现代优化计算方法课件(未加密版).pdf

现代优化计算方法 第一章 概 论 现代优化算法包括: • 禁忌搜索(tabu search) • 模拟退火(simulated annealing) • 遗传算法(genetic algorithms) • 蚁群优化(ant colony optimization algorithm) • 人工神经网络(artificial neural networks) • 拉格朗日松弛等算法 •这些算法涉及生物进化、人工智能、数 学和物理科学、神经系统和统计力学等概 念 •都是以—定的直观基础而构造的算法， 也称之为元启发式算法(meta-heuristics) •启发式算法的兴起与计算复杂性理论的 形成有密切的联系 •现代优化算法自80年代初兴起，至今发 展迅速 •这些算法同人工智能、计算机科学和运 筹学相融合 1．1 组合最优化问题 1.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， 是运筹学中的一个经典且重要的分支， 所研究的问题涉及信息技术、经济管理、 工业工程、交通运输、通信网络等诸多 领域 2.该问题可用数学模型描述为： min f(x) s.t. g(x) ≥0 , x ∈D 其中，f(x)为目标函数，g(x)为约束函 数，x为决策变量，D为决策变量的定 义域 3.一个组合最优化问题可用三参数(D， F，f)表示，F={x|x ∈D, g(x) ≥0}表示可 行解集, 为有限点集，D通常也为有限点 集，f表示目标函数 * 4.满足f(x ) ＝min{f(x) | x ∈F} 的可行解 * x 称为该问题的最优解． 5.组合最优化的特点是可行解集合为 有限点集 6.例 例1.1.1 0-1背包问题(knapsack problem) 设有一个容积为b 的背包，n个尺寸分别为 a (i ＝l,2,…,n)，价值分别为c (i ＝1,2,…,n)的 i i 物品，如何以最大的价值装包? n max c x (1.1) 包内所装物品的价值最大 ∑ i i i 1 n 包的能力限制 s t a x b (1.2) . . ∑ ≤ i i i 1 x ＝1:装第i个物品 i x {i0,1}, n1, ∈, (1.3)