局部搜索定义为.pptVIP

中国科学院软件研究所 Institute of Software,Chinese Academy of Sciences 格局检测：普适的局部搜索策略 蔡少伟 中国科学院软件研究所 2015.6.13 组合优化 组合优化问题 优化问题可以分为两类：一类是连续变量的问题，另一类是离散变量的问题，后者称为组合优化问题。 组合优化问题的任务：从一个有限或可数无限集里，寻找一个使得目标函数最优的对象——典型地包括：一组赋值，一个集合，一个排列。 组合优化问题随处可见，具有很强的工程代表性应用。 许多组合优化问题都是NP难的：最大可满足性（MaxSAT)问题，最大团问题，最小顶点覆盖问题，旅行商问题。。。 组合优化 组合优化问题 优化问题可以分为两类：一类是连续变量的问题，另一类是离散变量的问题，后者称为组合优化问题。 组合优化问题的任务：从一个有限或可数无限集里，寻找一个使得目标函数最优的对象——典型地包括：一组赋值，一个集合，一个排列。 组合优化问题随处可见，具有很强的工程代表性应用。 许多组合优化问题都是NP难的：最大可满足性（MaxSAT)问题，最大团问题，最小顶点覆盖问题，旅行商问题。。。 求解NP难组合优化问题 分支限界：完备算法（保证解的最优性），回溯搜索，遍历解空间 启发式搜索（包括局部搜索，演化算法等）：不完备算法，迭代改进，采样解空间 局部搜索 简单地说，局部搜索是： 先产生一个（或一群）完整的候选解，然后进行迭代改进，每一步只修改解的某个局部（比如一个基本单元），直到得到一个令人满意的解或者达到某个资源限制（一般是时间限制）。 局部搜索 简单地说，局部搜索是： 先产生一个（或一群）完整的候选解，然后进行迭代改进，每一步只修改解的某个局部（比如一个基本单元），直到得到一个令人满意的解或者达到某个资源限制（一般是时间限制）。 形式化一点说，局部搜索定义为： 候选解集合（也称搜索空间）S； 目标函数 f：S-R(实数集)； 初始候选解集合 I； 邻域关系 N: S-2^S，对于每个候选解s，N(s) = {s′ ∈ S|N(s, s′)} ? S; （一般是基于候选解的海明距离，最常见的是1-海明距离邻域） 跳转函数（Step function）：定义了如何从当前候选解跳转到它的一个邻居候选解 局部搜索 局部搜索的优点： 简单； 通用； 容易实现； 可扩展性强； 许多NP难问题在求解性能上最好的算法都是基于局部搜索 什么时候使用局部搜索 组合爆炸：对于NP难问题，解空间是问题规模的指数级别 时间限制短，或者时间资源非常重要 关于问题的领域知识太少 接受近似解 一个局部搜索的例子 一个例子：最大可满足性问题（MaxSAT） 变元：x1,x2, x3,… , xn 文字：变元或者其否定形式 x1,~x1, … 子句：文字的析取 x1 \/ ~x2, x1 \/ x2 \/~x4, …. CNF公式：子句的合取，可看为一个子句集合 MaxSAT（优化问题)：给出一组（布尔）赋值，满足最多子句。 SAT（判定问题）：是否存在一组（布尔）赋值，满足所有子句。 一个局部搜索的例子 一个例子：最大可满足性问题（MaxSAT） 用局部搜索求解以下MaxSAT（或SAT）实例 {x1 \/ ~x2, x1 \/ x2, x2 \/x3, ~x1 \/ x2 \/~x3} 变元：x1,x2, x3,… , xn 文字：变元或者其否定形式 x1,~x1, … 子句：文字的析取 x1 \/ ~x2, x1 \/ x2 \/~x4, …. CNF公式：子句的合取，可看为一个子句集合 MaxSAT（优化问题)：给出一组（布尔）赋值，满足最多子句。 SAT（判定问题）：是否存在一组（布尔）赋值，满足所有子句。 赋值 不满足的子句 初始 000 x1 \/ x2, x2 \/x3 Step 1 001 x1 \/ x2 Step 2 101 ~x1 \/ x2 \/~x3 Step 3 110 无 （找到最优解） 局部搜索的循环问题 局部搜索的循环问题 重复访问（近期刚访问过的）候选解 花费很长时间在解空间的某个区域（比如某个局部最优附近的区域）搜索 导致：容易陷入局部最优，花费太多时间在做无效搜索。。。 很多局部搜索的文献其实都是围绕如何解决这个问题 循环问题不可能完全避免 这是由局部搜索的无记忆性决定的 不可能增加一个记忆机制来记住访问过的候选解，空间时间要求都太庞大 局部搜索的循环问题 局部搜索的循环问题 重复访问（近期刚访问过的）候选解 花费很长时间在解空间的某个区域（比如某个局部最优附近的区