多選擇多約束背包問題的進(jìn)化求解策略.pdf

1、背包問題（KP）是運(yùn)籌學(xué)中經(jīng)典的組合優(yōu)化問題，是NP難問題。它有著極其廣泛的應(yīng)用背景，比如在網(wǎng)絡(luò)資源分配等方面。多選擇多約束背包問題作為背包問題的一種復(fù)雜的變種，在現(xiàn)實應(yīng)用中同樣具有廣泛的研究價值。現(xiàn)實社會中存在大量的動態(tài)優(yōu)化問題，如果這類問題還有約束的話，就是動態(tài)約束優(yōu)化問題。動態(tài)的多選擇多約束背包問題就是動態(tài)約束優(yōu)化問題。進(jìn)化算法是模擬自然界生物進(jìn)化機(jī)制而形成的自適應(yīng)全局優(yōu)化搜索算法，被廣泛的應(yīng)用于求解組合優(yōu)化問題。在靜態(tài)環(huán)境和動態(tài)

2、環(huán)境下，研究基于進(jìn)化算法的多選擇多約束背包問題的求解策略意義重大。本文的具體工作包括以下兩個方面：
　　 ㈠提出了一種新的多種群進(jìn)化算法來解決多選擇多約束背包問題。本文通過提供兩個進(jìn)化種群和一個備用種群來平衡可行區(qū)域和不可行區(qū)域的搜索。兩個進(jìn)化種群在以不同的目標(biāo)進(jìn)化的同時，通過可行解交換使兩個進(jìn)化種群既有獨(dú)立進(jìn)化過程，又有信息交互。備用種群保存了算法在當(dāng)前代數(shù)為止，發(fā)現(xiàn)的最好的可行解和不可行解的個體種群。當(dāng)發(fā)現(xiàn)種群陷入局部最優(yōu)的

3、時候，通過啟用備用種群來覆蓋代替陷入局部最優(yōu)的種群，從而保持了種群的多樣性。實驗結(jié)果表明，該多種群進(jìn)化算法的性能超過了現(xiàn)有的算法，特別是在約束較強(qiáng)的情況下。
　　 ㈡提出了一種新的求解動態(tài)多選擇多約束背包問題的進(jìn)化策略。本文應(yīng)用進(jìn)化策略來解決動態(tài)背包問題，主要在變異算子和選擇算子兩個方面進(jìn)行了改進(jìn)。首先，提出了新的混合變異算子，在混合變異算子中針對個體是可行解還是不可行解的狀態(tài)，應(yīng)用不同的物品分組順序，然后進(jìn)行組內(nèi)物品的變異。在

4、進(jìn)化過程中，如果發(fā)現(xiàn)個體是不可行解的時侯，啟用與約束相關(guān)的物品分組順序；如果個體是可行解的時候，啟用與價值相關(guān)的物品分組順序，按照物品分組順序進(jìn)行組內(nèi)物品變換。其次，提出了一種新的動態(tài)隨機(jī)排序策略作為選擇算子。當(dāng)算法沒有發(fā)現(xiàn)可行解時，動態(tài)隨機(jī)排序策略中的比較概率（即Pf）保持不變等于零；當(dāng)發(fā)現(xiàn)可行解個體時，算法的選擇策略發(fā)生了改變，動態(tài)隨機(jī)排序策略中的比較概率呈逐漸上升趨勢，逐步增強(qiáng)不可行區(qū)域的搜索。通過與兩種處理約束技術(shù)（即懲罰函數(shù)法

5、和Deb 準(zhǔn)則）的實驗對比，結(jié)果表明新的進(jìn)化策略能更有效的求解動態(tài)約束優(yōu)化問題。本文還討論了三種不同的動態(tài)隨機(jī)排序策略在求解動態(tài)背包問題時的表現(xiàn)，進(jìn)一步證實了新的動態(tài)隨機(jī)排序策略的性能的確更優(yōu)秀，最后討論了不同物品分組順序?qū)λ惴ㄐ阅艿挠绊憽?br>　　 本文通過對多選擇多約束背包問題的研究，提出了用于解決靜態(tài)多選擇多約束背包問題的多種群進(jìn)化算法和用于解決動態(tài)多選擇多約束背包問題的的進(jìn)化策略。本文工作不僅對解決靜態(tài)環(huán)境下的背包問題的研究