贪心算法经典例题 发布日期：2009-1-8 浏览次数：1180 本资料需要注册并登录后才能下载！ ·用户名密码验证码找回密码·您还未注册？请注册 您的账户余额为元，余额已不足，请充值。 您的账户余额为元。此购买将从您的账户中扣除费用0.0元。 内容介绍>> 贪心算法经典例题 在求最优解问题的过程中，依据某种贪心标准，从问题的初始状态出发，直接去求每一步的最优解，通过若干次的贪心选择，最终得出整个问题的最优解，这种求解方法就是贪心算法。 从贪心算法的定义可以看出，贪心法并不是从整体上考虑问题，它所做出的选择只是在某种意义上的局部最优解，而由问题自身的特性决定了该题运用贪心算法可以得到最优解。 我们看看下面的例子 例1 均分纸牌（NOIP2002tg） [问题描述] 有 N 堆纸牌，编号分别为 1，2，…, N。每堆上有若干张，但纸牌总数必为 N 的倍数。可以在任一堆上取若干张纸牌，然后移动。移牌规则为：在编号为 1 堆上取的纸牌，只能移到编号为 2 的堆上；在编号为 N 的堆上取的纸牌，只能移到编号为 N-1 的堆上；其他堆上取的纸牌，可以移到相邻左边或右边的堆上。现在要求找出一种移动方法，用最少的移动次数使每堆上纸牌数都一样多。例如 N=4，4 堆纸牌数分别为： ①9 ②8 ③17 ④ 6 移动3次可达到目的： 从③取 4 张牌放到④（9 8 13 10） -> 从③取 3 张牌放到②（9 11 10 10）-> 从②取 1 张牌放到①（10 10 10 10）。 [输入]：键盘输入文件名。 文件格式：N（N 堆纸牌，1 <= N <= 100） A1 A2 … An （N 堆纸牌，每堆纸牌初始数，l<= Ai <=10000） [输出]：输出至屏幕。格式为：所有堆均达到相等时的最少移动次数。 [输入输出样例] a.in： 4 9 8 17 6 屏慕显示：3 算法分析：设a[i]为第i堆纸牌的张数（0<=i<=n），v为均分后每堆纸牌的张数，s为最小移到次数。 我们用贪心法，按照从左到右的顺序移动纸牌。如第i堆(0 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@https://www.doczj.com/doc/7316133589.html, Journal of Software, Vol.21, Supplement, December 2010, pp.140?148 https://www.doczj.com/doc/7316133589.html, ? by Institute of Software, the Chinese Academy of Sciences. All rights reserved. Tel/Fax: +86-10-62562563 ? 联合作战想定中基于描述任务逻辑的任务规划 张巍1+, 曾亮1, 张会2, 李思昆1 1(国防科学技术大学计算机学院,湖南长沙 410073) 2(海军潜艇学院军事运筹教研室,山东青岛 266071) Task Planning Based on the Description Logic of Tasks in Joint Operation Scenarios ZHANG Wei1+, ZENG Liang1, ZHANG Hui2, LI Si-Kun1 1(School of Computer, National University of Defense Technology, Changsha 410073, China) 2(Section of Military Operations, Naval Submarine College, Qingdao 266071, China) + Corresponding author: E-mail: wadezhang@https://www.doczj.com/doc/7316133589.html,, https://www.doczj.com/doc/7316133589.html, Zhang W, Zeng L, Zhang H, Li SK. Task planning based on the description logic of tasks in joint operation scenarios. Journal of Software, 2010,21(Suppl.):140?148. https://www.doczj.com/doc/7316133589.html,/1000-9825/10015.htm Abstract: Most existing researches on task planning in joint operation simulations are not based on a complete formal theory, thus can only support the description of low-level interactions among entities, but can not support the planning of multi-level organizational groups. The description logic of tasks is a theory for describing organization structures and collaborative behavior plans. This paper proposes a method named TPDLT (task planning based on the description logic of tasks), which provides a formal description of the task planning in joint operation simulations based on the description logic of tasks, and gives a definition of the completeness of task plans and a decidable theorem of the completeness under joint strategies. At last, a deduction algorithm for task planning is given. As illustrated by a case study, with the method TPDLT, the task interaction semantics in virtual groups can be described succinctly and accurately, and powerful service for the accomplishment deduce of tasks is provided. Key words: joint operation; scenario; task planning; description logic of task; logic of task 摘 要: 现有联合作战想定中的任务规划研究没有完整的形式化理论支撑,只能进行底层实体级别的交互,无 法支持多层组织群体规划.描述任务逻辑是一种用于描述组织结构和协同行为规划的理论,基于描述任务逻辑 理论提出了一种任务规划方法TPDLT(task planning based on the description logic of tasks).该方法对联合作战想 定中的任务规划及其可完成性进行了形式化建模,然后提出了联合策略下的规划可完成性的判定理论,最后给 出了任务规划的推演算法.通过示例说明了TPDLT方法能够准确地描述虚拟群体组织指挥关系的任务交互语 义,支持组织任务规划可完成性的可判定的推理验证. 关键词: 联合作战;想定;任务规划;描述任务逻辑;任务逻辑 联合作战想定中的任务规划是制定作战模拟想定的关键步骤,是作战方针和作战决心的具体体现,是用于 ?Supported by the National Natural Science Foundation of China under Grant No.60873120 (国家自然科学基金); the National Basic Research Program of China under Grant No.G2009CB723803 (国家重点基础研究发展计划(973)) Received 2010-05-01; Accepted 2010-11-09 G001、无人机是指根据无人机需要完成的任务、无人机的数量以及携带任务载荷的类型，对无人机制定飞行路线并进行任务分配。 A.航迹规划 B.任务规划 C.飞行规划 正确答案: B（解析：P174） G002、任务规划的主要目标是依据地形信息和执行任务环境条件信息，综合考虑无人机的性能，到达时间、耗能、威胁以及飞行区域等约束条件。为无人机规划出一条或多条自 的，保证无人机高效，圆满的完成飞行任务，并安全返回基地。 A.起飞到终点，最短路径 B.起飞点到着陆点，最佳路径 C.出发点到目标点，最优或次优航迹 正确答案: C（解析：P174） G003、无人机任务规划是实现的有效途径，他在很大程度上决定了无人机执行任务的效率 A.自主导航与飞行控制 B.飞行任务与载荷导航 C.航迹规划与自主导航 正确答案: A（解析：P174） G004、无人机任务规划需要实现的功能包括 A.自主导航功能，应急处理功能，航迹规划功能 B.任务分配功能，航迹规划功能，仿真演示功能 C.自主导航功能，自主起降功能，航迹规划功能 正确答案: B（解析：P174） G005、无人机任务规划需要考虑的因素有、，无人机物理限制，实时性要求 A.飞行环境限制，飞行任务要求 B.飞行赶任务范围，飞行安全限制 C.飞行安全限制，飞行任务要求 正确答案: A（解析：P175） G006、无人机物理限制对飞行航迹有以下限制：，最小航迹段较长度，最低安全飞行高度 A.最大转弯半径，最小俯仰角 B.最小转弯半径，最小俯仰角 C.最小转弯半径，最大俯仰角 正确答案: C（解析：P175） G007、动力系统工作恒定的情况下，限制了航迹在垂直平面内上升和下滑的最大角度 A.最小转弯半径 B.最大俯仰角 贪心算法的应用 课程名称：算法设计与分析 院系：计算机科学与信息工程学院 学生姓名：**** 学号：********** 专业班级：********************************** 指导教师：****** 201312-27 贪心算法的应用 摘要：顾名思义，贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑，它所作出的选择只是在某种意义上的局部最优选择。当然，希望贪心算法得到的最终结果也是整体最优的。虽然贪心算法不能对所有问题都得到整体最优解，但对许多问题它能产生整体最优解。如单源最短路经问题，最小生成树问题等。在一些情况下，即使贪心算法不能得到整体最优解，其最终结果却是最优解的很好近似。贪心算法求问题一般具有两个重要性质：贪心选择性质和最优子结构性质。所谓贪心选择性是指所求问题的整体最优解可以通过一系列局部最优解的选择，即贪心选择达到。这是贪心算法可行的第一个基本要素，也是贪心算法与动态规划算法主要区别。当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质。问题的最优子结构性质是该问题可用动态规划算法或贪心算法求解的关键特征。 背包问题是一个经典的问题，我们可以采用多种算法去求解0/1背包问题，比如动态规划法、分支限界法、贪心算法、回溯法。在这里我们采用贪心法解决这个问题。 关键词：贪心法背包问题最优化 目录 第1章绪论 (3) 1.1 贪心算法的背景知识 (3) 1.2 贪心算法的前景意义 (3) 第2章贪心算法的理论知识 (4) 2.1 问题的模式 (4) 2.2 贪心算法的一般性描述 (4) 第3章背包问题 (5) 3.1 问题描述 (5) 3.2 问题分析 (5) 3.3算法设计 (5) 3.4 测试结果与分析 (10) 第4章结论 (12) 参考文献 (13) 附件 (13) 任务规划系统的发展 摘 要 概述了任务规划系统的概念、作用和系统组成,并以美国飞机的任务支援系统 (M SS)为重点,详细阐述了国外80年代以来的飞行器实用的任务规划系统的的发展状况。 主题词 任务规划 数字地图 软件包 1 任务规划系统的出现 任务规划系统(missio n planning sy stem:M PS)在海湾战争中首次广泛使用,为多国部队的成功作出了巨大贡献。 众所周知,要出色完成作战任务,需要了解和掌握多方面的知识,诸如目标的正确位置和特征;敌方的防空阵地,该地的灰度和气象条件、区域特征;武器的性能等等。以往都是由人利用纸、笔和尺等工具,花费很多时间来制定作战计划的。现代新颖M PS利用先进的计算机技术,采集战争需要的各种情报,进行大规模分析、制作各种数据库并将其存储在磁盘组件内,供任务规划时调用。利用M PS,可在基层单位用计算机终端制定作战战术和攻击计划,飞机起飞后确认需修正的各种数据,瞬间就可以得到更正。美国战术空军司令部在报告中指出,在海湾战争中,美国空军由于使用了M SSⅡ任务支援系统,使精确制导武器在首战中的命中率倍增。美国海军利用任务规划系统,制定了战斧巡航导弹与有人驾驶飞机协同作战的精确作战计划,致使沙漠风暴实施的空地一体战获得巨大成功。 任务规划系统主要有两大部分组成,第一是软件系统,第二是硬件配置。软件系统又可分为系统软件和应用软件两大部分。主要有输入输出、数据库、人机交换界面、规划结果检验等组成。硬件配置主要有工作站、高档微机、输入输出设备、任务演示系统等组成。 任务规划系统的组成因其种类不同而不同,总的说来并无明确的界限。例如,利用数字存储装置传输任务规划数据的机载电子设备,稍加改装就可以作指挥控制装置用。大体上讲,任务规划是由从战区司令部到飞机驾驶员等各种级别的人来进行的。在海湾战争中,多国部队是统一用空中任务分配指令(ATO)进行协同作战的。以此指令为基础,各飞行团队又可以利用各自的计算机终端,制作自己具体的任务规划。 M PS的种类很多,可适应各种不同的需要。图1示出美国研制的各种M PS及其研制过程。 美国研制的M PS可分为三代,第一代为老式M PS,是以前为特定的战斗机作战研制的,例如用于F-16C/D战斗机的磁带输入/输出程序。80年代后开始研制并在海湾战争中使用的是第二代产品,90年代以后开发(含计划开发)的为第三代产品。随着计算机计算速度的提高以及性能价格比的改进,使制作任务规划的成本得到降低且性能日趋完善。例如,自从装备了图像处理装置后,就可以用来处理从卫星和侦察机送来的数据,将它们与存储在计算机内的高程数据综合后,可随意拼合成各种三维图像,有利于选择飞行航线。目前,M PS不仅在航空领域广泛使用,并逐渐扩展到海面和陆上。下面以美国和西欧研制的各种M PS为例,阐述M PS的组成及其功能。 122 §17.借助于Matlab 用贯序算法求解目标规 划问题 虽然Matlab 没有提供直接求解目标规划的优化工具，但是根据目标规划的求解思路——单纯形方法。我们可以将一个目标规划问题分解成若干线性规划问题，通过序贯式算法借助于Matlab 优化工具进行求解。 例1：教材第6章第3节中的目标规划问题： - + - + +++=3 322211)(min d p d d p d p Z 11221≤+x x 01121=-+-+ - d d x x 10 22221=-+++ -d d x x 56 1083321=-+++ -d d x x ) 3,2,1(0 ,,,21=≥+ -i d d x x i i 首先将上述问题化为标准形式： - + - + +++=3 322211)(min d p d d p d p Z 112321=++x x x 01121=-+-+ -d d x x 123 10 22221=-+++ -d d x x 56 1083321=-+++ -d d x x ) 3,2,1(0 ,,=≥+ -i d d x i i i 然后按照以下步骤分解计算： 第一步：求解如下线性规划问题： min d1 2x1+x2+x3=11 x1-x2+d1_-d1=0 x1,x2,x3>=0,d1_>=0,d1>=0 对上述线性规划问题，可以借助于Matlab 优化工具中的linprog 函数求解，函数调用命令为： [x,fval]=linprog(f,[],[],Aeq,beq,lb,[]) 其中，参数如下： Aeq= 2 1 1 0 0 0 0 0 0 1 -1 1 -1 beq= 11 0 f= 0 0 0 1 0 0 0 0 lb= 贪心算法详解 贪心算法思想： 顾名思义，贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑，它所作出的选择只是在某种意义上的局部最优选择。当然，希望贪心算法得到的最终结果也是整体最优的。虽然贪心算法不能对所有问题都得到整体最优解，但对许多问题它能产生整体最优解。如单源最短路经问题，最小生成树问题等。在一些情况下，即使贪心算法不能得到整体最优解，其最终结果却是最优解的很好近似。 贪心算法的基本要素： 1.贪心选择性质。所谓贪心选择性质是指所求问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到。这是贪心算法可行的第一个基本要素，也是贪心算法与动态规划算法的主要区别。 动态规划算法通常以自底向上的方式解各子问题，而贪心算法则通常以自顶向下的方式进行，以迭代的方式作出相继的贪心选择，每作一次贪心选择就将所求问题简化为规模更小的子问题。 对于一个具体问题，要确定它是否具有贪心选择性质，必须证明每一步所作的贪心选择最终导致问题的整体最优解。 2. 当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质。问题的 最优子结构性质是该问题可用动态规划算法或贪心算法求解的关键特征。 贪心算法的基本思路： 从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。当达到算法中的某一步不能再继续前进时，算法停止。 该算法存在问题： 1. 不能保证求得的最后解是最佳的； 2. 不能用来求最大或最小解问题； 3. 只能求满足某些约束条件的可行解的范围。 实现该算法的过程： 从问题的某一初始解出发； while 能朝给定总目标前进一步do 求出可行解的一个解元素； 由所有解元素组合成问题的一个可行解； 用背包问题来介绍贪心算法： 背包问题：有一个背包，背包容量是M=150。有7个物品，物品可以分割成任意大小。要 求尽可能让装入背包中的物品总价值最大，但不能超过总容量。 多目标线性规划的若干解法及MATLAB 实现 一．多目标线性规划模型 多目标线性规划有着两个和两个以上的目标函数,且目标函数和约束条件全是线性函 数,其数学模型表示为： 11111221221122221122max n n n n r r r rn n z c x c x c x z c x c x c x z c x c x c x =+++??=+++?? ??=+++? （1） 约束条件为： 1111221121122222112212,,,0 n n n n m m mn n m n a x a x a x b a x a x a x b a x a x a x b x x x +++≤??+++≤?? ??+++≤?≥?? （2） 若（1）式中只有一个1122i i i in n z c x c x c x =+++ ，则该问题为典型的单目标线性规划。我们记:()ij m n A a ?=,()ij r n C c ?=,12(,,,)T m b b b b = ,12(,,,)T n x x x x = ， 12(,,,)T r Z Z Z Z = . 则上述多目标线性规划可用矩阵形式表示为: max Z Cx = 约束条件：0 Ax b x ≤?? ≥? （3） 二．MATLAB 优化工具箱常用函数[3] 在MA TLAB 软件中，有几个专门求解最优化问题的函数，如求线性规划问题的linprog 、求有约束非线性函数的fmincon 、求最大最小化问题的fminimax 、求多目标达到问题的fgoalattain 等,它们的调用形式分别为： ①.[x,fval]=linprog(f,A,b,Aeq,beq,lb,ub) f 为目标函数系数,A,b 为不等式约束的系数, Aeq,beq 为等式约束系数, lb,ub 为x 的下 限和上限, fval 求解的x 所对应的值。 算法原理：单纯形法的改进方法投影法 ②.[x,fval ]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub ） fun 为目标函数的M 函数, x0为初值,A,b 为不等式约束的系数, Aeq,beq 为等式约束 从贪心算法的定义可以看出，贪心法并不是从整体上考虑问题，它所做出的选择只是在某种意义上的局部最优解，而由问题自身的特性决定了该题运用贪心算法可以得到最优解。 我们看看下面的例子 例1 均分纸牌（NOIP2002tg） [问题描述] 有 N 堆纸牌，编号分别为 1，2，…, N。每堆上有若干张，但纸牌总数必为 N 的倍数。可以在任一堆上取若干张纸牌，然后移动。移牌规则为：在编号为 1 堆上取的纸牌，只能移到编号为 2 的堆上；在编号为 N 的堆上取的纸牌，只能移到编号为 N-1 的堆上；其他堆上取的纸牌，可以移到相邻左边或右边的堆上。现在要求找出一种移动方法，用最少的移动次数使每堆上纸牌数都一样多。例如 N=4，4 堆纸牌数分别为： ①9 ②8 ③17 ④6 移动3次可达到目的： 从③取 4 张牌放到④（9 8 13 10） -> 从③取 3 张牌放到②（9 11 10 10）-> 从②取 1 张牌放到①（10 10 10 10）。 [输入]：键盘输入文件名。 文件格式：N（N 堆纸牌，1 <= N <= 100） A1 A2 … An （N 堆纸牌，每堆纸牌初始数，l<= Ai <=10000） [输出]：输出至屏幕。格式为：所有堆均达到相等时的最少移动次数。 [输入输出样例] ： 4 9 8 17 6 屏慕显示：3 算法分析：设a[i]为第i堆纸牌的张数（0<=i<=n），v为均分后每堆纸牌的张数，s为最小移到次数。 我们用贪心法，按照从左到右的顺序移动纸牌。如第i堆(0 一种偏向目标型的RRT算法实现 摘要：本文针对基本快速扩展随机树(RRT)算法存在搜索过于平均、效率低下、用时较长的缺陷，提出了一种偏向目标型的改进型RRT算法。这种算法在生成随机点时以一定概率选择最终目标点作为局部目标点，使树的扩展有一个趋向于最终目标点的趋势，从而加快了算法的收敛速度，优化了规划路径。最后通过Matlab程序仿真，在二维平面上验证了改进型算法相对于基本算法的优越性。关键词：路径规划、RRT算法、偏向目标型 一.引言 机器人学是当今科学技术研究的热点问题，它汇聚了各个尖端学科最先进的研究成果。科学家们从上世纪40年代开始着手研制机器人到如今，机器人的发展主要经历了三次技术变革。从最简单的第一代机器人到现在的第三代智能机器人，机器人从只会机械的执行命令逐渐演变成利用各种先进的传感器自动的学习环境，适应环境，并完成人类下达的任务。 路径规划问题是机器人研究中的重要的组成部分，它的重点就是要使机器人自主并且安全的从起始位姿移动到目标位姿。机器人路径规划主要分为全局路径规划和局部路径规划两大方面。全局路径规划是一种利用环境全局信息的方法，它通常将周边环境信息存储在一张地图中，并且利用这张地图寻找可行路径。全局路径规划的优点是有利于找到全局可行解和最优解，但是它的运算时间长，不适用于快速变化的动态环境。常用的全局路径规划方法有栅格法、可视图法、拓扑法和自由空间法等。局部路径规划只考虑机器人当前能探测到的环境信息，运算速度快、反应迅速，非常适用于动态环境。但其缺点是算法可能无法收敛，不能保证机器人一定能够到达目标点，而且找到的可行路径可能会偏离最短路径。常用的局部路径规划算法有人工势场法、模糊逻辑法、神经网络法和遗传算法等等。 RRT算法是最近几年才发展起来的，并且应用比较普遍的一种路径规划算法。它在处理非完整约束的路径规划问题时具有相当大的优势，因为它可以将各种约束集成到算法本身之中，因此对环境要求较低。而且该算法概率完备，在理论上肯定能找到可行路径。但其缺点是搜索过于平均，算法效率较低，而且规划 答：贪婪算法（Greedy algorithm）是一种对某些求最优解问题的更简单、更迅速的设计技术。用贪婪法设计算法的特点是一步一步地进行，常以当前情况为基础根据某个优化测度作最优选择，而不考虑各种可能的整体情况，它省去了为找最优解要穷尽所有可能而必须耗费的大量时间，它采用自顶向下，以迭代的方法做出相继的贪心选择，每做一次贪心选择就将所求问题简化为一个规模更小的子问题，通过每一步贪心选择，可得到问题的一个最优解，虽然每一步上都要保证能获得局部最优解，但由此产生的全局解有时不一定是最优的，所以贪婪法不要回溯。 贪婪算法是一种改进了的分级处理方法。其核心是根据题意选取一种量度标准。然后将这多个输入排成这种量度标准所要求的顺序，按这种顺序一次输入一个量。如果这个输入和当前已构成在这种量度意义下的部分最佳解加在一起不能产生一个可行解，则不把此输入加到这部分解中。这种能够得到某种量度意义下最优解的分级处理方法称为贪婪算法。 对于一个给定的问题，往往可能有好几种量度标准。初看起来，这些量度标准似乎都是可取的，但实际上，用其中的大多数量度标准作贪婪处理所得到该量度意义下的最优解并不是问题的最优解，而是次优解。因此，选择能产生问题最优解的最优量度标准是使用贪婪算法的核心。 一般情况下，要选出最优量度标准并不是一件容易的事，但对某问题能选择出最优量度标准后，用贪婪算法求解则特别有效。最优解可以通过一系列局部最优的选择即贪婪选择来达到，根据当前状态做出在当前看来是最好的选择，即局部最优解选择，然后再去解做出这个选择后产生的相应的子问题。每做一次贪婪选择就将所求问题简化为一个规模更小的子问题，最终可得到问题的一个整体最优解。其有以下特性： ⑴ 有一个以最优方式来解决的问题。为了构造问题的解决方案，有一个候选的对象的集合：比如不同面值的硬币。 ⑵ 随着算法的进行，将积累起其它两个集合：一个包含已经被考虑过并被选出的候选对象，另一个包含已经被考虑过但被丢弃的候选对象。 ⑶ 有一个函数来检查一个候选对象的集合是否提供了问题的解答。该函数不考虑此时的解决方法是否最优。 ⑷ 还有一个函数检查是否一个候选对象的集合是可行的，也即是否可能往该集合上添加更多的候选对象以获得一个解。和上一个函数一样，此时不考虑解决方法的最优性。 ⑸ 选择函数可以指出哪一个剩余的候选对象最有希望构成问题的解。 ⑹ 最后，目标函数给出解的值。 多目标规划问题 3.5 黑龙江省可持续农业产业结构优化模型的求解 鉴于上面的遗传算法的基本实现技术和理论分析，对标准遗传算法进行适当改进，将其用于求解黑龙江省可持续农业产业结构优化模型中。黑龙江省农业产业结构优化模型具有大系统、多目标、非线性等特点，传统的求解方法受到了模型复杂程度的限制，由引言可知，遗传算法对解决此类问题具有明显的优势。下面介绍具体采用的遗传多目标算法操作设计以及模型求解过程。 3.5.1遗传多目标算法操作设计 3.5.1.1 实数编码方法 在求解复杂优化问题时，二进制向量表示结构有时不太方便，并且浮点数编码的遗传算法对变异操作的种群稳定性比二进制编码好（徐前锋，2000）。以浮点数编码的遗传算法也叫实数遗传算法（Real number Genetic Algorithms ，简称RGA ）。每一个染色体由一个浮点数向量表示，其长度与解向量相同。假如用向量),(21n x x x X 表示最优化问题的解，则相应的染色体就是 ),(21n x x x V ，其中n 是变量个数。 3.5.1.2 种群初始化方法 遗传算法中初始群体的个体是随机产生的，由于本文优化模型所涉及的变量容易给出一个相对较大的问题空间的变量分布范围，并且若给出一定的搜索空间也会加快遗传算法的收敛速度；因此本文采取3.3.2中的第一种策略，对每一个变量设置可能区间，然后在可能区间内随机产生初始种群。为保证不会遗漏最优解，选择区间跨度范围很大。 3.5.1.3 适应度函数设计 用遗传算法求解多目标优化问题中出现的一个特殊情况就是如何根据多个目标来确定个体的适应值。本文采用Gen 和Cheng 提出的适应性权重方法 （Adaptive Weight Approach ），该方法利用当前种群中一些有用的信息来重新调整权重，从而获得朝向正理想点的搜索压力（玄光男等，2004）。将目标函数按3.3.3所述转化成带有q 个目标（本文模型3 q ）的最大化问题： )}(,),(),({max 2211x f z x f z x f z q q （3-14） 对于每代中待检查的解来说，在判据空间中定义两个极限点：最大极限点 z 和最小极限点 z 如下： },,,{} ,,,{m in m in 2m in 1m ax m ax 2m ax 1q q z z z z z z z z （3-15） 其中m in m ax k k z z 和是当前种群中第k 个目标的最大值和最小值。由两个极限点定义的超平行四边形是包含当前所有解的最小超平行四边形。两个极限点每代更新，最大极限点最终将接近正理想点。目标k 的适应性权重用下式计算： ),,2,1(1 min max q k z z k k k 因此，权重和目标（Weighted-sum Objective ）函数由下面的公式确定 q k k k k q k k k z z x f x f x z 1m in m ax 1)()()( （3-16） 3.5.1.4 遗传操作 （1）选择操作。以比例选择法和最优个体保存法配合使用进行选择操作，即选择过程仍以旋转赌轮来为新的种群选择染色体，适应度越高的染色体被选中的概率越大；另一方面，为了保证遗传算法的全局收敛性，在选择作用后保留当前群体中适应度最高的个体，不参与交叉和变异，同时也确保当前最优个体不被随机进行的遗传操作破坏。 贪心算法的应用实例 例2．排队问题 【题目描述】 在一个医院B 超室，有n个人要做不同身体部位的B超，已知每个人需要处理的时间为ti，（0 多目标蚁群算法及其实现 李首帅（2012101020019） 指导老师：张勇 【摘要】多目标优化问题对于现阶段来说，是十分热门的。本文将对多目标规划当中的旅行商问题，通过基于MATLAB的蚁群算法来解决，对多目标问题进行局部优化。 【关键词】旅行商问题；蚁群算法；MATLAB 一、背景介绍 旅行商问题是物流领域当中的典型问题，它的求解十分重要。蚁群算法是受自然界中真实蚁群的集体行为的启发而提出的一种基于群体的模拟进化算法,属于随机搜索算法。M. Dorigo等人充分利用了蚁群搜索食物的过程与旅行商问题(TSP)之间的相似性,通过人工模拟蚁群搜索食物的行为(即蚂蚁个体之间通过间接通讯与相互协作最终找到从蚁穴到食物源的最短路径)来求解TSP问题。为区别于真实蚁群,称算法中的蚂蚁为“人工蚂蚁”。人们经过大量研究发现,蚂蚁个体之间是通过一种称之为信息素(pheromone)的物质进行信息传递,从而能相互协作,完成复杂的任务。蚁群之所以表现出复杂有序的行为,个体之间的信息交流与相互协作起着重要的作用。蚂蚁在运动过程中,能够在它所经过的路径上留下该种物质,而且能够感知这种物质的存在及其强度,并以此指导自己的运动方向。蚂蚁倾向于朝着该物质强度高的方向移动。因此,由大量蚂蚁组成的蚁群的集体行为便表现出一种信息正反馈现象:某一路径上走过的蚂蚁越多,则后来者选择该路径的概率就越大。蚂蚁个体之间就是通过这种信息的交流达到搜索食物的目的。 二、蚁群算法原理介绍 1.蚁群在路径上释放信息素； 2.碰到还没走过的路口，就随机挑选一条路走。同时释放与路径长度有关的信息素； 3.信息素浓度与路长成反比； 4.最优路径上的信息浓度越来越大； 5.最终蚁群找到最优路径。 其实自然界中，蚁群这种寻找路径的过程表现是一种正反馈的过程，与人工蚁群的优化算法很相近。所以我们简单功能的工作单元视为蚂蚁，则上述的搜寻路径过程可以用来解释人工蚁群搜寻过程。 人工蚁群和自然界蚁群各具特点。人工蚁群具有一定的记忆能力。它能够记忆已经访问过的节点;另外,人工蚁群在选择下一条路径的时候并不是完全盲目的,而是按一定的算法规律有意识地寻找最短路径。而自然界蚁群不具有记忆的能力，它们的选路凭借外激素，或者 %遗传算法解决多目标函数规划 clear clc syms x; %Function f1=f(x) f1=x(:,1).*x(:,1)/4+x(:,2).*x(:,2)/4; %function f2=f(x) f2=x(:,1).*(1-x(:,2))+10; NIND=100; MAXGEN=50; NV AR=2; PRECI=20; GGPA=0.9; trace1=[]; trace2=[]; trace3=[]; FielD=[rep([PRECI],[1,NV AR]);[1,1;4,2];rep([1;0;1;1],[NV AR])]; Chrom=crtbp(NIND,NV AR*PRECI); v=bs2rv(Chrom,FielD); gen=1; while gen §18. 运用目标达到法求解多目标规划 用目标达到法求解多目标规划的计算过程，可以通过调用Matlab软件系统优化工具箱中的fgoalattain函数实现。 在Matlab的优化工具箱中，fgoalattain函数用于解决此类问题。其数学模型形式为： minγ F(x)-weight ·γ≤goal c(x) ≤0 ceq(x)=0 A x≤b Aeq x=beq lb≤x≤ub 其中，x，weight，goal，b，beq，lb和ub为向量；A和Aeq为矩阵；c(x)，ceq(x)和F(x)为函数。 调用格式： x=fgoalattain(F,x0,goal,weight) x=fgoalattain(F,x0,goal,weight,A,b) x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq) 134 x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub) x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon) x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon,options) x=fgoalattain(F,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2) [x,fval]=fgoalattain(…) [x,fval,attainfactor]=fgoalattain(…) [x,fval,attainfactor,exitflag,output]=fgoalattain(…) [x,fval,attainfactor,exitflag,output,lambda]=fgoalattain(…) 说明：F为目标函数；x0为初值；goal为F达到的指定目标；weight为参数指定权重；A、b为线性不等式约束的矩阵与向量；Aeq、beq为等式约束的矩阵与向量；lb、ub为变量x的上、下界向量；nonlcon为定义非线性不等式约束函数c(x)和等式约束函数ceq(x)；options中设置优化参数。 x返回最优解；fval返回解x处的目标函数值；attainfactor返回解x处的目标达到因子；exitflag描述计算的退出条件；output返回包含优化信息的输出参数；lambda返回包含拉格朗日乘子的参数。 例1：教材第6章第4节第二小节，即生产计划问题： 某企业拟生产A和B两种产品，其生产投资费用分别为2100元/t和4800元/t。A、B两种产品的利润分别为3600元/t和6500元/t。A、B产品每月的最大生产能力分别为5t和8t；市场对这两种产品总量的需求每月不少于9t。试问该企业应该如何安排生产计划，才能既能满足市场需求，又节约投资，而且使生产利润达到最大最。 135 桂林电子科技大学 数学与计算科学学院实验报告 实验室：06406 实验日期： 2014年12月6日 院（系） 数学与计算科学学院 年级、专业、班级 12007301 姓名 成绩 课程 名称 运筹学实验 实验项目 名 称 目标规划算法实现 指导 教师 南江霞 一 、实验目的 1、掌握目标规划的数学模型创建方法； 2、掌握目标规划问题的图解法和单纯形法； 3、掌握目标规划问题的软件求解； 4、掌握目标规划问题的满意解的分析方法。 二、实验原理 利用WinQSB 和Lingo 的软件关于线性方程组求解的方法对问题求解。 三、使用仪器，材料 实验指导书、课本、WinQSB 和Lingo 软件。 四、实验内容与步骤 某电子厂生产录音机和电视机两种产品，分别经由甲、乙两个车间生产。已知除外 购件外，生产一台录音机需要甲车间加工2小时，乙车间装配1小时；生产一台电视机 需要甲车间加工1小时，乙车间装配3小时。两种产品生产出来后均需要经过检验、销 售等环节。已知每台录音机检验销售费用为50元，每电视机检验销售费用为30元。又 甲车间每月可用生产工时为120小时，车间管理费用为80元/小时；乙车间每月可用的 生产工时为150小时，车间管理费用为20元/小时。估计每台录音机利润为100元，每 台电视机利润为75元，又估计下一年度内平均每月可销售录音机50台，电视机80台。 工厂制定月度计划的目标如下： 第一优先级：检验和销售每月不超过4600元； 第二优先级：每月销售录音机不少于50台； 第三优先级：甲乙两车间的生产工时得到充分的利用； 第四优先级：甲车间加班不超过20小时； 第五优先级：每月销售电视机不少于80台； 第六优先级：两个车间加班总时间要有控制； 试确定该厂为达到以上目标的最优月度计划生产数字。 根据题意我们可以得到如下的目标规划： )4()4(min 21655642134231++-+---++++++++=d d P d P d P d d P d P d P z联合作战想定中基于描述任务逻辑的任务规划
AOPA最新理论题库第7章任务规划
【精选】贪心算法的应用
任务规划系统的发展
§17借助于Matlab用贯序算法求解目标规划问题
贪心算法详解分析
多目标线性规划的若干解法及MATLAB实现
贪心算法的应用
一种偏向目标型的RRT算法实现
贪婪算法
多目标规划问题知识讲解
贪心算法的应用实例
多目标蚁群算法及其实现
多目标规划遗传算法
§18运用目标达到法求解多目标规划
运筹学实验二目标规划算法实现
相关主题
文本预览