0-1背包问题及其算法分析

0-1背包问题是算法设计分析中的经典问题,本文主要通过对回溯法、动态规划、贪心算法和遗传算法的研究,分析这四种方法在求解0-1背包问题时的优缺点并进行了比较.     

遗传变异蝙蝠算法在0-1背包问题上的应用

0-1背包问题是经典组合优化NP难题。在蝙蝠算法的基础上结合遗传变异的思想,引入主动进化算子、无效蝙蝠和当前最优位置蝙蝠集聚的处理规则,提出了遗传变异蝙蝠算法,并将其用于求解0-1背包问题。仿真结果表明：该算法在收敛速度和精度上优于基本蝙蝠算法,并且能够有效地求解0-1背包问题。     

0-1背包问题之穷举、搜索、动态规划算法探讨

该文论述了算法学习中非常经典的0-1背包问题,探讨用穷举、搜索、动态规划三种算法来解决0-1背包问题,并讨论算法在时间和空间复杂度上的优化,给出具体的参考程序。     

基于猴群算法求解0-1背包问题

0-1背包问题是一个经典的NP完全问题,该问题在实际生活中具有广泛的应用.针对现有算法在求解0-1背包问题时精度不高的缺点,提出了一种诱导因子猴群算法.所给诱导因子猴群算法的基本思想是,在基本猴群算法的爬过程中引入诱导因子,诱导其向上爬行,从而可以逃逸局部最优解,找到全局最优解.在仿真试验中,与已有方法进行比较,结果说明利用所给诱导因子猴群算法求解0-1背包问题是有效的.     

基于Visual C 的0-1背包问题的动态规划算法

0-1背包问题是经典的NP问题.本文对0-1背包问题的动态规划算法进行了分析,用Visual C 实现该算法.     

差分进化变异策略rand/3/bin求解0-1背包问题

0-1背包问题是背包问题中的基础也是最为经典的一大分支,其组合优化模型被广泛的应用于社会生产生活的各个领域,对NP完全问题的求解有重要价值.传统的启发式算法如遗传算法、基本差分进化算法、粒子群算法,在解决相同0-1背包问题时,差分进化算法在解决离散型0-1背包问题时收敛更快,但存在早熟问题.论文从启发式算法角度出发,结合差分进化算法中变异策略的特点,提出一种新的变异策略rand/3/bin求解方法,与遗传算法、粒子群算法、采取两种变异策略的差分进化进行性能对比实验(实验测试数据已公开在Github),结果表明:该算法实现了相对于原有实验收敛更快和结果更优的结果,具有良好的应用价值.     

0-1背包问题的两种扩展形式及其解法

0-1背包问题是经典的NP-HARD组合优化问题之一,由于其难解性,该问题在信息密码学和数论研究中具有极其重要的应用。首先对01背包问题及其解法进行了分析,然后提出01背包问题的两种扩展形式,并给出了基于动态规划和贪心算法的两种有效算法来解决这两类问题。实验结果验证了所提出方法的有效性。     

解0-1背包问题的二进制差异演化算法

针对传统差异演化算法(DE)无法求解采用二进制编码问题的缺点,通过采用新的变异方法,提出了一种用于求解0-1背包问题的二进制差异演化算法,阐明了该算法求解背包问题的具体实现过程.通过多个0-1背包问题的仿真试验,表明了该算法在求解0-1背包问题时不仅能达到最优解,而且收敛速度快,同时也验证了算法在解决二进制编码问题上的可行性和有效性.     

基于群体智能的0/1背包问题求解研究进展

0/1背包问题是运筹学中一个经典组合优化NP问题。在简要介绍0/1背包问题基础上,分析展望了0/1背包问题的应用前景。结合已有研究成果,总结并详细分析了蚁群算法、微粒群算法等群体智能算法在0/1背包问题求解方面具有的较好收敛速度、健壮性、稳定性、算法简单等优点。最后,针对群体智能算法在求解0/1背包问题过程中所出现的缺陷,提出了群体智能算法在0/1背包问题求解需要进一步解决的几个问题。     

求解0-1背包问题的量子蚁群算法

0-1背包问题是组合优化中经典的NP难题,在蚁群算法的基础上结合量子计算提出一种求解0-1背包问题的量子蚁群算法。算法采用量子比特表示信息素,用量子旋转门来更新信息素。大量数据实例的比较测试表明,算法可有效提高蚂蚁算法的性能,减少搜索时间,具有更好的全局寻优能力。     

基于0/1背包问题的算法探究

0／1背包问题是计算机科学中的一个经典问题。动态规划法，递归法，回溯法是求解该问题的三种典型方法，使用这三种方法求解0／1背包问题，并对各算法进行了理论分析。用不同规模的0／1背包问题对三种算法进行测试，比较它们的运行时间，发现测试结果与其理论分析结果相符．最后指出就求解不同规模的0／1背包问题而言各算法的优劣。     

An improved monkey algorithm for a 0-1 knapsack problem

The 0-1 knapsack problem is a classic combinational optimization problem. However, many exiting algorithms have low precision and easily fall into local optimal solutions to solve the 0-1 knapsack problem. In order to overcome these problems, this paper proposes a binary version of the monkey algorithm where the greedy algorithm is used to strengthen the local search ability, the somersault process is modified to avoid falling into local optimal solutions, and the cooperation process is adopted to speed up the convergence rate of the algorithm. To validate the efficiency of the proposed algorithm, experiments are carried out with various data instances of 0-1 knapsack problems and the results are compared with those of five metaheuristic algorithms.     

有约束竞争选址问题的降阶回溯算法

有约束竞争选址问题是组合优化中一个经典的NP-hard问题,现有算法研究该问题时或是无法求得最优解或是求解速度慢.针对现有算法的缺点,首先在这个经典问题的基础上进行修改,构建了一个新的数学模型;接着对该模型的数学性质进行研究,并在数学性质的基础上提出了上下界算法和降阶子算法对问题进行降阶,达到了缩减问题搜索解空间的目的,降阶的过程中既有单个的降阶,也有成批的降阶;然后在前面的基础上设计了一个回溯子算法来求解问题的最优解;最后通过两个示例分析更清楚地阐述该算法的原理,结果证明该算法可以较快求得最优解.     

A hybrid simulated annealing metaheuristic algorithm for the two-dimensional knapsack packing problem

The rectangle knapsack packing problem is to pack a number of rectangles into a larger stock sheet such that the total value of packed rectangles is maximized. The paper first presents a fitness strategy, which is used to determine which rectangle is to be first packed into a given position. Based on this fitness strategy, a constructive heuristic algorithm is developed to generate a solution, i.e. a given sequence of rectangles for packing. Then, a greedy strategy is used to search a better solution. At last, a simulated annealing algorithm is introduced to jump out of the local optimal trap of the greedy strategy, to find a further improved solution. Computational results on 221 rectangular packing instances show that the presented algorithm outperforms some previous algorithms on average.     

节点加权的Steiner树问题的降阶回溯算法

节点加权的Steiner树问题是组合优化中一个经典的NP-hard问题,现有算法研究该问题时存在时间复杂性高或无法得到最优解的缺点。针对现有算法的不足,提出了一个基于降阶技术的回溯算法。首先研究该问题的数学性质,利用数学性质对该问题进行降阶以缩小问题的规模;接着提出上界子算法和下界子算法,利用上下界子算法对该问题的解空间树进行剪枝,提高搜索效率;最后利用上下界子算法和数学性质设计了一个回溯算法求解该问题。示例分析以及实验的结果表明,该算法不仅时间复杂性较低而且可以得到问题的最优解。     

基于拉马克进化的差分进化算法求解KPC问题

具有单连续变量的背包问题(knapsack problem with a single continuous variable,KPC)是标准0-1背包问题的自然推广,在KPC中背包容量不是固定的,因此其求解难度变大.针对现有差分进化(differential evolution,DE)算法在高维KPC实例上求解精度不...     

基于0-1背包问题的讨论

简单介绍了贪婪算法、启发式贪婪算法和模拟退火算法(SAA),并使用这三种算法解决了0-1背包问题,给出了具体的算法描述和求解过程。对三种方法解决此问题,进行了仿真模拟和算法分析,指出了在不同规模下各种方法的优缺点,最后分析了解的质量和CPU时间,发现模拟退火算法是相对最优的算法。     

求解0-1背包问题的一种新混合算法

用动态规划算法求解0-1背包问题的时空复杂度为O（nC）。这个空间复杂度在求解大规模问题上是不可接受的。从计算0-1背包问题最优值的递归方程出发,给出高效利用内存的动态规划算法。为了克服内存高效的动态规划算法带来的缺点,设计新混合算法求解0-1背包问题。该新混合算法的时间复杂度为O（nC）;它消除了回溯阶段,并且为求得放入背包的物品所使用的空间复杂度仅为O（「n/d?+C）,其中d为计算机字长。实验结果表明,混合算法的工作效率与理论分析相同。     

基于模运算的新颖离散差分演化算法求解多背包问题

多背包问题（MKP）是一个求解难度极大的背包问题。为了基于差分演化（DE）求解MKP,首先建立了MKP的整数规划模型,在利用模运算构造简单且有效的新型传递函数基础上,提出了一个新颖离散差分演化算法MODDE;基于贪心策略提出了消除MKP不可行解的一个有效算法GROA,由此利用MODDE给出了求解MKP的一种新方法。最后,利用MODDE求解30个国际通用的MKP实例,通过与四个代表性演化算法的比较表明,MODDE不仅计算结果优,而且算法的稳定性强,是求解MKP的一个高效算法。