禁忌搜索算法解读.pptxVIP

禁忌搜索算法;主要内容;背景及意义;因此对于优化算法的研究一直是计算机领域内的一个热点问题。优化算法主要分为启发式算法和智能随机算法。启发式算法依赖对问题性质的认识,属于局部优化算法。智能随机算法不依赖问题的性质,按一定规则搜索解空间,直到搜索到近似优

解或最优解,属于全局优化算法,其代表有遗传算法、模拟退火算法、粒子群算法、禁忌搜索算法等。;TS算法通过模拟人类智能的记忆机制,采用禁忌策略限制搜索过程陷入局部最优来避免迂回搜索。同时引入特赦(破禁)准则来释放一些被禁忌的优良状态,以保证搜索过程的有效性和多样性。TS算法是一种具有不同于遗传和模拟退火等算法特点的智能随机算法,可以克服搜索过程易于早熟收敛的缺陷而达到全局优化。;迄今为止,TS算法已经广泛应用于组合优化、机器学习、生产调度、函数优化、电路设计、路由优化、投资分析和神经网神经等领域,并显示出极好的研究前景。目前关于TS的研究主要分为对TS算法过程和关键步骤的改进,用TS改进已有优化算法和应用TS相关算法求解工程优化问题三个方面。;国内外研究现状;其中一些原理在学术界长期没有突破。事实上，在20世纪90年代前半叶，大部分工作局限在关于禁忌搜索技术的非常有限区域，如禁忌表和基本的藐视准则。; 20世纪80年代后期Werra团队所发表的系列论文在学术界发挥的重要作用使得禁忌搜索技术广闻人知。

20世纪90年代初期，禁忌搜索算法传到加拿大，准确的说，位于蒙特利尔的运输研究中心，来自Werra团队的博士后人员在此从事该领域的研究。在此过程中，形成禁忌搜索的有一个研究中心，该算法很快在相关领域得到了成功的应用。1990年，随着一本介绍禁忌搜索的专著的出版，禁忌搜索的研究达到了一个高峰。;?

1997年，Glover与Laguna合著的第一本禁忌搜索专著正式出版，标志着关于禁忌搜索的相关研究日趋完善，并得到了同行的认可。

目前关于TS的研究主要分为对TS算法过程和关键步骤的改进，用TS改进已有优化算法和应用TS相关算法求解工程优化问题。;?

TS算法通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索，并通过藐视准则来赦免一些被禁忌的优良状态，进而保证多样化的有效探索以最终实现全局优化。

相对于模拟退火和遗传算法，TS是又一种搜索特点不同的算法。迄今为止，TS算法在组合优化、生产调度、机器学习、电路设计和神经网络等领域取得了很大的成功，近年来又在函数全局优化方面得到较多的研究，并大有发展的趋势。;禁忌搜索算法基本原理;禁忌搜索算法描述;禁忌搜索算法的关键要素;初始解

禁忌搜索对初始解的依赖较大，不同的初始解，在搜索过程中耗费时间和资源往往不同，同一邻域结构，不同的初始点会得到不同的计算结果，好的初始解往往会提高最终的优化效果。一个直观的结论就是：如果初始点选择的足够好，总可以计算出全局最优解。

初始解的构造可以随机产生，但效果往往不够理想，常用方法是基于问题的特征信息，借助一下启发式方法产生，这样可以保证初始解的性能[4]。;邻域和移动;候选集;禁忌表及其长度;禁忌表及其长度;禁忌表及其长度;禁忌表及其长度

加入禁忌表，避免陷入循环;禁忌表及其长度; 选择策略即择优规则，是对当前的邻域移动选择一个移动而采用的准则。

择优规则可以采用多种策略，不同的策略对算法的性能影响不同。一个好的选择策略应该是既保证解的质量又保证计算速度。当前采用最广泛的两类策略是最好解优先策略和第一个改进解优先策略。

最好改进解优先策略：对当前邻域中选择移动值最好的移动产生的解，作为下一次迭代的开始。

第一个改进解优先策略：搜索邻域移动时选择第一改进当前解的邻域移动产生的解作为下一次迭代的开始。; 相关文献亦称藐视准侧、特赦准则、释放准侧等；破禁策略通常指渴望水平(Aspiration)函数选择，当一个禁忌移动在随后T次的迭代内再度出现时，如果它能把搜索带到一个从未搜索过的区域，则应该接受该移动即破禁，不受禁忌表的限制。

衡量标准就是定义一个渴望水平函数，渴望水平函数通常选取当前迭代之前所获得的最好解的目标值或此移动禁忌时的目标值作为渴望水平函数。

破禁准侧保证了搜索过程在全部候选解被禁或者是有优于当前最优解的候选解被禁时，能够释放特定的解，从而实现全局优化搜索。;停止规则;禁忌搜索算法的步骤;流程图;应用举例-旅行商问题;四城市非对称TSP问题;应用举例; 四城市非对称TSP问题第2步

解的形式 禁忌对象及长度; 四城市非对称TSP问题第3步

解的形式 禁忌对象及长度; 四城市非对称TSP问题第4步

解的形式 禁忌对象及长度;四城市非对称TSP问题

第4步（如果减小禁忌长度）解的形式 禁忌对象及长度; 四城市非对称TSP问题第5步

解的形式 禁忌对象及