基于遗传算法求解0—1背包问题的算法探讨

0-1背包问题是一类典型的组合优化问题,并且是NP完全问题,具有重要的研究意义.介绍了贪婪算法和基本遗传算法求解背包问题的设计思想,提出了基于贪婪算法的混合遗传算法求解0-1背包问题.实验结果表明改进的遗传算法有更好的近似解.     

利用遗传算法求解0/1背包问题

背包问题是著名的N-P难题.对此问题已有许多经典的求解方法,本文利用遗传算法的求解思想,对0/1背包问题进行了详细的分析,按照遗传算法的基本结构设计了编码,并在构造适应度函数时给出了两种不同的形式.本文通过仿真实验对这两种情况下的遗传算进行了比较,试验结果表明了幂函数适应度函数的遗传算法可得到更好的近似解.     

用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

0-1背包问题的遗传算法求解

0-1背包问题是计算机算法研究中NP完备类的一个困难问题,对这个问题国内外很多学者己经研究出了不少经典的方法,但是这些传统的优化法存在一些缺点。本文介绍了近年来兴起的一种演化算法—遗传算法解决背包问题的基本思路,井通过实例计算证明了此方法的可行性和有效性。     

基于Visual c^＋＋ 的0-1背包问题的贪婪算法

背包问题是经典的NP组合优化问题之一,在管理中的资源分配、投资决策、装载问题等领域有着广泛的应用。文中给出0-1背包问题的数学模型,然后简单介绍了贪婪算法,并使用这这种算法解决0-1背包问题,通过在viusal c 6.0环境下对算法进行测试和分析,实验结果证实了所提出方法的有效性。     

量子免疫算法及在0-1背包问题中的应用

将免疫算法的免疫算子思想引入到量子遗传算法中,提出了改进的算法:量子免疫算法。算法在保持量子遗传算法优点的同时,提高了算法的全局收敛性。并将此算法应用在0-1背包问题中,仿真结果表明,此改进算法具有良好的性能。     

多维O-1背包问题的混合遗传算法

将贪婪法和遗传算法相结合，设计了一种价值密度，提出了一种求解多维0-1背包问题的混合遗传算法。经实例证明，该方法能较好地解决多维0-1背包问题并较简单遗传算法有较好的改善。     

动态规划求解0—1背包问题的教学探索

针对动态规划在0—1背包问题中求解最优值时的教学难度,结合教学过程和特点,对计算最优值的算法进行了改进,在与最优值递归公式保持一致的情况下简化了迭代过程,消除算法技巧,增加了算法的规范性和连贯性,收到了理想的教学效果。     

基于贪婪策略整体分布优化算法的0-1背包问题求解

提出了一种思想简单且可用于0-1背包问题求解的基于贪婪策略整体分布优化算法.该算法首先随机产生一个初始种群,经贪婪策略将种群变成价值相对较高的可行解,保留本次最优解;然后以最优解为中心,用柯西分布产生新的种群,经贪婪策略将新种群变成相对价值较高的可行解,再保留本次最优解,重复以上过程,达到最大迭代次数,求出问题的全局最优解;最后,对不同规模的问题进行了实验.结果表明:该算法在求解0-1背包问题上是有效的,比遗传算法、贪婪算法具有更强的寻优能力.     

求解0-1背包问题的混合遗传算法

对于0-1背包问题设计一种价值密度,并在此基础上提出求解0-1背包问题的混合遗传算法.经大量数值实验比较该方法与传统方法及简单遗传算法,结果表明算法能有效求解0-1背包问题.     

基于改进的模拟退火算法求解0／1背包问题

提出了一种改进的具有变异和倒位算子的模拟退火算法,并将其用于求解0／1背包问题,其性能较标准模拟退火算法和贪心算法都有很大的改善．通过大量的数值实验,证明了文中改进的模拟退火算法求解背包问题的有效性和实用性．     

解0-1背包问题的遗传算法及其改进

遗传算法是一种基于自然选择和遗传机制的搜索算法.讨论了用其解决著名的0-1背包问题,尝试混合使用一点杂交与多点杂交以及将传统的算法与遗传算法相结合的方法,对经典遗传算法进行改进,并在实验中获得了对于问题的更佳近似解.     

一种改进的模拟退火算法求解0-1背包问题

从增强算法收敛性和减少参数依赖性的角度出发,提出应用改进的模拟退火算法求解0-1背包问题.对模拟退火算法有所改进,并有效地克服它的弱点,使其在优化性能,优化效率和可靠性方面有明显的优越性.阐明了用该算法求解0-1背包问题的具体实现过程,并通过实际数值计算和结果比较表明,该算法在求解0-1背包问题优于传统的模拟退火算法,并且得到更有效的近似解.     

改进的克隆选择算法求解0——1背包问题

提出了一种改进的克隆选择算法(Improved CSA),该算法采用贪婪策略与宽限边界值相结合的方法,利用未成熟优良子群体提供的信息修改个体基因位来改善种群质量;同时增加一个历史至当前代最佳个体记忆单元防止种群退化.通过对2个0-1背包问题的仿真实验表明:该算法比一般CSA算法和遗传算法能更快的找到最优解;其搜索效率更高,性能更加稳定.     

0-1背包问题的非线性降维近似算法

求解0-1背包问题的精确算法不能在较短时间内求解大规模0-1背包问题,使其实用性受到限制.针对该问题,给出求解0-1背包问题的非线性降维算法,并进行了数值实验,验证了算法的有效性.该算法属于近似算法,相对其他一些近似算法,计算结果更为精确.