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。     

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.     

基于改进探路者算法求解0-1背包问题

为了有效地求解0-1背包问题,提出了改进探路者算法(IP FA).首先,对种群个体进行二进制编码,把连续问题变为离散问题,然后,使用探路者算法进行寻优,并结合贪心修复与优化算法(greedy repair and optimization algorithm,GROA)修复不可行解和对解进行优化,通过变异策略来增加种群...     

求解0—1背包问题的动态规划法分析

0—1背包问题是一种经典的NP-hard组合优化问题,现实生活中的很多问题都可以以它为模型。首先对0—1背包问题进行了描述,根据其具有最优子结构性质和子问题重叠性质,进而提出了基于动态规划法的策略来求解该问题。另外,为了降低算法的复杂性,又提出了算法的改进策略。实例的运行结果表明了算法的有效性,同时也证实了改进策略的优越性。     

求解0-1背包问题的两种方法的分析与比较

背包问题(KP)是计算机科学中典型的NP-hard问题,不存在多项式时间的精确算法。本文首先给出了求解0-1KP问题的一种改进的近似算法,讨论了算法复杂度与近似比;然后,给出了求解0-1KP的动态规划算法描述,并分析了算法的复杂度;最后,对两种方法进行了理论分析,并利用3个较大规模0-1KP实例的仿真计算结果与GDPSO进行比较。     

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.     

0／1背包问题的动态状态树的回溯算法

本文给出了一个以动态状态空间树为基础的０／１背包问题的回溯算法．动态树方法对求解线性规划问题等是非常有用的，该算法所用时间比静态状态空间树方法要少．文中给出的Ｓｐａｒｋｓ算法经用Ｃ语言写成程序上机验证，思路正确     

0／1背包问题的动态状态树的回溯算法

本文给出了一个以动态状态空间树为基础的０／１背包问题的回溯算法。动态树方法对求解线性规划问题等是非常有用的，该算法所用时间比静态状态空间树方法要少。文中给出的Ｓｐａｒｋｓ算法经用Ｃ语言写成程度上机验证，思路正确。     

改进贪心算法求解扩展简化折扣{0-1}背包问题

扩展简化折扣{0-1}背包问题(ESD{0-1}KP)是折扣{0-1}背包问题(D{0-1}KP)的拓展.ESD{0-1}KP增加了D{0-1}KP中单个项集中的物品数量,导致其求解难度增加,并且现有贪心策略算子(GSOR)算法效果不理想.基于ESD{0-1}KP模型,在每个项集中增加一个价值为0,质量为0的虚拟物品,同时对ESD{0-1}KP模型中的约束进行松弛,从理论上证明了ESD{0-1}KP与多选择背包问题(MCKP)等价.结合改进帕累托算法(IPA),提出新的贪心策略算子(NGSOR).NGSOR首先将同一项集多个物品的选择情况通过在项集内增加物品来表示,按从价值密度从高到低顺序选择物品,若被选择物品的价值比物品所在项集已选择物品的价值更大,则对该项集进行迭代.仿真实验结果表明：NGSOR相比于GSOR,求解精度平均提升24.56%,求解速度平均提升44.95%.     

离散正弦余弦算法求解大规模0-1背包问题

针对0-1背包问题的数学特征,设计了相应离散算法进行求解。算法在基本正弦余弦算法的框架内,首先采用实数编码进行个体初始化,并设计非线性指数递减函数根据迭代深度调节个体更新步长,借用贪婪修复算子对不可行解进行修复及优化。算法性能采用2组大规模的0-1背包问题进行测试,并通过与同类新兴算法的对比表明,本算法高效、简洁,不仅为0-1背包问题提供了高效率的解决方案,还拓展了正弦余弦算法的应用领域。     

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.     

柔性动态可视化技术在0/1背包问题上的实现

为了满足数据的智能表现需要,将传统的可视化技术与柔性化动态思想相结合,提出柔性动态可视化创新技术,并将这一技术应用于计算机科学技术学科中的0/1背包问题的柔性动态可视化中。实验证明,柔性动态可视化技术在0/1背包问题上的应用实现是切实可行的。     

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.     

求解背包问题的新型算法

介绍了程序设计技术中的几种算法，并利用算法间的混合提出了一种解决背包问题的新型算法。     

0—1规划新算法的改进

0—1规划是规划论中一种特殊的规划,也是一种很有应用价值的规划。本文在蒲黎明先生给出的新算法(《系统工程理论与实践》1986.4)的基础上作了改进,使占用内存大幅度降低且速度提高约一倍。     

差异演化算法求解多维0-1背包问题

多维0-1背包问题是典型的NP难题,设计了一种求解它的差异演化算法,阐述了算法求解多维0-1背包问题的具体操作过程。用提出的算法对55个测试算例进行了仿真实验,得到了全部算例的最优解。测试结果表明了文中算法是求解多维0-1背包问题的一种有效方法。     

多目标0 1规划的元胞竞争决策算法

将元胞演化规则与竞争决策算法相结合,提出了一种求解多目标0-1规划问题的元胞竞争决策算法.大量数据测试和验证表明,该算法能有效提高非劣解的分布性和多样性.