分散搜索二进制的问题.docVIP

分散搜索二进制的问题旧金山Gortazar1Marti3。 抽象在这一章,我们提出了一种基于散射程序搜索方法,可用于搜索解空间的优化问题的解决方案可表示为二进制向量。这是一个暗箱操作程序在这个意义上说,它不是定制解决某个特定问题在这个班。我们把它和三个软件产品时,基于准启发式技术解决两个众所周知的二进制优化问题:背包和最大多样性的问题。 1简介 本文的目的是发展一个暗箱操作方法求解一类重要组合优化问题。具体地说,我们解决问题的解决方案可以代表一个向量二进制变量与。我们工作的主要贡献的发展是一个程序基于分散搜索方法,可用于搜索解空间的优化问题的解决方案可表示为二进制向量。程序一般都在这个意义上说,它不是定制解决某个特定问题在这个班。求解优化问题时,有个普遍的作法是建立一个上下文方法(例如,一个过程,即明确地剥削的结构和性能问题,才能进行有效的搜索)。大多数启发式准启发式的实现是基于这种范式,即:发展一个专门的方法为一个特定的问题。我们当前的目标是不同的,因为我们试图创造一个合理的解决方法,发现质量问题,对一类基于上下文独立的范式。 暗箱操作的人(也称通用优化的基础上找到了自己的家metaheuristics商业的实现。我们已发现三种软件产品基于准启发式技术,这是能够解决类二元问题。保险费由FrontlineSystems求解股份有限公司(/),OptQuest Opttek图书馆系统公司(/)和Evolver由围护公司(/)。在本文中,我们首先提出一个黑盒子求解二进制的问题,然后把它和求解,OptQuest时,Evolver解决两个众所周知的二进制优化问题:背包和最大多样性的问题。 分散搜索程序 分散的搜索(SS)是一个准启发式探索一套解决进化的空间参考点。这里有5个方法及其相关的策略。他们三个人,一代的多样化、改进和组合方法,通常是模拟的特点,适用于问题或类别的问题被解决(我们投入他们各人一节)。其他两个,参考组和子集更新生成方法,我们使用了标准实现[4]因为大多数的分散搜索的实现。 我们已经适应学生开发一个暗箱操作方面和二进制变量优化问题。我们假设一个问题实例包括找到一套价值观x = (x1; x2; :::; xn) - where xi=0 or 1-为了最大限度地一个未知的目标函数。用户已经选择特定的问题是是否无约束或限制。为无约束问题,任何二元向量氮元素是一个可行的解决方案。针对有约束问题,解决的办法评估师返回一个布尔值表示是否切实可行解。换句话说,解决的方法不知道的水平或哪些特定变量预测需要给予一个值为0,使解决方案是可行的。解决的方法,然而,我们知道这个类型的问题,可能最终实现可行性开关变量值从1到0。 多样化的生成方法。 搜索开始多样化的应用与生成方法,其结果在P的人口的点数PSize选定一个子集为初始参考集(RefSet)。得到不同结构的解决方案与江苏三个不同的发电机,创造PSize二元向量/ 3的解决方案与每一个元素。我们首先创建PSize / 3的解决方案与系统发电机[4],然后计算评分(),为每一个变量估计其对目标函数值的大小为了产生剩下的两PSize / 3方案考虑在质量和多样性。分数的计算,这样大(小)评分变量的值表明,从历史上看,目标函数值较高的这个变量的质量得到了需要的价值1(0)。第二个发电机,G2,构筑了溶液一步一步,从所有的变量设置为0,和交换的每一步一个变量从0到1。变量的概率随机选择和改变选择从0到1变量问题,给出了Prob(xi = 1) = 0:1 + score(i)增加0.1的概率计算方面是一种偏见去改变这个变量的值从0到1当比分是接近0.5。为无约束问题,G2执行步骤只要解决施工能力的提高。针对有约束问题,G2执行步骤只要解决仍然是可行的。第三个发电机,G3,可以看作是一种破坏性的方法[2]。它始于所有的变量设置为1,在每一步,它的价值转换变量从1到0。根据变量选择分数的概率值。补充的成绩(i.e., 1-Prob(xi = 1))被用来计算的概率值变化从1到0。停止准则是定制的两方面的问题以类似的方式在G2。 最初的RefSet必须平衡解的质量和多样性,我们遵循标准集更新方法,选择最佳的b / 2解决方案(where b = |RefSet|)地方从P然后b / 2的解决方案是最多样P关于这些已在RefSet(计算最大值之间的最小安全距离和解决方案,每个解决方案已经在RefSet分散,因为它是前所未有的搜索)。多样性是根据以下距离测量函数关系的解决方案。解决方案之间的距离x = (x1; x2; : : : ; xn) and y = (y1; y2; : : : ; yn) d(x; y)=∑(i=1-n)|xi-yi|。 我们按标准的子集生成方法和程序生成所有成对的参