求解N-车探险问题的离散水波优化算法

N-车探险问题是一类NP-hard离散优化问题,针对该问题,提出一种融合局部搜索的离散水波优化算法。结合该问题等价于置换排序的特性,设计基于置换序列的编码方式;利用反转、移动、交换等操作重新定义传播、折射和碎浪算子;开发基于插入邻域的局部搜索策略,以增强水波优化算法的局部搜索能力。最后,利用实验设计探讨关键参数对算法性能的影响。基于14个标准问题的测试结果表明:所提方法的寻优精度、稳定性等整体优于标准水波优化算法、粒子群算法、烟花算法和启发式算法H1~H4;与离散水波优化算法相比,基于禁忌搜索的变邻域搜索算法用至少66.6倍的计算时间得到了最大相对偏差比为0.017的寻优精度。结果表明,离散水波优化算法能在较短时间内获得较满意的解。

求解N-车探险问题的Memetic烟花算法

N-车探险问题是一类在燃油约束下安排N辆车的行驶顺序以使车辆行驶最远的NP-hard问题.针对该问题,提出一种融合局部搜索的Memetic烟花算法(MFWA).根据该问题等价于置换排序的特性,设计基于rankedorder value(ROV)规则的编码方式,引入动态爆炸半径,使用烟花算法进行全局搜索;设计插入、交换和反转等邻域操作,增强算法的局部搜索能力;利用实验设计探讨了关键参数对算法性能的影响.基于14个标准问题的测试结果表明:所设计的局部搜索操作有助于增强烟花算法在N-车探险问题上的寻优精度;MFWA的寻优精度、稳定性等整体优于(至少不劣于)标准烟花算法(FWA)、已有的启发式算法(H1-H4)、粒子群优化(PSO)和水波优化(WWO);与MFWA相比,禁忌变邻域局部搜索(TBVLS)用至少55倍的计算时间得到了最大竞争比为1.126的寻优精度.这些结果表明,MFWA能在较短时间内获得较满意的寻优精度.