基于LINGO语言求解组合优化问题

LINGO9.0的主要功能是求解大型数学规划问题,但利用其求解组合问题尚未发现这方面的文献.本文从组合优化方面的一个经典问题--皇后问题入手,引入攻击函数,将该组合问题转化为一个线性规划问题,利用LINGO软件求解,取得了比较好的应用效果.但由于受到软件的限制,其求解规模还是受到一定的限制.     

基于遗传算法求解TSP问题的一种算法

TSP问题是一个经典的NP难度的组合优化问题，遗传算法是求解TSP问题的有效方法之一。利用交换启发交叉算子实现局部搜索加快算法的收敛速度和利用变换变异算子维持群体的多样性防止算法早熟收敛，给出了一种求解TSP问题的遗传算法。仿真实验结果表明了该算法的有效性和可行性。     

演化算法求解近似最大匹配问题的时间复杂性分析

虽然演化算法已经广泛地被用于求解不同的组合优化问题，但是对于其时间复杂性目前仍然了解得比较少。最近，在这方面有了一些初步的研究，然而迄今的结果大多局限于讨论一些简单的演化算法(如(1 1)类型的演化策略)和人造的模型问题(如二进制类型的示例问题)，很少涉及到使用种群、杂交操作演化算法和传统的组合优化问题。因此，理论上需要分析演化算法，求解一些典型的组合优化问题的时间复杂性。     

证券投资组合模型及其应用

证券投资组合问题广泛存在于金融、风险投资等多个领域。文中分别在全部投资和选择性投资两种场合下重点研究了证券投资组合方案选择问题。对于全部投资而言,文中建立起了多目标规划模型并在求解过程中采用理想点法将其转化为线性规划模型,利用LINGO软件求解出最佳投资比例。对于后者,文中通过引入一个服从0-1分布的参数,将其化为一般情况求解。通过一个实例以说明上述方法的应用,并对模型进行了改进与推广。     

组合优化问题中遗传算法的局限性及其改进模式

遗传算法在解决多峰函数求解，多目标规划和生产调度等问题时，相对其它优化算法具有一定的优势，但仍存在严重的局限性，尤其表现在组合优化的求解问题中，为此，提出一种“生物进化过程＝遗传操作＋免疫功能”的新模式，并通过生产调度的求解问题验证了该算法的有效性。     

用MATLAB实现中国旅行商问题的求解

本文利用遗传算法的全局搜索能力进行组合优化问题求解，针对中国旅行商问题(CTSP)，设计一种大比例的优秀个体保护的大变异遗传算法，并使用MATLAB语言进行了实际的编程求解。编程中的各个模块分别实现了复制、交叉、变异等关键环节。用编制的程序快速求解出了满意的结果，用本文设计的大变异遗传算法的思路和编制程序是正确的，而且本文算法的求解速度是非常快的。     

基于深度强化学习的组合优化研究进展

组合优化问题广泛存在于国防、交通、工业、生活等各个领域, 几十年来, 传统运筹优化方法是解决组合优化问题的主要手段, 但随着实际应用中问题规模的不断扩大、求解实时性的要求越来越高, 传统运筹优化算法面临着很大的计算压力, 很难实现组合优化问题的在线求解. 近年来随着深度学习技术的迅猛发展, 深度强化学习在围棋、机器人等领域的瞩目成果显示了其强大的学习能力与序贯决策能力. 鉴于此, 近年来涌现出了多个利用深度强化学习方法解决组合优化问题的新方法, 具有求解速度快、模型泛化能力强的优势, 为组合优化问题的求解提供了一种全新的思路. 因此本文总结回顾近些年利用深度强化学习方法解决组合优化问题的相关理论方法与应用研究, 对其基本原理、相关方法、应用研究进行总结和综述, 并指出未来该方向亟待解决的若干问题.     

基于Anytime算法的组合优化问题求解

介绍一种基于Ａｎｙｔｉｍｅ算法的组合优化问题求解框架，并报告了对ＴＳＰ问题进行求解的实验。实验结果表明，上述框架可以较好地协调２的复杂度与求解时间要求之间的冲突。     

旅行商问题的人工免疫算法

1 引言旅行商问题(TSP)是一个典型的有序组合优化问题,可以看成是许多领域内复杂工程优化问题的抽象形式。研究TSP问题的求解方法对解决复杂工程优化问题具有重要的参考价值。对于TSP问题,目前还没有完全有效的求解方法,但是,多年来人们一直在不停地探索。近年来,模拟自然界生物进化过程的求解TSP问题的方法不断见诸文献,但以基于     

一种接口自动机的组合精化检验方法

接口自动机是一个用来描述软构件接口的时态行为的形式模型，传统的简单组合精化检验规则由于没有考虑到环境时子任务的影响而使其实际应用受到较大限制。本文提出了一种对该规则的改进方法，以弥补上述缺陷。