启发式算法阅读材料

大规模邻域搜索技术调查 Ravindra K. Ahuja 工业与系统工程系 佛罗里达大学 Gainesville，佛罗里达 32611，美国 ahuja@ufl.edu Ö zlem Ergun 运筹学研究中心 麻省理工学院 剑桥，马萨诸塞州 02139，美国 ozie@mit.edu James B. Orlin 斯隆管理学院 麻省理工学院 剑桥，马萨诸塞州 02139，美国 jorlin@mit.edu Abraham P. Punnen 数学，统计与计算机科学系 新不伦瑞克大学 圣约翰，新不伦瑞克，加拿大 E2L 4L5 punnen@unbsj.ca （1999年7月22日） （2000年10月11日修订） 第 1 页 大规模邻域搜索技术调查 Ravindra K. Ahuja， Ö zlem Ergun， James B. Orlin， Abraham P. Punnen 摘要 很多实际的最优化问题是计算复杂的。因此，解决这样问题的实际方法是运用启发式算法（近似值），这样可以在合理的计算时间内找到一个近似最优解。改进型算法通常是一个启发式算法，它通常是从一个可行解开始，并重复寻找更好的解。邻域搜索算法（又叫局部搜索算法）是一类改进型算法，算法的每一步迭代是通过搜索当前解的邻域得到一个改进的解。设计邻域搜索算法的一个关键是邻域结构的选择，即邻域的定义方式。根据经验，邻域越大，局部最优解的质量越好，最后得到的解越精确。同时，邻域越大，每一步迭代的时间越长。因此，除非可以用很有效的方法搜索很大的邻域，大规模邻域搜索技术不一定能产生一个有效的启发式算法。本文关注于输入数据和有效搜索邻域很大的大规模邻域的搜索技术。我们调查了３大类大规模邻域搜索技术：（1）深度变量法：应用启发式算法搜索大规模邻域；（2）大规模邻域搜索：应用网络流技术或动态规划搜索邻域；(3)通过限制在多项式时间解决原问题引入大规模邻域。 １.简介 很多实际的最优化问题是计算复杂的。因此，解决这样问题的实际方法是运用启发式算法（近似值），这样可以在合理的计算时间内找到一个近似最优解。研究启发式算法的文献可以分成两大类：构造型算法与改进型算法。构造型算法是通过给一个或多个决策 变量赋 值试 凑 构建 一个解。改进型算法通常是从一个可行解开始，并重复寻找更好的解。邻域搜索算法（又叫局部搜索算法）是一类改进型算法，算法的每一步迭代是通过搜索当前解的邻域得到一个改进的解。本文关注于相 对 输入数据的邻域很大的大规模邻域的搜索技术。对 于大规模邻域问题的例 子 ，精确搜索邻域是不现 实的，只 能搜索邻域的一小 ...