问题可以表示为： ;遗传算法在组合优化问题中的应用 1、集覆盖问题（航线机组成员调度问题） 问题描述：假设需要为 n个机组成员安排m次航班，这 些航班必须在一定时段内完成，目标函数是最小化运行费 用。由于受到时间、地理位置、机组成员能力和其他限制 的影响，每位机组成员能够服务的航线组合可以列写出来。 设决策变量 表示安排第K个机组成员到第t次航线组 合上。系数 意味着第t个航线组合的第i次航程可以 由第k个机组成员完成。有如下约束： ;遗传算法在组合优化问题中的应用 2、装箱问题 问题描述：要将n个物品装入许多箱子（最多n个箱子），每个物 品有重量，每个箱子有重量限制。问题是寻找最优的将物品分配到箱 子的方案，从而使每个箱子中物品的重量之和不超过其限制，而使用 的箱子数量最少。通常，所有的箱子具有相同的重量限制，装箱问题 的数学表示如下： ;遗传算法在组合优化问题中的应用 3、背包问题 问题描述：假设我们需要从许多物品（通常称作项目）中选择一 些来填充一个背包。存在n个不同的项目可以使用，每个项目j具有重 量 和费用 。背包可以承重的上限是W。问题是如何寻找项目的 最优子集从而在满足背包承重约束的基础上最大化总费用。设 为二 进制变量，如果项目j被放入背包，则 ，否则， 。其数学 描述为： ;遗传算法在组合优化问题中的应用 3、背包问题（多选择背包问题） 问题描述：有一个承重有限的背包，将要放入背包的物品分为相 互排斥的若干类，每类中有若干不同的项目，问题就是从每类中选择 一个项