改进修复策略遗传算法求解折扣{0-1}背包问题

doi:10.3778/j.issn.1002-8331.1711-0255

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (21): 37-42.DOI: 10.3778/j.issn.1002-8331.1711-0255

改进修复策略遗传算法求解折扣{0-1}背包问题

杨洋1，潘大志1，贺毅朝2

1.西华师范大学数学与信息学院，四川南充 637009
2.河北地质大学信息工程学院，石家庄 050031

出版日期:2018-11-01 发布日期:2018-10-30

Improved repair strategy genetic algorithm solve discount {0-1} knapsack problem

YANG Yang1, PAN Dazhi1, HE Yichao2

1.School of Mathematics and Information, China West Normal University, Nanchong, Sichuan 637009, China
2.College of Information Engineering, Hebei Geological University, Shijiazhuang 050031, China

Online:2018-11-01 Published:2018-10-30

摘要/Abstract

摘要： 第一遗传算法（FirEGA）在求解折扣{0-1}背包问题（D{0-1}KP）过程中对非正常编码的修复未能较好运用物品折扣关系，影响修复效果，导致求解结果不理想。针对该问题，对FirEGA中的贪心修复与优化算法（GROA）进行修正：传统贪心修复按照价值密度对项进行选取，当出现同一项集中两个项均被选取时，文中不再选取价值密度较大项，而是选择价值较大项，得到处理非正常编码个体的新的贪心修复优化算法（NGROA）。在FirEGA中采用NGROA，构成求解D{0-1}KP新的第一遗传算法（NFirEGA）。最后，利用NFirEGA求解四类大规模D{0-1}KP问题，结果表明，NFirEGA在求解精度上明显优于FirEGA。

关键词: 折扣{0-1}背包问题, 非正常编码个体, 遗传算法, 贪心策略, 修复与优化

Abstract: The First Genetic Algorithm（FirEGA） in the Discount {0-1} Knapsack Problem（D {0-1} KP） on the non-normal coding individual repair failed to better use the discount relationship among items, affecting the repair results and leading to the results of the solution are not ideal. In order to solve this problem, this paper modifies the greedy and Optimization Algorithm（GROA） in FirEGA. Traditional greedy repairs select terms according to the value density. When two items of the same item set are selected, this paper no longer selects the larger value density item, but to choose a larger value item and gets a New Greedy Repair and Optimization Algorithm（NGROA） that deals with non-normal coding individuals. Adopting NGROA in FirEGA propose a New First Genetic Algorithm（NFirEGA） for solving D {0-1} KP. Finally, NFirEGA is used to solve four kinds of large-scale D {0-1} KP problems. The results show that NFirEGA is superior to FirEGA in solving precision.

Key words: discount {0-1} knapsack problem, non-normal coding individual, genetic algorithm, greedy strategy, repair and optimization

杨洋1，潘大志1，贺毅朝2. 改进修复策略遗传算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2018, 54(21): 37-42.

YANG Yang1, PAN Dazhi1, HE Yichao2. Improved repair strategy genetic algorithm solve discount {0-1} knapsack problem[J]. Computer Engineering and Applications, 2018, 54(21): 37-42.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	郝翔，贺毅朝，朱晓斌，翟庆雷. 基于离散混合多宇宙算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(18): 103-113.
[10]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[11]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[12]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[13]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[14]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[15]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.

改进修复策略遗传算法求解折扣{0-1}背包问题

Improved repair strategy genetic algorithm solve discount {0-1} knapsack problem

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics