×
阿努拉·阿加瓦尔;塞尔库克·科拉克;迪恩，杰森

组合优化的神经遗传方法：探索性分析。 （英语） Zbl 1185.90167号

安·Oper。物件。 174, 185-199 (2010).
摘要：考虑到许多优化问题的NP-Hard性质，在合理的计算时间内获得大规模问题的最优解通常是不切实际的。因此，启发式和元启发式搜索方法被用来快速获得好的解。然而，这些技术往往难以在本地搜索和全局搜索之间取得良好的平衡。本文提出了一种混合的元启发式方法，我们称之为神经遗传方法，通过至少部分地克服这一挑战，为这些大规模优化问题寻找好的解决方案。提出的神经遗传方法将增强神经网络（AugNN）和遗传算法（GA）搜索方法交叉使用。我们选择这两种方法进行杂交，因为它们具有互补的优势和劣势；GA非常擅长全局搜索，而AugNN更擅长本地搜索。拟议的混合战略利用了每种方法的优点，同时避免了它们的缺点。在本文中，我们讨论了与这两种方法混合的可行性相关的问题，并提出了一种交织算法。我们还提供了实证证据，证明了该方法的有效性。

引用于1文件

MSC公司：

90C27型 组合优化
90 C59 数学规划中的逼近方法和启发式方法

关键词：

神经网络

软件：

禁忌搜索
PDF格式BibTeX公司 XML格式引用
\textit{A.Agarwal}等人，Ann.Oper。第174号、第185-199号决议（2010年；Zbl 1185.90167）
全文： 内政部

参考文献：

[1] Agarwal，A.（2009）。组合优化的增强神经网络方法的理论见解。《运筹学年鉴》，168，101-117·Zbl 1179.90268号 ·doi:10.1007/s10479-008-0364-8
[2] Agarwal，A.、Jacob，V.和Pirkul，H.（2003）。用于任务调度的增强神经网络。欧洲运筹学杂志，151（3），481-502·Zbl 1043.90025号 ·doi:10.1016/S0377-2217（02）00605-7
[3] Agarwal，A.、Jacob，V.和Pirkul，H.（2006）。一种改进的用于调度问题的增强神经网络方法。信息计算杂志，18（1），119-128·Zbl 1241.90042号 ·doi:10.1287/ijoc.1040.0108
[4] Birbil，S.I.和Fang，S.C.（2003年）。用于全局优化的类电磁机制。《全局优化杂志》，25（3），263-282·Zbl 1047.90045号 ·doi:10.1023/A:1022452626305
[5] Cho，J.H.和Kim，Y.D.（1997年）。资源约束项目调度问题的模拟退火算法。运筹学学会杂志，48736-744·Zbl 0881.90069号
[6] Chu，P.C.和Beasley，J.（1998）。多维背包问题的遗传算法。启发式杂志，4，63-86·Zbl 0913.90218号 ·doi:10.1023/A：1009642405419
[7] Colak，S.和Agarwal，A.（2005年）。开放式车间调度问题的非自由启发式和增强神经网络。海军研究后勤，52631-644·兹比尔1151.90400 ·doi:10.1002/nav.20102
[8] Colak，S.、Agarwal，A.和Erenguc，S.（2006）。资源约束项目调度问题：一种混合神经方法。J.Weglarz，J.Jozefowska（编辑），《现代项目计划的观点》（第297–318页）·Zbl 1127.90025号
[9] Debels，D.、De Reyck，B.、Leus，R.和Vanhoucke，M.（2006）。一种用于项目调度的混合分散搜索电磁元神经网络。《欧洲运筹学杂志》，169（2），638–653·Zbl 1079.90051号 ·doi:10.1016/j.ejor.2004.08.020
[10] Demsar，J.（2006）。多个数据集上分类器的统计比较。机器学习研究杂志，7（1），1-30。
[11] Dorigo，M.、Caro，G.D.和Gambardela，L.M.（1999）。离散优化的蚂蚁算法。人工生命，5（2），137-172·doi:10.1162/106454699568728
[12] Dueck，G.（1993）。新的优化启发式：大洪水算法和记录到记录的旅行。计算物理杂志，104，86-92·兹伯利0773.65042 ·doi:10.1006/jcph.1993.1010
[13] Gavish，B.和Pirkul，H.（1985）。求解多约束零one背包问题的高效算法。数学编程，31，78–105·Zbl 0571.90065号 ·doi:10.1007/BF02591863
[14] Gen，M.，&Cheng，R.（1997年）。遗传算法与工程设计。纽约：Wiley。
[15] Glover，F.（1989）。禁忌搜索——第一部分。ORSA计算杂志，1（3），190-206·Zbl 0753.90054号
[16] Glover，F.、Kelly，J.和Laguna，M.（1995）。遗传算法和禁忌搜索：优化的混合。计算机与运筹学，22（1），111–134·Zbl 0813.90093号 ·doi:10.1016/0305-0548（93）E0023-M
[17] Goldberg，D.E.（1989）。搜索、优化和机器学习中的遗传算法。多德雷赫特：克鲁沃学院·Zbl 0721.68056号
[18] Hopfield，J.J.和Tank，D.W.（1985）。优化问题中决策的神经计算。生物控制论，52141-152·Zbl 0572.68041号
[19] Kirkpatrick，S.、Gelatt，C.D.和Vecchi，M.P.（1983年）。通过模拟退火进行优化。科学，220671-680·Zbl 1225.90162号 ·doi:10.1126/science.220.4598.671
[20] Kochenberger，G.、McCarl，B.和Wyman，F.（1974年）。一般整数规划的启发式算法。决策科学，5，36-44·doi:10.1111/j.1540-5915.1974.tb00593.x
[21] Kolisch，R.和Hartmann，S.（2006年）。资源约束项目调度启发式实验研究：更新。《欧洲运筹学杂志》，174（1），23-37·Zbl 1116.90047号 ·doi:10.1016/j.ejor.2005.01.065
[22] Lin，S.和Kernighan，B.W.（1973年）。一种求解旅行商问题的有效启发式算法。运营研究，21498–516·Zbl 0256.90038号 ·doi:10.1287/操作21.2.498
[23] Merkle，D.、Middendorf，M.和Schmeck，H.（2002）。资源约束项目调度的蚁群优化方法。IEEE进化计算汇刊，6333–346·doi:10.1109/TEVC.2002.802450
[24] Osman，I.H.（1993）。车辆路径问题的元策略模拟退火和禁忌搜索算法。《运筹学年鉴》，41421-451·Zbl 0775.90153号 ·doi:10.1007/BF02023004
[25] Senju，S.和Toyoda，T.（1968年）。具有0–1变量的线性规划方法。管理科学，15，B196–B207·doi:10.1287个/mnsc.15.4.B196
[26] Tormos，P.和Lova，A.（2001年）。资源受限项目调度的竞争启发式求解技术。运筹学年鉴，102，65–81·兹比尔1024.90045 ·doi:10.1023/A:1010997814183
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。