一种有效求解多维背包问题的遗传算法

就多维背包问题的求解,提出一个基于遗传算法的启发式算法(MKPGA).该算法中加入了一个利用问题特性知识的启发式修复算予以帮助求解.测试实例使用270个不同特性的多维背包问题,实验结果表明,该算法对多维背包问题的求解十分有效,能获得不同特性问题的高质量解.     

遗传算法在求解背包问题中的应用

遗传算法是模拟自然界生物进化过程的计算模型，本文阐述了遗传算法的基本理论，给出了遗传算法解决背包问题的基本方法，并通过实例计算证明了该方法的可行性和有效性．     

基于改进遗传算法的背包问题求解

针对0-1背包问题的特点,设计了一种利用定义距较长模式的遗传算子,并提出采用该算子代替交叉算子的长模式遗传算法,该算法在约束条件的处理上结合贪心法,提高了搜索效率.最后的实例仿真,给出了传统遗传算法和长模式遗传算法计算结果的比较,证明了采用新算子的遗传算法在求解0-1背包问题时比基本遗传算法有更好的收敛性能和更少的时间花费.     

基于背包编号遗传算法的多约束背包问题求解

针对多约束背包问题的特点,设计了一种利用物品编号及背包编号的编码方法,并引入虚拟背包的概念,在符号编码的基础上可以避免二进制编码情况下还要尝试物品放入哪个背包更合适的问题,最后用三个实例建立两类遗传算法作仿真实验进行比对,仿真结果证明了新的编码方法的有效性,且采用再生算子的长模式遗传算法效果更好。     

0-1背包问题的遗传算法求解及其改进

0-1背包问题是一个典型的组合优化问题,且为NP完全问题.目前常用的方法有贪心算法,动态规划,回溯法等.本文探讨了一种基于贪心算法的混合遗传算法求解0-1背包问题的方法,并在实验中获得了更佳近似解.     

有序组合树法求解0-1背包问题初探

以0-1背包问题为研究对象,建立教学模型,采用有序组合树法对中小规模的背包问题进行求解。与传统的贪婪算法相比,该算法更容易找到最优解,并通过实例说明该算法对解决中小规模的0-1背包问题是行之有效的。     

基于遗传算法解决01背包问题研究

遗传算法属于进化算法(EvolutionaryAlgorithms)的一种,它通过模仿自然界的选择与遗传机理来寻找最优解。遗传算法具有与问题领域无关且快速随机的搜索能力,搜索从群体出发,具有潜在的并行性,可以进行多个个体的同时比较,搜索使用评价函数启发,过程简单,使用概率机制进行迭代,具有随机性,具有可扩展性,容易与其它算法结合。基本01背包问题,提出遗传问题解决的关键技术,设计评价函数和遗传算子,并通过散播变异、移位变异、插入变异改进01背包问题中的遗传算法,很好地解决了遗传问题。     

求解0-1背包问题的遗传算法

提出了一种求解0-1背包问题的遗传算法,该算法首先设计出基于适应度的自适应变异策略,提高了变异的科学性和新算法的搜索能力;然后提出了基于单位价值信息和满足约束最大化的双优化策略,提高了求解的质量.3个0-1背包问题的仿真实验表明:与已有的HGA算法和GGA算法相比,新算法在求解质量上具有一定优势.     

一种基于遗传算法的网络最短路径的求解

本文提出了一种智能算法--遗传算法在网络最短路径中的实现方案,阐明了遗传算法在求解网络最短路径问题中包括编码、种群生成和遗传算子的具体步骤。通过实验,证明了算法应用的有效性。     

一种求解背包问题的离散和声搜索算法

为利用和声搜索算法求解0-1背包问题,针对和声搜索的离散化技术和二进制编码的特点,借鉴遗传算子改进新和声的生成方式及微调方式,并基于贪心策略设计和声修正过程,提出了一种离散化的和声搜索算法.数值实验表明,与其它常用的智能算法相比,该算法在求解质量上具有较大优势,对大规模的背包问题效果也很明显.     

改进遗传—蚁群算法求解多维0/1背包问题

针对传统启发式算法难以平衡求解收敛次数与求解精度问题,通过充分分析GA和ACO两种算法的优缺点,设计了一种改进的遗传蚁群算法。将算法分为上下两步,分别以GA和ACO为主。在GA中引入信息素更新机制连接上下两部分算法|在ACO中引入遗传变异操作尽可能扩大解的范围。同时结合两种算法各自解的继承方式,采用合适的方法分别处理这两部分产生的不可行解。获得解后,通过引入交换邻域的爬山法思想进一步尝试优化解。最终在保证求解精度的前提下,减少求解所需的迭代次数。实验结果表明,在需要保证求解精度的前提下,相比传统GA,该方法的求解效率提高了一个量级。     

0-1背包问题的递归算法

分析了背包问题的求解最佳解的经典算法 ,提出了一种求解 0 - 1背包问题的更有效的方法———递归法 .     

遗传算法求解旅行商问题的一个新方法

提出了利用遗传算法求解TSP问题的一个新方法,该方法采用二进制编码,并巧妙地设计了一种解码算法,不仅可以使得种群进化,而且扩大了搜索的空间。实验表明,比起传统的遗传算法,新方法的性能有显著改善。     

求解0/1背包问题的烟花算法研究

0/1背包问题是一个典型的NP难题,具有重要的理论研究价值,也具有广泛的应用基础。借鉴北京大学关于烟花算法的新近成果,尝试考虑二者的结合,初步设计并实现了求解0/1背包问题的烟花算法,开展了较为充分的实验,并作了相关分析与探讨。     

一种改进的遗传算法及其应用

为解决遗传算法的早熟和局部收敛现象,提出的一种改进的遗传算法,该算法引入海明距离构造初始种群,在选择、交叉、变异过程中采用最优保存策略。实验表明改进的遗传算法增强了种群的多样性,并在一定程度上避免早熟现象发生,同时又能较快找到全局最优解。     

求解钻井布局问题的遗传算法

对钻井布局问题进行了分析,建立了简单实用的数学模型,设计了有效的遗传算法,得到了理想的结果.计算结果表明,算法具有高效的特点.     

遗传算法及其在TSP问题中的应用

遗传算法是一种模拟自然界生物进化过程的随机搜索算法;遗传算法目前已经在组合优化、机器学习和并行处理等领域得到了越来越广泛的应用;文章对遗传算法的理论与应用进行了一些研究和分析,介绍了遗传算法的理论,以及它在鸭P问题中的应用。     

自适应遗传算法

用自适应的适应度函数、交叉概率及变异概率取代固定的适应度函数、交叉概率及变异概率来改进遗传算法,并与标准遗传算法进行了实验比较,结果证明：改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力。     

基于改进的贪婪算法在0/1背包问题中的研究与应用

对贪婪算法的概念、特性、及其解决问题的步骤进行了阐述,结合0/1背包问题重点对贪婪算法进行了分析,总结归纳传统贪婪算法的解决方案,提出改进的贪婪算法解决策略。