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。     

基于贪心算法的改进遗传算法解决背包问题

本文分析了简单遗传算法解决背包问题时候的一些缺陷,并通过适应度函数的计算以及选择方式的改进,给出了一种基于贪心算法的混合遗传算法以解决这些缺陷。实验表明,改进的遗传算法具有一定的优越性。     

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.     

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...     

0_1背包问题及贪心算法应用

本文结合生活中顾客中奖后奖品的选择问题,给出背包问题的数学模型,介绍基于0_1背包问题的贪心算法,使用这种算法解决奖品选择问题,最后再用C＋＋编程实现.     

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。     

遗传算法求解0/1背包问题的综述

背包问题是一种组合优化问题,有很多类型,如多维背包问题等,本文讨论的0/1背包问题是背包问题中最原始最基本的类型.遗传算法在求解背包问题上已经显示了巨大优势.本文分析了遗传算法求解0/1背包问题存在的主要问题,在总结分析近6年的相关文献基础上,提出了未来研究方向,为遗传算法求解0/1背包问题提供参考.     

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。     

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.     

考虑主观需求的0-1背包问题及其求解算法

背包问题的约束条件通常由客观因素构成,如背包的额定容量,但在实际生活中,确定物品选择方案时,需要结合决策者的主观需求进行调整.基于此,建立考虑决策者主观需求的0-1背包问题模型,并设计一种混合贪心遗传算法(hybrid greedy genetic algorithm,HGGA)对该模型进行求解.针对此模型,首先考虑主观需求,再考虑客观约束,设计一种贪心算子,对初始种群进行优化与修正;然后,设计一种局部搜索算子,改进扰动位点的选择方式,实现对局部最优解的扰动,达到跳出局部最优得到更优质解的目的;最后,在随机生成的9个算例上,分别与同类型的遗传算法进行对比实验.实验结果表明:混合贪心遗传算法在求解精度与算法鲁棒性上具有明显的优势.     

基于遗传算法求解背包问题

本文对0/1规划的背包问题展开讨论,提出了一种基于遗传算法的问题求解方法,给出遗传算子,并对模型进行了实验数据的结果分析。     

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%.     

混合遗传算法求解0-1背包问题尝试

遗传算法是一种基于自然选择和遗传机制的搜索算法．为解决著名的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，并在实验中获得了更佳近似解．     

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.     

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.     

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) .     

具有多父代重组的遗传算法解0-1背包问题

遗传算法的创始人最初是从自然界获取灵感的,但是后来的遗传算法的研究者也试图将生物界不存在的特征引入遗传算法,多父代重组(或称为N父代重组,N>2)就是其中的一种。有文献显示这种机制在解很多不同的问题时都能有较好的效果。本文用几种多父代重组方法(包括一种新的面向特定问题的方法)解0-1背包问题,结果显示多父代重组确实有较好的性能。