基于適應(yīng)度景觀的元啟發(fā)式算法算子調(diào)優(yōu)策略研究
發(fā)布時(shí)間:2021-04-19 01:57
元啟發(fā)式算法在求解現(xiàn)實(shí)生活中遇到的復(fù)雜組合優(yōu)化問題時(shí),顯示出了它的優(yōu)越性,常見的算法有禁忌搜索、模擬退火、遺傳算法、迭代局部搜索等。這些算法基于局部搜索采用不同的策略使算法逃出局部最優(yōu),其中局部搜索使用的鄰域算子定義了算法搜索空間中各個(gè)解之間的鄰接關(guān)系,不適當(dāng)?shù)泥徲蛩阕訒?huì)使得搜索變得無效,因此鄰域算子的調(diào)優(yōu)直接影響到元啟發(fā)式算法的性能。為了更好地將算子調(diào)優(yōu)策略與問題的結(jié)構(gòu)特征相結(jié)合,彌補(bǔ)現(xiàn)有算子調(diào)優(yōu)策略的不足,本文試圖基于適應(yīng)度景觀對(duì)元啟發(fā)式算法的鄰域算子進(jìn)行調(diào)優(yōu)。適應(yīng)度景觀源于理論生物學(xué),是遺傳學(xué)家在利用數(shù)學(xué)模型理解生物個(gè)體的進(jìn)化機(jī)制時(shí)提出的,該模型基于優(yōu)化問題解的基因型、鄰域算子和適應(yīng)度函數(shù),可以形象地刻畫問題的結(jié)構(gòu)。本文通過度量適應(yīng)度景觀的特征,憑借適應(yīng)度景觀分析對(duì)鄰域算子進(jìn)行調(diào)優(yōu)。主要的研究內(nèi)容如下:(1)鑒于物流配送在物流系統(tǒng)中的重要作用,本文以車輛路徑問題為例,基于反轉(zhuǎn)和互換兩種鄰域算子分別建立了車輛路徑問題的適應(yīng)度景觀模型。(2)結(jié)合車輛路徑問題解的特點(diǎn),建立了距離空間并定義了相關(guān)的熵,從平均距離、平均步長、自相關(guān)函數(shù)、崎嶇度以及局部最優(yōu)解的適應(yīng)度等角度,更加全面地度量適...
【文章來源】:大連海事大學(xué)遼寧省 211工程院校
【文章頁數(shù)】:81 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖3.1車輛路徑問題算例結(jié)點(diǎn)分布??Fig.?3.1?Nodes?distribution?of?Vehic?
?基于適應(yīng)度景觀的元啟發(fā)式算法算子調(diào)優(yōu)策略研宄???隨機(jī)選擇I??親代?1?2?3?4?5?6?|?7?|?8?[7 ̄??子代?127456389??圖3.4互換算子??Fig.?3.4?Swap?Operator??反轉(zhuǎn)算子在個(gè)體的基因型上任意選擇兩個(gè)切入點(diǎn)截取一段基因,然后將該段所含元??素的順序反轉(zhuǎn),在車輛路徑問題中即反轉(zhuǎn)兩個(gè)插入點(diǎn)之間的路線上客戶結(jié)點(diǎn)的訪問次序,??重新插入形成子代個(gè)體,如圖3.5所示。與互換算子類似,反轉(zhuǎn)算子的鄰域大小同樣為??N(N?-?1)/2。??隨機(jī)截。??親代?123456789??子代?126543789??圖3.5反轉(zhuǎn)算子??Fig.?3.5?Inverse?Operator??3.?5本章小結(jié)??本章首先對(duì)VRP問題進(jìn)行了簡要介紹,闡述了包括組成要素,約束條件和目標(biāo)函??數(shù)在內(nèi)的三個(gè)明顯特征,接著對(duì)車輛路徑問題變體做了大概的分類,以及其的常用解決??算法在第一節(jié)末尾進(jìn)行了羅列。第二小節(jié)利用數(shù)學(xué)語言對(duì)帶有容量約束的車輛路徑問題??進(jìn)行了建模,確定了車輛路徑問題解的目標(biāo)函數(shù)。接著,第三小節(jié)對(duì)文章所使用算例的??數(shù)據(jù)來源做了說明并給出了各個(gè)節(jié)點(diǎn)的位置圖示。為了完整地建立適應(yīng)度景觀模型,本??章最后對(duì)本文使用的編碼方式和鄰域算子進(jìn)行了說明。??-26?-??
圖4.1距離的分布??Fig.?4.1?Distribution?of?Distance??另外,Ps中熵的值明顯要高于Pi
【參考文獻(xiàn)】:
期刊論文
[1]混沌擾動(dòng)模擬退火蟻群算法低碳物流路徑優(yōu)化[J]. 張立毅,王迎,費(fèi)騰,周修飛. 計(jì)算機(jī)工程與應(yīng)用. 2017(01)
[2]需求可拆分車輛路徑問題的三階段禁忌算法[J]. 熊浩,鄢慧麗. 系統(tǒng)工程理論與實(shí)踐. 2015(05)
[3]帶軟時(shí)間窗整車物流配送路徑優(yōu)化研究[J]. 侯玉梅,賈震環(huán),田歆,尉芳芳. 系統(tǒng)工程學(xué)報(bào). 2015(02)
[4]車輛路徑問題的快速多鄰域迭代局部搜索算法[J]. 劉萬峰,李霞. 深圳大學(xué)學(xué)報(bào)(理工版). 2015(02)
[5]基于自適應(yīng)學(xué)習(xí)群體搜索技術(shù)的集成進(jìn)化算法[J]. 薛羽,莊毅,許斌,張友益. 系統(tǒng)工程理論與實(shí)踐. 2014(02)
博士論文
[1]智能優(yōu)化算法表型空間的動(dòng)態(tài)行為學(xué)分析與應(yīng)用[D]. 王莽.中國科學(xué)技術(shù)大學(xué) 2017
碩士論文
[1]基于增強(qiáng)學(xué)習(xí)的啟發(fā)式和元啟發(fā)式搜索的參數(shù)調(diào)優(yōu)策略[D]. 劉賽賽.電子科技大學(xué) 2016
本文編號(hào):3146597
【文章來源】:大連海事大學(xué)遼寧省 211工程院校
【文章頁數(shù)】:81 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖3.1車輛路徑問題算例結(jié)點(diǎn)分布??Fig.?3.1?Nodes?distribution?of?Vehic?
?基于適應(yīng)度景觀的元啟發(fā)式算法算子調(diào)優(yōu)策略研宄???隨機(jī)選擇I??親代?1?2?3?4?5?6?|?7?|?8?[7 ̄??子代?127456389??圖3.4互換算子??Fig.?3.4?Swap?Operator??反轉(zhuǎn)算子在個(gè)體的基因型上任意選擇兩個(gè)切入點(diǎn)截取一段基因,然后將該段所含元??素的順序反轉(zhuǎn),在車輛路徑問題中即反轉(zhuǎn)兩個(gè)插入點(diǎn)之間的路線上客戶結(jié)點(diǎn)的訪問次序,??重新插入形成子代個(gè)體,如圖3.5所示。與互換算子類似,反轉(zhuǎn)算子的鄰域大小同樣為??N(N?-?1)/2。??隨機(jī)截。??親代?123456789??子代?126543789??圖3.5反轉(zhuǎn)算子??Fig.?3.5?Inverse?Operator??3.?5本章小結(jié)??本章首先對(duì)VRP問題進(jìn)行了簡要介紹,闡述了包括組成要素,約束條件和目標(biāo)函??數(shù)在內(nèi)的三個(gè)明顯特征,接著對(duì)車輛路徑問題變體做了大概的分類,以及其的常用解決??算法在第一節(jié)末尾進(jìn)行了羅列。第二小節(jié)利用數(shù)學(xué)語言對(duì)帶有容量約束的車輛路徑問題??進(jìn)行了建模,確定了車輛路徑問題解的目標(biāo)函數(shù)。接著,第三小節(jié)對(duì)文章所使用算例的??數(shù)據(jù)來源做了說明并給出了各個(gè)節(jié)點(diǎn)的位置圖示。為了完整地建立適應(yīng)度景觀模型,本??章最后對(duì)本文使用的編碼方式和鄰域算子進(jìn)行了說明。??-26?-??
圖4.1距離的分布??Fig.?4.1?Distribution?of?Distance??另外,Ps中熵的值明顯要高于Pi
【參考文獻(xiàn)】:
期刊論文
[1]混沌擾動(dòng)模擬退火蟻群算法低碳物流路徑優(yōu)化[J]. 張立毅,王迎,費(fèi)騰,周修飛. 計(jì)算機(jī)工程與應(yīng)用. 2017(01)
[2]需求可拆分車輛路徑問題的三階段禁忌算法[J]. 熊浩,鄢慧麗. 系統(tǒng)工程理論與實(shí)踐. 2015(05)
[3]帶軟時(shí)間窗整車物流配送路徑優(yōu)化研究[J]. 侯玉梅,賈震環(huán),田歆,尉芳芳. 系統(tǒng)工程學(xué)報(bào). 2015(02)
[4]車輛路徑問題的快速多鄰域迭代局部搜索算法[J]. 劉萬峰,李霞. 深圳大學(xué)學(xué)報(bào)(理工版). 2015(02)
[5]基于自適應(yīng)學(xué)習(xí)群體搜索技術(shù)的集成進(jìn)化算法[J]. 薛羽,莊毅,許斌,張友益. 系統(tǒng)工程理論與實(shí)踐. 2014(02)
博士論文
[1]智能優(yōu)化算法表型空間的動(dòng)態(tài)行為學(xué)分析與應(yīng)用[D]. 王莽.中國科學(xué)技術(shù)大學(xué) 2017
碩士論文
[1]基于增強(qiáng)學(xué)習(xí)的啟發(fā)式和元啟發(fā)式搜索的參數(shù)調(diào)優(yōu)策略[D]. 劉賽賽.電子科技大學(xué) 2016
本文編號(hào):3146597
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/3146597.html
最近更新
教材專著