基于双字符搜索的GRASP-CSP算法改进

距离最近字符串问题CSP(The Closest String Problem)是一个组合优化问题,在生物信息学和编码理论中有着很重要的应用。关于CSP问题采用一种基于概率启发式的算法,即GRASP-CSP算法。针对GRASP-CSP算法存在的每次迭代过程相对独立、搜索范围狭窄、判断指标过于单一这三大问题,提出通过强化策略,引入强Pareto优化的概念,特别是扩展局部搜索范围,对GRASPCSP进行进一步的优化。最后,给出基于GRASP-CSP改进之后的新算法,即IGRASP-CSP。实验结果表明,改进之后的新算法能够进一步缩小字符解与给定字符串集的汉明距离,从而得到关于CSP问题的进一步优化解,获得满意的优化效果,并从一维的应用扩展至多维。

求解0-1背包问题的遗传算法

提出了一种求解0-1背包问题的遗传算法,该算法首先设计出基于适应度的自适应变异策略,提高了变异的科学性和新算法的搜索能力;然后提出了基于单位价值信息和满足约束最大化的双优化策略,提高了求解的质量.3个0-1背包问题的仿真实验表明:与已有的HGA算法和GGA算法相比,新算法在求解质量上具有一定优势.