混合整数规划问题算法研究资料.pptVIP

下载本文档

65
0
约1.22万字
约 67页
2017-06-11 发布于北京
举报
版权申诉

混合整数规划问题算法研究资料.ppt

1、本文档共67页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

Branching Strategies * Branch-and-Bound Branching Strategies * Local Branching hamilton distance Given a feasible solution usually use as a heuristic Branching Strategies * Cut-and-Solve Cut-and-Solve BIP SP1 DP1 SP2 DP2 SP: sparse problem, UB DP: dense problem, LB Page* Disadvantage? When to stop? Thank you for your attention！ Page * Simple Genetic Algorithm initialize population; evaluate population; while (Termination Criteria Not Satisfied) { select parents for reproduction; perform recombination and mutation; evaluate population; } The GA Cycle of Reproduction reproduction population evaluation modification discard deleted members parents children modified children evaluated children Population Chromosomes could be: Bit strings (0101 ... 1100) Real numbers (43.2 -33.1 ... 0.0 89.2) Permutations of element (E11 E3 E7 ... E1 E15) Lists of rules (R1 R2 R3 ... R22 R23) Program elements (genetic programming) ... any data structure ... population Reproduction reproduction population parents children Parents are selected at random with selection chances biased in relation to chromosome evaluations. Chromosome Modification modification children Modifications are stochastically triggered Operator types are: Mutation Crossover (recombination) modified children Mutation: Local Modification Before: (1 0 1 1 0 1 1 0) After: (0 1 1 0 0 1 1 0) Causes movement in the search space(local or global) Restores lost information to the population Before: (1.38 -69.4 326.44 0.1) After: (1.38 -67.5 326.44 0.1) Crossover: Recombination P1 (0 1 1 0 1 0 0 0) P2 (1 1 0 1 1 0 1 0) * Crossover is a critical feature of genetic algorithms: It greatly accelerates search early in evolution of a population It leads to effective combination of schemata (subsolutions on different chromosomes) (0 1 0 0 1 0 0 0) C1 (1 1 1