基于禁忌搜索的启发式求解背包问题算法

设计了一种基于禁忌搜索的遗传算法,利用遗传算法提供的并行搜索主框架,结合禁忌算法的个体串行搜索方式,能扩大搜索空间,快速实现全局优化。把基于禁忌搜索的遗传算法与启发式方法相结合用来求解背包问题,经过计算机仿真,其优化性能指标及搜索效率均有大幅度的提高。     

一种基于和声策略的禁忌搜索算法

结合禁忌搜索算法与和声搜索算法的特点,提出一种基于和声策略的禁忌搜索算法(HTS).该算法基于和声策略构造较优多初始解,进行多初始解禁忌搜索,解决了以往算法只从一个初始解出发进行搜索易陷入局部最优的问题.以典型的组合优化问题TSP为例,验证了该算法的有效性,计算机实验的结果表明该算法有较好的寻优能力.     

一个解决0/1背包问题的蚁群方法

蚁群算法已成功地应用于著名的旅行商问题和其他一些组合优化难题。为了使用蚁群算法来解决经典的0／1背包问题，本文比较了旅行商问题和0／1背包问题的不同之处，在原有的蚁群优化模型的基础上扩展了它的应用范围，用来解决0／1背包问题。同时，相应的一些参数也得到了优化。实验结果显示了蚁群算法的健壮性和作为启发式算法在解决组合优化难题时的潜力。     

一个基于混合蛙跳算法的0/1背包问题算法

混合蛙跳算法是一种全新的基于群体智能的后启发式计算技术,具有高效的计算性能和优良的全局搜索能力.描述了0/1背包问题的数学模型,阐述了混合蛙跳算法的基本理论,在全局信息交换过程中加入变异操作,改进了混合蛙跳算法,并将该算法应用到0/1背包问题的求解,在实例上的运行结果表明本文方法的可行性和有效性.     

Memetic算法求解多维背包问题

针对多维背包问题较难找到全局最优解的情况,提出了一种求解多维背包问题的Memetic算法,该算法主要由带反馈机制的禁忌局部搜索算法、交叉算子和种群更新策略组成.其中,种群更新策略需要同时考虑种群中解的质量与种群的多样性,以提高算法搜索的多样性.测试表明,该算法能够有效避免陷入局部最优解并找到比现有算法更好的结果.     

对求解0-1背包问题的混合遗传算法的改进

将启发式搜索算法贪心算法与基本遗传算法相结合构成的混合遗传算法在求解大规模0-1背包问题时．其性能较基本遗传算法和贪心算法都有很大的改善。在这种混合遗传算法的基础上作进一步的改进．使算法性能获得进一步的提高。     

求解0-1背包问题的改进树种优化算法

针对已有算法在求解0-1背包问题方面的不足,提出了一种改进的树种优化算法.基本树种优化算法中,算法容易早熟,难以搜索到全局最优解.改进算法中树木位置没有更新的迭代数超过某个阈值就会被重新初始化,树种会根据新的树木位置进行进一步搜索,提高了种群的多样性和算法的全局搜索能力.为了提高局部搜索能力,改进算法在计算适应度之前都引入贪婪策略来修复不可行解和对可行解局部优化.对4个测试案例进行仿真实验的数据表明,改进树种优化算法比其他4种算法具有更强的全局搜索能力,更高的稳定性和更快的收敛速度.     

求解大规模0-1背包问题的改进人工鱼群算法

针对现有算法在求解大规模0-1背包问题时存在求解精度不够和稳定性不足的情况,将贪婪算法引入到人工鱼群算法中,提出一种基于贪婪的极坐标编码人工鱼群算法。该算法引入贪婪思想对母体的初始值以及非法解修正方式进行改进;根据大规模0-1背包问题的特点对算法中的母体结构和迭代方式进行调整,并引入最优保留机制增强算法搜索的方向性。通过对物品为500、700和1 000的背包问题的实验结果表明,该算法具有良好的寻优能力和鲁棒性。     

一种求解0-1背包问题的混合粒子群算法

针对0-1背包问题,提出一种具有修复策略的、贪心算法与二进制粒子群算法相结合的混合智能算法.数值试验结果表明,该方法能在一定程度上克服早熟现象,且收敛速度较快.因此,应用该混合智能算法求解0-1背包问题是比较有效的.     

超立方体上0／1背包问题的并行算法

文中提出了在超立方体计算机上解０／１背包问题的并行算法。如果Ｐ表示超立方体上处理器地的数目，Ｔ是在一个处理器上解决给定问题所需要的时间，那私这一算法的时间特性为）（Ｔ／Ｐ）。     

基于遗传算法的0/1背包问题求解

利用遗传算法提出了解决０／１背包问题的３种算法,这３种算法分别是基于罚函数修正方法和译码方法的算法,理论分析表明,修正方法可以获得问题的最优解,在不同测试数据集上对这３处算法的性能进行了比较,结果与理论分析一致。     

用于解决多目标0/1背包问题的免疫系统Pareto强度算法

将人工免疫系统的机理与Pareto强度算法相结合,提出一种用于解决多目标0/1背包问题的免疫系统Pareto强度算法(ISSPA).ISSPA结合克隆选择操作和注射疫苗操作,并通过免疫特异性度量保持种群的良好多样性和算法的全局搜索能力.与其他多目标进化算法的对比实验证明,ISSPA搜索得到的Pareto解的支配能力和在空间分布的均匀性上较其他几种多目标进化算法有明显的优势.     

基于全局最优的自适应和声搜索算法

针对传统和声算法收敛速度慢和搜索精度低等固有缺点,提出一种改进的自适应全局最优和声搜索算法.在即兴创作方案中,带宽由当前和声里的最优和声变量和最差和声变量之差表示,使得带宽具有针对具体情况的自适应能力,并且每次保存最优和声中一个随机和声变量.在产生的随机数大于和声记忆库存储考虑概率时,利用种群内差分随机生成一个和声变量...     

稿件刊发计划的0-1目标规划模型及搜索算法

针对期刊编辑部的稿件刊发计划问题,应用运筹学整数规划与目标规划理论,建立0-1目标规划模型;引入人工智能状态空间搜索理论,通过建立最优估价函数,提出了0-1目标规划模型的启发式搜索算法,用 C 语言编制了相应的求解程序软件,在微型计算机上实现了至今难以解决的0-1目标规划模型的求解问题.     

稿件刊发计划的0-1目标规划模型及搜索算法

针对期刊编辑部的稿件刊发计划问题，应用运筹学整数规划与目标规划理论，建立0－1目标规划模型；引入人工智能状态空间搜索理论，通过建立最优估价函数，提出了0－1目标规划模型的启发式搜索算法，用C语言编制了相应的求解程序软件，在微型计算机上实现了至今难以解决的0－1目标规划模型的求解问题。     

基于HS算法的Markov模型及收敛性分析

通过给出和声算法（HS）音调状态的转移概率,建立了基于和声算法（HS）的Markov模型．利用Markov链是有限齐次的,证明HS算法的全局收敛性．进一步通过3个不同模式性能的测试函数对和声算法的全局收敛性进行数值验证．     

基于置乱切换决策机制和声搜索的图像加密算法

为解决当前图像加密算法因其置乱过程存在周期性而难以有效降低相邻像素间的紧密度,导致其安全性不高的问题,提出了一种置乱切换决策机制耦合动态和声搜索的图像加密算法.将明文分割成均等图像子块,通过Logistic映射形成一组随机数组,并定义置乱切换决策机制,根据切换参数选择合适的置乱函数对各子块进行置乱.以图像熵值与相邻像素间的紧密度为目标函数,替换传统的和声搜索模型.通过改进和声搜索机制输出的最佳密钥设计像素加密函数并反复搜寻优化,使相邻像素间的紧密度最小.结果表明:与当前图像加密技术相比,所提算法的安全性更高,具有更高的抗剪切攻击与抗差分攻击能力.该算法能够较好地用于QR二维码以及数字图像的信息加密.     

A novel hybrid algorithm based on a harmony search and artificial bee colony for solving a portfolio optimization problem using a mean-semi variance approach

Portfolio selection is one of the major capital allocation and budgeting issues in financial management, and a variety of models have been presented for optimal selection. Semi-variance is usually considered as a risk factor in drawing up an efficient frontier and the optimal portfolio. Since semi-variance offers a better estimation of the actual risk portfolio, it was used as a measure to approximate the risk of investment in this work. The optimal portfolio selection is one of the non-deterministic polynomial(NP)-hard problems that have not been presented in an exact algorithm, which can solve this problem in a polynomial time. Meta-heuristic algorithms are usually used to solve such problems. A novel hybrid harmony search and artificial bee colony algorithm and its application were introduced in order to draw efficient frontier portfolios. Computational results show that this algorithm is more successful than the harmony search method and genetic algorithm. In addition, it is more accurate in finding optimal solutions at all levels of risk and return.