求解多背包问题的混合遗传算法

doi:10.3778/j.issn.1002-8331.2009.20.013

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 45-48.DOI: 10.3778/j.issn.1002-8331.2009.20.013

求解多背包问题的混合遗传算法

宋海生^1，2，3，傅仁毅¹，徐瑞松²，宋海洲⁴

1.顺德学院计算机技术系，广东佛山 528300
2.中国科学院广州地球化学研究所，广州 510640
3.中国科学院研究生院，北京 100049
4.华侨大学数学科学学院，福建泉州 362021

收稿日期:2008-12-30 修回日期:2009-02-26 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 宋海生

Hybrid genetic algorithm for multi-knapsack problem

SONG Hai-sheng ^1，2，3，FU Ren-yi ¹，XU Rui-song²，SONG Hai-zhou ⁴

1.Department of Computer Technology，Shunde College，Foshan，Guangdong 528300，China
2.Guangzhou Institute of Geochemistry，Chinese Academy of Sciences，Guangzhou 510640，China
3.Graduate University of the Chinese Academy of Sciences，Beijing 100049，China
4.School of Mathematical Sciences，Huaqiao University，Quanzhou，Fujian 362021，China

Received:2008-12-30 Revised:2009-02-26 Online:2009-07-11 Published:2009-07-11
Contact: SONG Hai-sheng

摘要/Abstract

摘要： 针对多背包问题最优解的求解，设计了一种新的价值密度；在此基础上结合传统的贪心算法，提出了一种求解多背包问题的混合遗传算法。该算法采用整数编码，并采用轮盘赌选择方法，对背包资源利用不足的可行解进行修正处理，对不可行解进行修复处理。并在大量的数值实验的基础上，将该方法与传统方法及简单遗传算法进行比较，实验结果表明，该混合遗传算法提高了问题求解的速度和精度，有一定的优越性。

关键词: 多背包问题, 不可行解, 贪心法, 遗传算法

Abstract: This paper designs a new profit-density for solving multi-knapsack problem firstly，and then proposes a new Hybrid Genetic Algorithm（HGA） based on greedy algorithm.The algorithm uses the integer code，applies roulette wheel selection method，amends the feasible solution which knapsack resources are insufficient for use，and repairs the infeasible solution.Finally this paper compares HGA with other common mathematical methods and Simple Genetic Algorithm（SGA） for solving this problem on the basis of many numerical experiments，the results show that HGA is more efficient than other methods in the speed and accuracy.

Key words: multi-knapsack problem, infeasible solution, greedy algorithm, genetic algorithm

宋海生^1，2，3，傅仁毅¹，徐瑞松²，宋海洲⁴. 求解多背包问题的混合遗传算法
[J]. 计算机工程与应用, 2009, 45(20): 45-48.

SONG Hai-sheng ^1，2，3，FU Ren-yi ¹，XU Rui-song²，SONG Hai-zhou ⁴. Hybrid genetic algorithm for multi-knapsack problem[J]. Computer Engineering and Applications, 2009, 45(20): 45-48.

[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]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.

求解多背包问题的混合遗传算法

Hybrid genetic algorithm for multi-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