第二章 禁忌搜索算法 智能算法详细ppt课件

1
S：
2 3
3 1
4 3
5 2
2
智能优化计算
2.1 局部搜索
2.1.3 局部搜索示例
TAP问题
临域（Neighborhood）定义
我们定义两种临域映射： 1、单向移动（one-way move or transfer):重新分配一 个任务从其当前机器到另一台机器。 2、双向移动（two-way exchange):交换分配于两台不 同机器上的任务。
智能优化计算
2.1 局部搜索
2.1.3 局部搜索示例
TAP问题
r s
S
p q
临域解（Neighbor）评估（evaluation）
对于目标1最小化执行与通信代价之和。任务重分配 收益（reassignment gain)就是代价（cost ）的减少。
g ( i , p , q ) ( x c ) ( x c ) i p ij i q ij
智能优化计算
2.1 局部搜索
2.1.1 邻域的概念
例
TSP问题解的邻域映射可由2－opt，推广到k－opt，
即对k个元素按一定规则互换。
邻域概念的重要性
邻域的构造依赖于决策变量的表示， 邻域的结构在现代优化算法中起重要的作用。
智能优化计算
2.1 局部搜索
2.1.2 局部搜索算法
STEP 1
智能优化计算
2.1 局部搜索
2.1.3 局部搜索示例
五个城市的对称TSP问题
初始解为xbest=(ABCDE)，f(xbest)=45，定义邻域映射 为对换两个城市位置的2-opt，选定A城市为起点。
智能优化计算
2.1 局部搜索
2.1.3 局部搜索示例
五个城市的对称TSP问题
方法1：全邻域搜索
2.1.3 局部搜索示例
五个城市的对称TSP问题
方法1：全邻域搜索
第2 步 N(xbest)={(ACBDE)，(ABCDE)，(ADBCE)， (AEBDC)，(ACDBE)，(ACEDB)，(ACBED)}， 对应目标函数为f(x)={43, 45, 44, 59, 59, 58, 43} xbest:=xnow=(ACBDE)
局部搜索主要依赖起点的选取和邻域的结构； 为了得到好的解，可以比较不同的邻域结构和不同 的初始点； 如果初始点的选择足够多，
总可以计算出全局最优解。
智能优化计算
2.1 局部搜索
2.1.3 局部搜索示例
TAP问题
解（solution)的表示：向量
r s
S
p q
五个任务分到三台计算机上的一种分配方安：
选定一个初始可行解x0，记录当前最优解xbest:=x0, T=N(xbest)；
STEP 2
当T\{xbest}=Φ时，或满足其他停止运算准则时，输出 计算结果，停止运算；否则，从T中选一集合S，得 到S中的最好解xnow；若f (xnow)<f(xbest)，则xbest := xnow ，T=N(xbest)；否则T:=T\S；重复STEP 2。
智能优化计算
2.1 局部搜索
2.1.1 邻域的概念
例
TSP问题解的一种表示方法为D={x=(i1,i2,…,in)|
i1,i2,…,in是1,2,…,n的排列}，定义它的邻域映射为2
－opt，即x中的两个元素进行对换，N(x)中共包含 x的Cn2=n(n-1)/2个邻居和x本身。 例如：x=(1,2,3,4)，则C42=6，N(x)={(1,2,3,4), (2,1,3,4), (3,2,1,4), (4,2,3,1), (1,3,2,4), (1,4,3,2), (1,2,4,3)}
五个城市的对称TSP问题
方法2：一步随机搜索
第2 步 从N(xbest)中又随机选一点，如xnow=(ADBCE)， 对应目标函数为f(xnow)=44> 43
xbest:=xnow=(ACBDE)
智能优化计算
2.1 局部搜索
2.1.3 局部搜索示例
五个城市的对称TSP问题
简单易行，但无法保证全局最优性；
智能优化计算
第二章 禁忌搜索算法
智能优化计算
2.1 局部搜索
2.1.1 邻域的概念 2.1.2 局部搜索算法 2.1.3 局部搜索示例
2.2 禁忌搜索
2.2.1 算法的主要思路 2.2.2 禁忌搜索示例
2.3 禁忌搜索的关键参数和操作
2.3.1 变化因素 2.3.2 禁忌表 2.3.3 其他
2.4 禁忌搜索的实现与应用
重新分配任务i之后，需要更新（update）第i个任 务的邻接任务的重分配收益：
g ( j , r ,) p g ( j , r ,) p cr p , q ( 1 ) i j
2.4.1 30城市TSP问题（d*=423.741 by D B Fogel） 2.4.2 基于禁忌搜索算法的系统辨识
智能优化计算
2.1 局部搜索
2.1.1 邻域的概念
函数优化问题中
在距离空间中，通常的邻域定义是以一点为中心的 一个球体；
组合优化问题中
N: xDN(x)2D, 且 xN(x) ，称为一个邻域映射， 其中 2D表示 D 的所有子集组成的集合 。 N(x)称为 x的邻域， yN(x)称为 x的一个邻居。
j A [ i ], dj a [ j ] q j A [ i ], dj a [ j ] p
这里xip 表示第i个任务在第p台机器上的执行代价（时间）
智能优化计算
2.1 局部搜索
2.1.3 局部搜索示例
TAP问题
r s
S
p q
临域解（Neighbor）评估（evaluation）
第1 步 N(xbest)={(ABCDE)，(ACBDE)，(ADCBE)， (AECDB)，(ABDCE)，(ABEDC)，(ABCED)}， 对应目标函数为f(x)={45, 43, 45, 60, 60, 59, 44} xbest:=xnow=(ACBDE)
A B C
D E
智能优化计算
2.1 局部搜索
智能优化计算
2.1 局部搜索
2.1.3 局部搜索示例
五个城市的对称TSP问题
方法2：一步随机搜索
第1 步 从N(xbest)中随机选一点，如xnow=(ACBDE)， 对应目标函数为f(xnow)=43< 45
xbe局部搜索
2.1.3 局部搜索示例