摘要
通过对现有的 NP难问题求解方法的分析 ,结合非确定性图灵机理论 ,提出基于随机化技术的方法是求解 NP难及 NP完全问题惟一有效途径的猜想。在现有的随机化方法中具有多点搜索特性的遗传算法具有最强的全局搜索能力 ,其局部精细寻优能力差的缺陷应通过专门的局部优化算法来补偿 ,即利用具体问题的特点开发面向问题的遗传算法。提出了开发新的高效全局优化算法的指导思想 :多点随机化全局搜索策略 +面向问题的局部寻优算法 =最有效的全局优化算法。
Guidelines for developing global optimization m ethods for NP hard problems are proposed: 1 A conjecture that if a method can solve NP hard problem s efficiently,it m ust be based on random ization techniques is proposed.The m ost efficient global optim ization methods should have the following form ation:Random ization technique based m ulti- point global searching+Problem- oriented local searching=The m ost efficient global optimization m ethod. 2 It is pointed out that up to now genetic algorithm is the most efficient random ization technique. To overcom e the disadvantages of genetic algorithms in fine local searching,problem- oriented genetic algorithms should be developed.
出处
《电力系统自动化》
EI
CSCD
北大核心
2001年第5期14-18,共5页
Automation of Electric Power Systems
基金
国家自然科学基金资助项目! (5 98770 17)
