分散搜索算法研究进展

分散搜索是进化计算领域一种新兴有效的计算技术,近几年受到学术界和工程界的广泛关注。分散搜索采用基于种群的全局搜索策略,较少地利用搜索过程的随机性,注重于采用一系列系统性方法来构建新解,提高搜索的集中性和多样性。阐述和剖析了分散搜索的基本原理和常用流程。在此基础上,对算法框架中的参考集更新方法、子集合并方法和内存策略等重要机制进行了比较系统地深入分析。重点探讨了分散搜索在多目标优化、连续优化以及混合优化等复杂环境下的研究。论述了分散搜索在物流与供应链、生产管理和图像处理等领域的典型应用情况并展望了分散搜索的发展前景。

一种改进的求解RACP问题的路径重连方法研究

讨论了在规定时间内以最小资源代价完成一项工程调度的问题(RACP),这是一个NP-Hard问题。现有文献针对RACP问题的研究较少,并且主要的求解方法是将RACP问题转化为若干个资源受限下的项目调度问题(RCPSP)。采用活动列表AL(Activity List)编码方案,引入路径重连方法直接对RACP问题进行优化;并针对路径重连的参考级更新过程进行改进。最后,基于PSPLIB测试用例库设计了算例,并与遗传算法进行了结果比较。实验结果表明基于改进的路径重连算法能够非常有效的求解RACP问题,且运行效果明显优于遗传算法。