人工智能原理及应用-第11章-单点搜索算法.pptxVIP

人工智能原理及应用;第11章单点搜索算法;§11-1单点搜索算法概述;单点搜索算法的分类;单点搜索算法的应用;单点搜索算法的特点;单点搜索算法展望;§11-2模拟退火算法;模拟退火算法的基本原理;模拟退火算法的流程;模拟退火算法的流程;[例11-1]模拟退火算法求解0-1背包问题

已知背包的装载量c=10，物品量n=5，物品的重量和价值分别为(2,3,5,1,4)和(2,5,8,3,6)。试采用模拟退火算法求解背包问题，并给出关键步骤。

解：背包问题是一个组合优化的NP难问题。给定背包的装载量和的一组物品及其重量和价格，在限定的装载重量约束下（c=10），选择物品使得背包中物品的总价格最高。每种物品只能选择0或1个，故称0-1背包问题。采用模拟退火算法求解0-1背包问题，步骤如下：

初始化。以随机生成的合法初始解i=(11001)作为当前解（ci=2+3+4=910），设初始温度T=10，玻尔兹曼常数K=1，内循环3次，终止温度为0，适应度为装入背包的物品价值，当前解的适应度值f(i)=2+5+6=13，将当前作为最优解s=i=(11001)。;[例11-1]模拟退火算法求解0-1背包问题

内循环。通过随机改变当前解i的某一位的值或交换i的某两位的值来生成一个新解，注意要舍弃那些不满足背包装载量约束条件c=10的新解。

假设生成的新解j=(11100)，适应度值f(j)=2+5+8=1513=f(i)，接受新解j为当前解，令i=j，更新当前最优解s=j=(11100)。

再次生成一个新解j=(11010)，f(j)=2+5+3=1015=f(i)，根据Metropolis准则计算接受概率P(T)=e-[f(j)-f(i)]/KT=0.607。生成一个0~1之间的随机数q=0.720.607，故不接受这个新解。

第三次生成新解j=(10110)，f(j)=2+8+3=1315=f(i)，计算新解的接受概率P(T)=0.741，生成一个0~1之间的随机数q=0.530.741，接受j为当前解，令i=j=(10110)，注意这个新解的适应度值小于最优解，故最优解仍为s=(11100)。达到预设的内循环次数，内循环结束。;[例11-1]模拟退火算法求解0-1背包问题

降温。将当前温度从T=10降为T=9，预设的终止条件是T=0，判断是否满足终止条件，如果满足，则输出当前最优解，算法结束；若不满足，则再次执行步骤②。

在算法运行过程中，假设从当前解(10110)得到???一个新解(00111)，新解的适应度值为8+3+6=17，这是问题的全局最优解。由此可见，以一定概率接受并非优于当前解的新解，使算法避免陷入局部最优，能够更好地逼近全局最优。;禁忌搜索算法的原理;禁忌搜索算法的基本元素;禁忌搜索算法的流程;禁忌搜索算法的流程;[例11-2]禁忌搜索算法求解TSP

已知四城市(a,b,c,d)旅行商问题，城市间距用矩阵D表示。邻域映射定义为两个城市位置对换，起点和终点都是城市a。试采用禁忌搜索算法求解，给出前三代的过程和主要步骤。

解：这是一个非对称TSP，由于起点和终点城市都是城市a，产生新解时不将城市a与其他城市交换，也不会影响算法全局寻优的能力，禁忌搜索算法的步骤如下。

初始化。假设生成的初始解i=(abcd)，将之作为最优解s，设定禁忌表H为空，根据距离矩阵D算得f(s)=f(i)=1+1+1+1=4。;[例11-2]禁忌搜索算法求解TSP

第一代。在H限制下构造i的邻域A：

交换bc→(acbd)→f=0.5+5+1+1=7.5

交换bd→(adcb)→f=1+1+5+1=8

交换cd→(abdc)→f=1+1+1+1.5=4.5

选择质量最好的解j=(abdc)替换当前解i，有i=j=(abdc)，更新禁忌表H={(cd)2}，2为禁忌期限，表示2代以内避免交换城市c和d。由于f(i)=4.54=f(s)，故最优解s=(abcd)保持不变。

第二代。在H限制下构造当前解i的邻域A：

交换bc→(acdb)→f=0.5+1+1+1=3.5

交换bd→(adbc)→f=1+1+1+1.5=4.5

选择质量最好的解j=(acdb)替换当前解i，有i=j=(acdb)，更新禁忌表H={(cd)1,(bc)2}。由于f(i)=3.54=f(s)，故更新最优解s=(acdb)。;[例11-2]禁忌搜索算法求