箱覆盖问题的半定松驰算法

箱覆盖问题是NP困难问题中的经典问题,得到了广泛地研究.九十年代以来,半定松驰策略被用来求解组合优化问题,取得了很好的结果[13].本文首次给箱覆盖问题的半定松驰算法.算法的理论分析结果表明它适合于求解大规模的箱覆盖问题.

求解单背包约束下下模函数半定松驰算法

为有效求得背包约束条件下下模函数的解,往往采取不同的方式,以获得最优解,但更多情况下无法找出其精确最优解。针对这个问题,选取两种不同的方法,先对所求解通过添加变量进行约束,再应用贪婪算法,以获得该问题的最优近似解;利用线性规划的知识,分析最大化非减下模集函数在单背包约束下的近似算法,得出当σ>0.19时,算法(III)的性能保证大于0.732,并且随着σ的增大而接近最优解,算法(III)中的参数θ对某种大规模情形将不起作用。

单背包问题的半定松弛算法

首先给出了单背包问题的秩 1半定松弛规划 ,然后在此基础上提出了求解该问题的半定松弛随机算法 KSSD.分析结果表明 :(1 )当σ>0 .1 9时 ,算法KSSD的近似比就会超过 0 .2 7.(2 )算法

二次背包问题的秩二松驰

把对最大割问题进行秩二松驰的思想应用到二次背包问题上,得到二次背包问题的秩二松驰模型.应用罚函数法求得该模型的最优解,再利用扰动算法将该最优解转化成二次背包问题的解.