一种改进智能优化算法在背包问题中的应用方法技术

本发明专利技术公开了一种改进智能优化算法在背包问题中的应用方法，本方法通过利用背包剩余空间进行对具有低价值但相对性价比高的物品与具有高价值但相对性价比低的物品进行部分交换，有效交换后不仅能够提升适应度，还使得优化算法构造的初始解更好，从而提高了优化算法的求解速度，本方法解决在背包问题中使用智能优化算法对不可行解的转换为可行解未进行优化或优化程度不足的问题；通过对解的优化使得解的收敛速度有明显提高，本方法能够使得多种背包问题得以用各式的优化算法高效解决；同时对以背包问题为载体的大型工程类问题得以解决；通过对解优化的改进，使得智能优化算法在解决背包问题时收敛速度加快和求解适应度值更优秀。值更优秀。值更优秀。

【技术实现步骤摘要】
一种改进智能优化算法在背包问题中的应用方法


[0001]本专利技术涉及背包问题领域，具体为一种改进智能优化算法在背包问题中的应用方法。

技术介绍

[0002]背包问题(KPs)一直是组合优化问题中研究的热点。背包问题是组合优化问题的一个重要分支,被证明是一个NP
‑
hard问题背包问题(Knapsack Problem,KP)是组合优化问题的一个重要分支,被证明是一个NP
‑
hard问题。背包问题从最开始的01背包(01
‑
KP)开始，现已经拓展出许多包问题，如有界背包问题(bounded knapsackproblem,BKP)，多维背包问题(multidim
‑
ensional knapsack Problem,MDKP)，多选择背包问题(multiple
‑
choice knapsack problem,MCKP)，折扣0
‑
1背包问题(discounted{0
‑
1}knapsack problems,D{0...

【技术保护点】

【技术特征摘要】
1.一种改进智能优化算法在背包问题中的应用方法，其特征在于：基于优化算法解决背包问题步骤：输入：种群大小N，最大迭代次数MIT，不同优化算法固定参数；输出：背包最优装入量weight_best，最优装入方案x_all_best，最大总价值fit_all_best；具体步骤如下：S1：随机生成一个大小为N初始种群X；S2：背包物品超重处理，是按照物品性价比，从高到低排序先加入一部分性价比高的物品，加快种群收敛速度；S3：运用“转换算子”修复优化种群，对优化算法随机生成的初始解进行修复，按照物品性价比优先加入性价比高的物品使种群迅速收敛；S4：记录当代最优适应度及装入方案；S5：初始化迭代次数为：t＝1；S6：判断while t＜MIT，若小于则转至S7，反之则转至S11；S7：以不同优化算法策略生成新种群，不同优化算法有着不同策略来生成新种群；S8：以“映射算子”修复优化种群；S9：记录当代最优适应度及装入方案；S10：计数器加1：t＝t+1；S11：结束循环；S12：返回背包最优装入量weight_best，最优装入方案x_all_best，最大总价值fit_all_best。2.根据权利要求1所述的一种改进智能优化算法在背包问题中的应用方法，其特征在于：所述S2中物品性价比是物品价值与物品重量之比；所述S2中加入的物品数不能过大或过小，过大会加大种群陷入局部最优的风险，过小加快种群收敛速度效果不明显，控制加入量为0.5n，n为物品数目。3.根据权利要求1所述的一种改进智能优化算法在背包问题中的应用方法，其特征在于：所述S3中利用“转换算子”修复优化种群的具体步骤：S31：初始背包载重为0，物品从性价比高开始，判断物品还能否装入背包，若能装入，则全部装入，移动至下一个，若无法全部装入，则判断该物品能被装入的数量，取其能够装入的最大数量，直到背包无法再装入为止；S32：物品从性价比高到低遍历，尝试将某些未加入或加入的量没有达到该物品上界的物品尽可能多的加入背包，但不超过容量C；S33：设置循环，物品从性价比低到高遍历，找到第一个未被加入背包或加入背包数量并未达到上界的物品，记为待加入物品，计算背包剩余空间，计算该物品与剩余空间的差值，记为暂时重量；S34：另一循环...

【专利技术属性】
技术研发人员：张恒，顾俊，罗彭，张键，李宏然，袁冬青，仲兆满，
申请(专利权)人：江苏海洋大学，
类型：发明
国别省市：