导读:本文包含了背包问题论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,背包,余弦,转换法,机制,智能,地球日。
背包问题论文文献综述
芦娟,夏扬坤,邹安全,符卓,王松[1]（2019）在《带装载能力的需求依背包拆分车辆路径问题》一文中研究指出以最小化总的旅行时间为优化目标,以单车场、单车型、装载能力和需求依背包拆分等为约束条件,将以往客户需求不可拆分的条件松弛为依背包来离散拆分,建立了带装载能力的需求依背包拆分VRP(CVRPSDB)的单目标数学模型。设计了一个自适应禁忌搜索算法(ATSA)对模型进行求解。该算法采用了自适应惩罚机制,构建了一个多邻域结构体,并针对客户点与背包都设计了相应的邻域操作算子,较好地适应了客户需求量的离散拆分程度。经算例测试与文献对比,验证了所设计模型与算法的有效性。(本文来源于《工业工程》期刊2019年06期）
刘生建,杨艳,周永权[2]（2019）在《求解0-1背包问题的二进制狮群算法》一文中研究指出针对传统二进制群智能算法求解0-1背包问题易陷入局部最优、收敛速度慢的缺点,提出一种新的解决离散空间问题的二进制狮群算法BLSO。二进制狮群算法对狮王、母狮和幼狮的位置重新定义,引入反置运算、移动算子和学习算子建立全新的位置转移方式和局部搜索规则;加入贪心策略进行解的可行化处理和充分利用,增强局部搜索能力,进一步提高收敛速度。对9个典型的0-1背包算例进行仿真实验,实验结果表明,该算法不仅可以有效求解0-1背包问题,而且还能够以较快的速度搜索到精度较高的次优解甚至全局最优解,具有较好的稳定性;同时,对高维背包问题的求解与参考算法相比,在寻优时间和精度上更具优势。(本文来源于《计算机工程与科学》期刊2019年11期）
郭晓虎,李泽文,李亚[3]（2019）在《二进制正余弦算法求解0-1背包问题》一文中研究指出社会经济的快速发展,带来大量复杂优化问题,但传统优化算法求解高维、复杂问题时,效率低,求不到最优解等问题使学者开始寻求新的优化算法。因此,演化算法得到了发展契机。正余弦算法(Sine Cosine Algorithm,SCA)是Seyedali Mirjalili于2017年提出的一个基于数学的演化算法并求解了数值优化和飞机翼型设计问题。近年来,该算法受到许多学者的关注,得到广泛应用和改进,但应用多为连续优化问题,所以利用二进制正余弦算法求解0-1背包问题是很好的尝试。(本文来源于《科技经济导刊》期刊2019年25期）
庞润娟[4]（2019）在《求解0-1背包问题的烟花算法》一文中研究指出背包问题作为运筹学中典型的NP难解问题,生活中许多问题都可以归为此类,因此,对该问题的求解无论是在理论上,还是在实践中都具有重要意义。目前随着问题规模的增大,对此类问题的研究就有了更高的要求,而经典的优化方法更显得无能为力。可喜的是,随着群智能优化算法的发展,也为解决此类问题开辟了新的思路。群智能优化算法作为一种求解高维度和高复杂性优化问题的有效方法,它是通过模拟生物群体间个体的相互作用及信息交流而衍生出的一种新型算法。烟花算法是通过模拟燃放烟花时烟花在空中的爆炸过程而实现的。因为该算法的参数较少,执行过程简单,尤其在解决高维复杂优化问题上具有一定优势,所以目前已被广泛关注。当然,也可以利用该算法求解背包问题。本论文主要做了如下的研究工作:1.给出了基于Logistic混沌映射和Sigmoid函数的烟花算法,并将其应用于求解经典0-1背包问题。对于基本烟花算法来说,首先,烟花的初始化过程采用了有利于进行全局探索的随机搜索方式,可是往往较难进行细致的局部开发。故这里采用被广泛应用的Logistic混沌映射进行初始化,从而初始烟花的分布位置更加均匀,且搜索能力更强;其次,烟花的爆炸半径不利于搜索速度与求解精度的平衡,故引入Sigmoid函数来构造递减的爆炸半径,使得在迭代前期,爆炸半径保持更长时间的较大值,进行充分的全局探索,在迭代后期,爆炸半径保持更长时间的较小值,进行细致的局部开发,平衡了搜索速度与求解精度;最后,对标准测试函数进行测试,并与其它算法进行对比,实验结果表明改进算法的性能更优;并且将其应用于求解经典0-1背包问题,实验结果证明改进算法在解决实际优化问题上是有效的。2.提出利用Kent映射、余弦函数和交叉变异思想改进基本烟花算法,并将其应用于求解折扣0-1背包问题。首先,为了解决基本烟花算法的随机搜索问题,采用了与Logistic混沌映射同构的Kent映射规则来提高搜索精度;其次,利用余弦函数设计了分段爆炸半径,使得半径在前1/2迭代过程中保持递减,后1/2迭代过程中及时适当增大来避免烟花陷入局部最优,这样就可以利用对爆炸半径的计算方法达到有目的的对于爆炸方向进行引导,从而避免了盲目性,节省了搜索时间;接着,利用交叉变异思想对高斯变异过程进行了改进来优化变异过程,从而进一步提升了算法寻优性能。最后,对标准测试函数和折扣0-1背包进行了求解,仿真结果表明,所提算法比其它群智能算法的结果更优,达到了改进算法性能的目的。(本文来源于《西安理工大学》期刊2019-06-30）
曹倬铭[5]（2019）在《人类学习优化算法研究及0—1背包问题求解》一文中研究指出群体智能优化算法是以动物社会为启发,主要通过群体协作行为使算法在问题的优化过程中更为有效。通常在解空间内,此类方法迫使群体中的所有个体进行某种合作,以便逐渐寻找出足够好的解,最终整体走向越来越好的解域。在群体智能优化算法中,根据人类的学习特点提出了人类学习优化算法,此算法运用不同层次算子之间的互相配合来寻找出全局最优解。它利用了人类学习新知识或新技能的特点,是一种十分有潜力的优化算法,往往能够产生比传统群体智能优化算法更好的寻优效果。此算法相比于传统的群体智能优化算法,研究历史很短且不够成熟,尤其存在寻优速率和寻优精度的问题,例如可能在运行过程中存在不稳定性,在局部容易陷入最优的缺点。本论文针对基本人类学习优化算法的缺点进行改进,首次提出了基于“配对学习”的优化方法。根据基本人类学习优化算法中的算子合作机制,在个体学习之后引入“配对学习”,对个体学习的成果进行筛选归纳,并将更优质的结果推荐到社会学习过程中进行再学习。另外本文对算法中影响运算结果的主要参数做了调整并进行了大量实验,避免了由于参数设置不当引起的寻优效率和寻优精度欠佳的情况。接着通过针对10个测试函数的MATLAB仿真实验展示了改进后的基于配对机制的人类学习优化算法相比于传统算法的优越性。为了验证基于配对机制的人类学习优化算法是否能够解决实际问题,采用0-1背包问题作为其应用背景。首先讨论了0-1背包问题的计算过程与算法实现等细节,然后使用多种不同群体智能优化算法进行MATLAB寻优尝试,将基于配对机制的人类学习优化算法与基本人类学习优化算法、基本模拟退火算法及基本蚁群算法分别进行对照,且每种算法分别进行10次独立实验,结果表明在多数情况下,基于配对机制的人类学习优化算法在寻优过程中具有明显的优越性。(本文来源于《曲阜师范大学》期刊2019-06-01）
耿亚,吴访升[6]（2019）在《基于粒子群-模拟退火算法的背包问题研究》一文中研究指出针对组合优化中的经典背包问题,提出一种基于直觉模糊熵的粒子群-模拟退火算法(IFEPSO-SA)。该算法以种群的直觉模糊熵(IFE)为测度,建立一种基于熵值的自适应惯性权重和变异操作的策略,以维持种群的多样性;同时,对粒子群算法进化过程中的局部最优解,进行交换操作和模拟退火机制选择,得到更优的局部最优解和全局最优解,以增强算法的寻优能力。实验结果表明,所提算法具有很好的鲁棒性和寻优能力,能较好地求解0-1背包组合优化问题。(本文来源于《控制工程》期刊2019年05期）
周雁凌,王文硕,张迎[7]（2019）在《网格员挎上“绿背包”查问题做宣传》一文中研究指出“向前看，齐步走……”，在日前召开的“美丽中国，我是行动者”暨济南市首支生态环境网格员“绿背包”志愿者服务队成立仪式上，网格员志愿者代表迈着铿锵有力的步伐走进会场，领取并佩戴“绿背包”。这标志着济南市市中区叁级网格员在做好网格内污染源排查等工作(本文来源于《中国环境报》期刊2019-05-20）
任静敏,潘大志[8]（2019）在《带权重的贪心萤火虫算法求解0-1背包问题》一文中研究指出根据萤火虫算法的自身特点,将自适应权重、改进贪心算法、变异算子与基本萤火虫算法相结合,提出一种带权重的贪心萤火虫算法。通过加入自适应权重与变异算子,可以提高算法全局搜索能力,加入贪心算法在一定程度上可提高算法收敛速度,整体看,改进萤火虫算法提高了算法性能。通过仿真实验将改进后的算法与一些基本算法进行比较,实验结果表明,该算法在求解0-1背包问题时,无论在运算速度还是求解精度上都有明显改进。(本文来源于《计算机与现代化》期刊2019年05期）
王金燕[9]（2019）在《基于集合求解01背包问题的跳跃点法》一文中研究指出01背包问题的名称来源于不可切分物品的最优装包策略。由于其NP完全性,很难采用一般的算法进行求解。本文在传统的动态规划求解策略基础上,分析其面对大规模问题的局限性,采用改进的跳跃点法对问题做出求解,并通过STL模板库set存储求解过程中的跳跃点集,以降低问题的时间空间复杂度。(本文来源于《电子技术与软件工程》期刊2019年09期）
贺毅朝,李泽文,李焕哲,郭晓虎,李亚[10]（2019）在《离散灰狼优化算法求解有界背包问题》一文中研究指出为利用灰狼优化算法求解有界背包问题,基于编码转换法提出一种离散灰狼优化算法(discrete grey wolf optimizer,DGWO)。引入遗传算法的交叉策略增强局部搜索能力,使用基于贪心策略的修复与优化法处理不可行解,保证算法的求解效果,加快算法的收敛速度。对于3类大规模有界背包问题实例,通过与已有算法的计算结果比较与分析,验证了DGWO的有效性和稳定性。实验结果表明,DGWO的收敛速度比其它算法快,对于所有的有界背包问题实例均能获得一个近似比接近1的近似解。(本文来源于《计算机工程与设计》期刊2019年04期）
背包问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统二进制群智能算法求解0-1背包问题易陷入局部最优、收敛速度慢的缺点,提出一种新的解决离散空间问题的二进制狮群算法BLSO。二进制狮群算法对狮王、母狮和幼狮的位置重新定义,引入反置运算、移动算子和学习算子建立全新的位置转移方式和局部搜索规则;加入贪心策略进行解的可行化处理和充分利用,增强局部搜索能力,进一步提高收敛速度。对9个典型的0-1背包算例进行仿真实验,实验结果表明,该算法不仅可以有效求解0-1背包问题,而且还能够以较快的速度搜索到精度较高的次优解甚至全局最优解,具有较好的稳定性;同时,对高维背包问题的求解与参考算法相比,在寻优时间和精度上更具优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
背包问题论文参考文献
[1].芦娟,夏扬坤,邹安全,符卓,王松.带装载能力的需求依背包拆分车辆路径问题[J].工业工程.2019
[2].刘生建,杨艳,周永权.求解0-1背包问题的二进制狮群算法[J].计算机工程与科学.2019
[3].郭晓虎,李泽文,李亚.二进制正余弦算法求解0-1背包问题[J].科技经济导刊.2019
[4].庞润娟.求解0-1背包问题的烟花算法[D].西安理工大学.2019
[5].曹倬铭.人类学习优化算法研究及0—1背包问题求解[D].曲阜师范大学.2019
[6].耿亚,吴访升.基于粒子群-模拟退火算法的背包问题研究[J].控制工程.2019
[7].周雁凌,王文硕,张迎.网格员挎上“绿背包”查问题做宣传[N].中国环境报.2019
[8].任静敏,潘大志.带权重的贪心萤火虫算法求解0-1背包问题[J].计算机与现代化.2019
[9].王金燕.基于集合求解01背包问题的跳跃点法[J].电子技术与软件工程.2019
[10].贺毅朝,李泽文,李焕哲,郭晓虎,李亚.离散灰狼优化算法求解有界背包问题[J].计算机工程与设计.2019
论文知识图
