解背包问题的一种直接搜索法

对背包问题提出了一种直接搜索方法，此方法简便易行，尤其对求解变数不多的背包问题很有效．     

快速求解多选择背包问题

本文对多选择背包问题的数学模型进行改进，然后基于动态规划提出了一种新的求解算法。在软件设计中采用了空间换效率的策略。然后对一个复杂的测试案例进行计算，并与遗传算法和传统的0-1整数规划求解法进行比较，发现这种新算法的计算速度得到较大较高。该算法的主要优势是：通过对数学模型的改进大大降低问题的规模、不用求解任何线性规划问题、能同时兼容几种背包问题的求解。     

解二次背包问题的一个线性化方法

讨论了二次背包问题(QKP)的一种线性化方法.利用文献中的相关结论,通过增加变量和线性约束,将(QKP)的二次0-1规划模型等价转化为一个线性混合整数规划模型,再利用计算线性混合整数规划的软件(如Ilog-cplex或Lingo)求解,从而解决原问题.对所构造问题实例的计算,验证了求解(QKP)方法的有效性.     

多选择背包问题的快速求解算法

背包问题属于组合优化中的经典问题,它有许多重要的变形,其中以多选择背包问题最为复杂.为更快地求解多选择背包问题,文中首先对该问题进行了理论分析,然后基于动态规划提出了一种新的求解算法,并对一个复杂的案例进行了测试.结果表明,这种新算法比遗传算法快9.4倍,比传统的0-1整数规划求解法快78倍.通过对数学模型的改进可大大降低问题的规模.更重要的是,所用方法可避免求解任何线性规划问题.     

"背包问题"算法设计及分析

随着网络技术的不断发展，网络安全中有关密码技术的应用作为有效可行的方法倍受网络开发人员的青睐，背包公钥密码在电子商务中的公钥设计中具有其它技术不可替代的作用。因此，“背包问题”求解也是算法设计及验证的一个热点，本文分别采用了优先策略、动态规划及递归三种不同方法对“背包问题”进行求解、算法设计及验证，文中较详细的描述其设计思想，并分析了各种算法实现的复杂度问题。     

基于遗传算法的背包问题求解

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已经研究出了不少经典的方法,但是这些传统的优化方法存在一些缺点。本文介绍了近年来兴起的一种机器学习算法——遗传算法解决背包问题的基本思路,并通过实例计算证明了此方法的可行性和有效性。     

背包问题的动态规划改进算法

在动态规划算法的基础上提出了改进算法,对于0-1背包问题,改进了动态规划算法的状态表示以减少需要计算的状态个数来求解该问题;对于完全背包问题,简化了动态规划算法状态的决策依赖关系来求解该问题.实验结果表明:所提出的改进算法在时空效率上具有一定的有效性和优越性.     

背包问题的遗传算法求解

探讨利用遗传算法解决背包问题并设计新型的遗传算法，给出了背包问题的数学模型，建立了有效的约束条件。在引入一种新的具有自适应性的杂交概率和变异概率的基础上，提出了面向背包问题的遗传算法和一种构造染色体的新方法，提供了遗传算法的结构并讨论了遗传算法，给出了一个例子说明算法的收敛性和收敛效率，仿真说明了算法的有效性。     

基于进化规划算法的背包问题求解研究

背包问题是一个具有较强应用价值的NP完全问题.如何设计求解此类问题的算法,则具有很强的实用价值和理论意义.目前已有很多的求解方法,但背包问题并没有完全解决.本文在启发式算法的理论基础上,改进了进化规划算法求解背包问题,此方法简单通用、易于操作.数值实验表明该方法具有较高的准确率,能较快的收敛到全局最优点.     

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。     

基于遗传算法求解背包问题的算法探讨

将遗传算法应用于背包问题,利用遗传算法的求解思想,对传统的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,并通过实例验证了遗传算法用于解决背包问题的可行性和有效性.     

0-1背包问题在限额投资决策中的应用及其扰动分析

针对限额投资问题给出一种0-1背包问题模型,对模型在应急管理下进行了扰动分析和修复,得到一个更为完善的模型,从而使其在公司或企业的项目投资资金分配计划受到扰动时,能够积极应对扰动的决策需要．最后,通过实例进一步说明了该方法的可行性和有效性．     

遗传大洪水演算法求解多维背包问题

由于遗传算法具有较强的全局搜索能力,但在实际应用中容易产生早熟收敛现象,且进化后期搜索效率较低,而大洪水演算法是求解组合优化问题的独特算法,结合两者的优点,形成基于遗传算法的大洪水演算法（Genetic Great Deluge Algorithm,GGDA）,然后应用该混合算法求解不同规模的多维背包问题（Multidimensional Knapsack Problem,MKP）,求解结果表明提出的算法是简单有效的,优于标准遗传算法和大洪水演算法。     

含参变量与P-矩阵线性互补问题及其熵函数光滑逼近问题的几点性质

讨论了含参变量及P-矩阵的线性互补问题,将该问题等价转化为非光滑方程组,利用熵函数,给出并证明了光滑逼近问题解的若干性质．     

一类转库问题流向优化问题的模型与解法

转库是大型企业物流管理工作中的重要环节·针对企业决策支持系统的子系统转库作业日计划问题进行了分析,为一类转库流向问题建立了优化模型具有特殊约束0-1整数线性规划问题(0-1ILP)·分析了具体问题的性质·为求解这类NP-难问题,给出了一种在实际中行之有效的求解问题的算法降维替换算法·以SAS语言为环境,用实际问题作为计算算例,对这种算法的优点进行了总结:该算法在实际应用中是切实可行的,在时间上是节约的,尤其适合于大规模的问题     

差异演化算法求解多选择背包问题

多选择背包问题是典型的NP难题,文中建立了多选择背包问题的数学模型,设计了差异演化算法对其进行求解。通过对其它文献中实例的仿真试验和结果对比,表明了算法求解多选择背包问题的可行性和有效性。     

多维0-1背包问题的新型近似解法

运用属性论的转换程度函数,结合贪婪算法和核问题的研究思路提出了多维0-1背包问题的一种新型近似解法。该算法对生产实践中的四大类背包实例都有很快的收敛速度。特别是常规方法难以解决的最大子集和实例及强相关实例,算法能在一个很好的时间范围内给出近似度为99.7%的近似满意解甚至是最优解。     

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.     

求解动态背包问题的多智能体进化算法

针对动态背包问题,提出了一种基于多智能体的进化算法(MAEA).通过智能体相互合作地模拟生物机制特征来寻求最优解.智能体生存于网格环境中,为了增加自身能量,智能体可以与其邻域展开竞争,并依据统计信息来获得知识进行学习.为了保持种群的多样性,在算法中引入了随机移民机制.通过对一系列动态背包问题的仿真实验可以看出,在离线性能指标下,这种引入了随机移民机制的基于多智能体的动态进化算法相比几类遗传算法可以获得更好的性能.