情报信息动态规划优化网络算法软件研发和应用.docVIP

情报信息动态规划优化网络算法软件研发和应用 　　〔摘 要〕动态规划是处理情报信息领域信息获取方式与路径选择，网络信息的传递与交换途径等阶段决策问题的重要方法。本研究介绍一种动态规划方法，给出了Java网络算法软件，该软件可在兼容Java的网络浏览器上运行，可用于计算最优策略和目标泛函的阶段最优和总最优值。同时，用该算法进行了用例分析，以期为有关情报信息研究与应用提供一种在线计算工具。 　　〔关键词〕信息;动态规划;网络算法;软件;应用 　　〔中图分类号〕G350.7 〔文献标识码〕B 〔文章编号〕1008-0821(2009)03-0039-03 　　 　　信息获取的方式与路径选择，网络信息的传递与交换途径，以及节点与通道的搜索与选择(齐艳红，2007)，等等，都是多阶段决策问题。有关多阶段决策问题，多数可用线性规划或非线性规划来处理。然而，用动态规划处理这类问题，会更加有效(Bellman，1957)。动态规划是Bellman于20世纪50年代提出的。目前，已广泛应用于各领域的多阶段决策问题中。鉴于此，本研究建立一种Java动态规划网络算法，以期用于上述情报信息问题，可能有一定的应用价值。网络在线软件具有平台无关等优点，已在有关领域得到了应用(齐艳红，2003，2004，2006，2007)。鉴于此，本文研制了动态规划的一种网络算法软件，以期为有关情报信息研究与应用提供一种在线计算工具。 　　 　　1 动态规划算法 　　 　　动态规划的核心是Bellman原理:多阶段决策过程的最优决策序列有如此性质，即不论其初始阶段，初始状态，及初始决策如何，以第一个决策所形成的阶段和状态为初始条件时，随后的决策对相应的问题必须构成最优决策系列(Norton，1972;李德等，1982)。动态规划类型较多，有连续型动态规划，离散型动态规划，确定型动态规划，不确定型动态规划，等等。不同的方法，其算法也不相同。本研究所用的动态规划，为离散型确定型动态规划。算法步骤如下: 　　首先，将过程划分为n个阶段，k=1，2，…，n，要确定阶段k的状态xk，xk为阶段k的某个初始状态。 　　然后，要确定每阶段的决策变量。设uk(xk)为阶段k当状态为xk时的决策变量，uk(xk)∈Dk(xk)，其中，Dk(xk)为阶段k的容许决策集。从阶段k到终点的决策函数序列，即子策略为: 　　Pkn={uk(xk)，uk+1(xk+1)，…，un(xn)} 　　接着，要确定状态转移规则。已知阶段k的状态xk，应用决策变量uk，则阶段k+1的状态xk+1可被确定，即xk+1=Tk(xk，uk)。 　　此后，定义目标泛函。目标泛函Vkn用于评价过程的优度: 　　Vkn=Vkn(xk，uk，xk+1，…，xn+1)，k=1，2，…，n 　　其中，Vkn的最优值为最优目标泛函fk(xk)。目标泛函的计算公式为: 　　Vkn=vk(xk，uk)+Vk+1n(xk+1，…，xn+1) 　　其中，vk(xk，uk)为阶段k的的目标值。目标泛函是初始状态和策略的函数，故目标泛函的计算公式可写为: 　　Vkn(xk，Pkn)=vk(xk，uk)+Vk+1n(xk+1，Pk+1n) 　　其中，Pkn={uk(xk)，Pk+1n (xk+1)}。 　　最后，进行逆向序列最优化: 　　??opt??(Pkn)Vkn(xk，Pkn)=??opt??(uk){vk(xk，uk)+??opt??(Pk+1n)Vk+1n k=n，n-1，…，1 　　f1(x1)=??opt??(P????1n)V????1n(x1，P????1n) 　　或 　　fk(xk)=??opt??(uk∈Dk(xk)){vk(xk，uk)+fk+1(xk+1)} k=n，n-1，…，1 　　fn+1(xn+1)=0 　　此处，??opt??为最小或最大。于k=n开始，向前计算直到得出f1(x1)。从而，可得最优策略和目标泛函的最优值。 　　 　　2 算法实现 　　 　　动态规划算法dynamicprograming以Java程序设计工具包JDK研制，包括1个Java类和一个HTML文件(图1)。 　　 　　算法的Java核心代码为: 　　cut=0; 　　for(i=1;i=m;i++) 　　for(k=1;k=m;k++) 　　x[i][k]=10000000000; 　　for(i=1;i=m;i++) 　　{ 　　 　　a[i]=10000000000; 　　 　　c[i]=0; 　　 　　p[i]=0; 　　} 　　for(k=1;k=n;k++) 　　{ 　　 　　i=(int)Double.valueOf(s