發(fā)布時間：2021-03-09 06:40

　　組合優(yōu)化廣泛應(yīng)用于任務(wù)問題,例如旅行推銷員問題（Traveling Salesman Problem,TSP）、調(diào)度問題等。文中提出基于進(jìn)化式的區(qū)塊模型（Evolutionary-Based Block Model,EBBM）來提升優(yōu)化算法的收斂效果,以避免陷入局部優(yōu)化困境。區(qū)塊的主要思想是從染色體中找到關(guān)鍵區(qū)塊,并使用這些區(qū)塊來改進(jìn)進(jìn)化式算法（Evolutionary Algorithms,EAs）以求解組合優(yōu)化問題（Combinatorial Optimization Problems,COPs）。區(qū)塊是一種挖掘染色體中基因?qū)ρ莼绊懙男畔?包含了對進(jìn)化有幫助的信息以及阻礙進(jìn)化的信息,所提方法借助區(qū)塊信息指引算法的演化方向,通過兩種不同信息的相互影響,不僅提高了算法的收斂速度,還提高了算法求解的多樣性,從而達(dá)到求解穩(wěn)定性高和求解質(zhì)量優(yōu)良的目標(biāo)。文中提出的區(qū)塊機(jī)制包括構(gòu)建概率矩陣,通過關(guān)聯(lián)規(guī)則生成區(qū)塊并應(yīng)用塊來構(gòu)建人造染色體。由于將區(qū)塊作為構(gòu)建人造解的基本單位,因此通過關(guān)聯(lián)規(guī)則所挖掘的區(qū)塊不僅具有多樣性,還能按照設(shè)定置信度的大小控制演化過程所需的區(qū)塊信息強(qiáng)度。最后為評估所提算法的求解... 

【文章來源】：計算機(jī)科學(xué). 2020,47(S1)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

合并后支持度挖掘工件

區(qū)塊存儲至緩存資料庫

本文的目標(biāo)是運(yùn)用區(qū)塊來增強(qiáng)生成可行解時的重組性能,并使用B-區(qū)塊來降低錯誤位置的概率。區(qū)塊重組是重排混亂的區(qū)塊從而形成適當(dāng)?shù)男蛄�。本文提出一個“基于區(qū)塊的模型”(Block-Based Model,BBM)。BBM定義為三元組(H,S,R),其中H是具有固定基因長度的非空塊的有限集合,其可以隨著問題的大小而變化,S是不在區(qū)塊中的其余作業(yè),R為組合區(qū)塊方法。上述模型的示意圖如圖3所示。在R1中,染色體(可行解)是通過區(qū)塊優(yōu)先的選擇方式來創(chuàng)建的,而在R2中染色體是通過概率矩陣優(yōu)先的方式創(chuàng)建的,然后再放入?yún)^(qū)塊。通過R1構(gòu)建可行解時,首先放入?yún)^(qū)塊,然后在使用輪盤賭法填滿剩余的位置之前,使用B-區(qū)塊來降低B-區(qū)塊中包含信息的概率。下面以一個簡單的例子進(jìn)行說明。


本文編號：3072432