求解背包问题的混合粒子群优化算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 44-46.

求解背包问题的混合粒子群优化算法

王晓华1，2，沐爱勤2，刘金波2

1.中国矿业大学计算机学院，江苏徐州 221008
2.徐州空军学院基础部，江苏徐州 221000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Hybrid particle swarm optimization algorithm for solving knapsack problem

WANG Xiaohua1，2, MU Aiqin2, LIU Jinbo2

1.School of Computer Science and Technology, China University of Mining and Technology, Xuzhou, Jiangsu 221008, China
2.Department of Fundamental Courses, Xuzhou Air Force College, Xuzhou, Jiangsu 221000, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： 提出一种新的遗传思想：父代的基因决定子代继承某一基因的概率，而不是由单纯的交叉产生子代。根据此思想，提出两种利用遗传概率产生子代的方法，并将它们分别与粒子群优化算法相结合得到两种求解背包问题的混合粒子群优化算法。通过数值实验说明了同样的算法采用遗传策略要比交叉策略寻优性更强，分析了变异概率对算法的影响。

关键词: 粒子群优化算法, 背包问题, 遗传概率

Abstract: A new genetic idea that offspring’s gene is decided by its parent’s, rather than produced by a simple cross is proposed. According to this idea, two methods of producing offspring with genetic probability are produced and they are combined with the particle swarm optimization respectively. The two hybrid particle swarm optimizations are applied to solving knapsack problem, and their performances are compared by normal numerical experiments. The validity of two hybrid algorithms is verified and the impacts of mutation probability on the algorithms are analyzed.

Key words: particle swarm optimization, knapsack problem, genetic probability

王晓华1，2，沐爱勤2，刘金波2. 求解背包问题的混合粒子群优化算法[J]. 计算机工程与应用, 2012, 48(1): 44-46.

WANG Xiaohua1，2, MU Aiqin2, LIU Jinbo2. Hybrid particle swarm optimization algorithm for solving knapsack problem[J]. Computer Engineering and Applications, 2012, 48(1): 44-46.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	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.
[4]	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.
[5]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[6]	吴聪聪，贺毅朝，赵建立. 求解折扣{0-1}背包问题的新遗传算法[J]. 计算机工程与应用, 2020, 56(7): 57-66.
[7]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[8]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[9]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[10]	陈长倩，慕晓冬，牛犇，王立志. 结合高斯分布的改进二进制灰狼优化算法[J]. 计算机工程与应用, 2019, 55(13): 145-150.
[11]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[12]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[13]	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.
[14]	张健，郭星，李炜. 改进果蝇优化算法在多目标搜索的应用[J]. 计算机工程与应用, 2018, 54(2): 131-136.
[15]	刘雪静，贺毅朝，吴聪聪，才秀凤. 基于细菌觅食算法求解折扣{0-1}背包问题的研究[J]. 计算机工程与应用, 2018, 54(2): 155-162.