第二章__禁忌搜索算法.ppt

《第二章__禁忌搜索算法.ppt》由会员分享，可在线阅读，更多相关《第二章__禁忌搜索算法.ppt（81页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、智能优化计算智能优化计算华东理工大学自动化系 2010年 第二章第二章 禁忌搜索算法禁忌搜索算法 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 2.1 局部搜索局部搜索局部搜索局部搜索 2.1.1 2.1.1 邻域的概念邻域的概念邻域的概念邻域的概念 2.1.2 2.1.2 局部搜索算法局部搜索算法局部搜索算法局部搜索算法 2.1.3 2.1.3 局部搜索示例局部搜索示例局部搜索示例局部搜索示例 2.2 2.2 禁忌搜索禁忌搜索禁忌搜索禁忌搜索 2.2.1 2.2.1 算法的主要思路算法的主要思路算法的主要思路算法的主要思路 2.2.2 2.2.2 禁忌搜索示例禁忌搜索示例

2、禁忌搜索示例禁忌搜索示例2.3 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 2.3.1 2.3.1 变化因素变化因素变化因素变化因素 2.3.2 2.3.2 禁忌表禁忌表禁忌表禁忌表 2.3.3 2.3.3 其他其他其他其他 2.4 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用禁忌搜索的实现与应用禁忌搜索的实现与应用 2.4.1 302.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）2.4.2 2.4.2 基于禁忌搜索算

3、法的系统辨识基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 局部搜索局部搜索 w函数优化问题中函数优化问题中 在距离空间中，通常的邻域定义是以一点为中心的在距离空间中，通常的邻域定义是以一点为中心的一个球体；一个球体；w组合优化问题中组合优化问题中 2 2.1.1 .1.1 邻域的概念邻域的概念邻域的概念邻域的概念 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 局部搜索局部搜索 w例例 TSP问题解的一种表示方法为问题解的一种表示方法为D=x=(i1,i2,in)|i1,i2,i

4、n是是1,2,n的排列的排列，定义它的邻域映射，定义它的邻域映射为为2opt，即，即x中的两个元素进行对换，中的两个元素进行对换，N(x)中共中共包含包含x的的Cn2=n(n-1)/2个邻居和个邻居和x本身。本身。例如：例如：x=(1,2,3,4)，则，则C42=6，N(x)=(1,2,3,4),(2,1,3,4),(3,2,1,4),(4,2,3,1),(1,3,2,4),(1,4,3,2),(1,2,4,3)2 2.1.1 .1.1 邻域的概念邻域的概念邻域的概念邻域的概念 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 局部搜索局部搜索 w例例 TSP问题解的邻域映射可

5、由问题解的邻域映射可由2opt，推广到，推广到kopt。w邻域概念的重要性邻域概念的重要性 邻域的构造依赖于决策变量的表示，邻域的构造依赖于决策变量的表示，邻域的结构在现代优化算法中起重要的作用。邻域的结构在现代优化算法中起重要的作用。2 2.1.1 .1.1 邻域的概念邻域的概念邻域的概念邻域的概念 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 局部搜索局部搜索 wSTEP 1 选定一个初始可行解选定一个初始可行解x0，记录当前最优解，记录当前最优解xbest:=x0,T=N(xbest)；wSTEP 2 当当Txbest=时，或满足其他停止运算准则时，输出时，或满足其他

6、停止运算准则时，输出计算结果，停止运算；否则，从计算结果，停止运算；否则，从T中选一集合中选一集合S，得，得到到S中的最好解中的最好解xnow；若；若f(xnow)f(xbest)，则，则xbest:=xnow，T=N(xbest)；否则；否则T:=TS；重复；重复SETP 2。2 2.1.2 .1.2 局部搜索算法局部搜索算法局部搜索算法局部搜索算法 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 局部搜索局部搜索 w五个城市的对称五个城市的对称TSP问题问题 初始解为初始解为xbest=(ABCDE)，f(xbest)=45，定义邻域映射，定义邻域映射为对换两个城市位置的

7、为对换两个城市位置的2-opt，选定，选定A城市为起点。城市为起点。2 2.1.3 .1.3 局部搜索示例局部搜索示例局部搜索示例局部搜索示例 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 局部搜索局部搜索 w五个城市的对称五个城市的对称TSP问题问题 方法方法1：全邻域搜索：全邻域搜索 第第1步步 N(xbest)=(ABCDE)，(ACBDE)，(ADCBE)，(AECDB)，(ABDCE)，(ABEDC)，(ABCED)，对应目标函数为对应目标函数为f(x)=45,43,45,60,60,59,44 xbest:=xnow=(ACBDE)2 2.1.3 .1.3 局部

8、搜索示例局部搜索示例局部搜索示例局部搜索示例 A B C D E智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 局部搜索局部搜索 w五个城市的对称五个城市的对称TSP问题问题 方法方法1：全邻域搜索：全邻域搜索 第第2步步 N(xbest)=(ACBDE)，(ABCDE)，(ADBCE)，(AEBDC)，(ACDBE)，(ACEDB)，(ACBED)，对应目标函数为对应目标函数为f(x)=43,45,44,59,59,58,43 xbest:=xnow=(ACBDE)2 2.1.3 .1.3 局部搜索示例局部搜索示例局部搜索示例局部搜索示例 智能优化计算智能优化计算华东理工大

9、学自动化系 2010年 2.1 局部搜索局部搜索 w五个城市的对称五个城市的对称TSP问题问题 方法方法2：一步随机搜索：一步随机搜索 第第1步步 从从N(xbest)中随机选一点，如中随机选一点，如xnow=(ACBDE)，对应目标函数为对应目标函数为f(xnow)=43 43 xbest:=xnow=(ACBDE)2 2.1.3 .1.3 局部搜索示例局部搜索示例局部搜索示例局部搜索示例 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 局部搜索局部搜索 w五个城市的对称五个城市的对称TSP问题问题 简单易行，但无法保证全局最优性；简单易行，但无法保证全局最优性；局部搜索主

10、要依赖起点的选取和邻域的结构；局部搜索主要依赖起点的选取和邻域的结构；为了得到好的解，可以比较不同的邻域结构和不同为了得到好的解，可以比较不同的邻域结构和不同的初始点；的初始点；如果初始点的选择足够多，如果初始点的选择足够多，总可以计算出全局最优解。总可以计算出全局最优解。2 2.1.3 .1.3 局部搜索示例局部搜索示例局部搜索示例局部搜索示例 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 2.1 局部搜索局部搜索局部搜索局部搜索 2.1.1 2.1.1 邻域的概念邻域的概念邻域的概念邻域的概念 2.1.2 2.1.2 局部搜索算法局部搜索算法局部搜索算法局部搜索算法 2

11、.1.3 2.1.3 局部搜索示例局部搜索示例局部搜索示例局部搜索示例 2.2 2.2 禁忌搜索禁忌搜索禁忌搜索禁忌搜索 2.2.1 2.2.1 算法的主要思路算法的主要思路算法的主要思路算法的主要思路 2.2.2 2.2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例2.3 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 2.3.1 2.3.1 变化因素变化因素变化因素变化因素 2.3.2 2.3.2 禁忌表禁忌表禁忌表禁忌表 2.3.3 2.3.3 其他其他其他其他 2.4 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用禁忌

12、搜索的实现与应用禁忌搜索的实现与应用 2.4.1 302.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）2.4.2 2.4.2 基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识智能优化计算智能优化计算华东理工大学自动化系 2010年 2.2 禁忌搜索禁忌搜索 w算法的提出算法的提出 禁忌搜索（禁忌搜索（Tabu search）是局部邻域搜索算法的）是局部邻域搜索算法的推广，推广，Fred Glover在在1986年提出这个概念，进

13、而年提出这个概念，进而形成一套完整算法。形成一套完整算法。w算法的特点算法的特点 禁忌禁忌禁止重复前面的工作。禁止重复前面的工作。跳出局部最优点。跳出局部最优点。2 2.2.1 .2.1 算法的主要思路算法的主要思路算法的主要思路算法的主要思路 http:/spot.colorado.edu/glover/智能优化计算智能优化计算华东理工大学自动化系 2010年 2.2 禁忌搜索禁忌搜索 w四城市非对称四城市非对称TSP问题问题 初始初始解解x0=(ABCD)，f(x0)=4，邻域映射为两个城市，邻域映射为两个城市顺序对换的顺序对换的2opt，始、终点都是，始、终点都是A城市。城市。2 2.2

14、.2 .2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.2 禁忌搜索禁忌搜索 w四城市非对称四城市非对称TSP问题问题 第第1步步 解的形式解的形式 禁忌对象及长度禁忌对象及长度 候选解候选解 f(x0)=4 2 2.2.2 .2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例 A B C DBCDABC对换评价值CD4.5BC7.5BD8智能优化计算智能优化计算华东理工大学自动化系 2010年 2.2 禁忌搜索禁忌搜索 w四城市非对称四城市非对称TSP问题问题 第第2步步 解的形式解的形式 禁忌对象及长度禁忌对象及

15、长度 候选解候选解 f(x1)=4.5 2 2.2.2 .2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例 A B D CBCDABC3对换评价值CD4.5BC3.5BD4.5T智能优化计算智能优化计算华东理工大学自动化系 2010年 2.2 禁忌搜索禁忌搜索 w四城市非对称四城市非对称TSP问题问题 第第3步步 解的形式解的形式 禁忌对象及长度禁忌对象及长度 候选解候选解 f(x2)=3.5 2 2.2.2 .2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例 A C D BBCDAB3C2对换评价值CD8BC4.5BD7.5TT智能优化计算智能优化计算华东理工大学自动化系 2

16、010年 2.2 禁忌搜索禁忌搜索 w四城市非对称四城市非对称TSP问题问题 第第4步步 解的形式解的形式 禁忌对象及长度禁忌对象及长度 候选解候选解 f(x3)=7.5 禁忌长度的选取禁忌长度的选取 2 2.2.2 .2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例 A C B DBCDAB23C1对换评价值CD4.5BC4.5BD3.5TTT智能优化计算智能优化计算华东理工大学自动化系 2010年 2.2 禁忌搜索禁忌搜索 w四城市非对称四城市非对称TSP问题问题 第第4步步（如果减小禁忌长度）（如果减小禁忌长度）解的形式解的形式 禁忌对象及长度禁忌对象及长度 候选解候选解 f(x

17、3)=7.5 2 2.2.2 .2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例 A C B DBCDAB12C0对换评价值CD4.5BC4.5BD3.5TT智能优化计算智能优化计算华东理工大学自动化系 2010年 2.2 禁忌搜索禁忌搜索 w四城市非对称四城市非对称TSP问题问题 第第5步步 解的形式解的形式 禁忌对象及长度禁忌对象及长度 候选解候选解 f(x4)=4.5 2 2.2.2 .2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例 A D B CBCDAB01C2对换评价值CD7.5BC8BD4.5TT智能优化计算智能优化计算华东理工大学自动化系 2010年 2.2

18、禁忌搜索禁忌搜索 w四城市非对称四城市非对称TSP问题问题 第第6步步 解的形式解的形式 禁忌对象及长度禁忌对象及长度 候选解候选解 f(x5)=8 2 2.2.2 .2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例 A D C BBCDAB20C1对换评价值CD3.5BC4.5BD4TT智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 2.1 局部搜索局部搜索局部搜索局部搜索 2.1.1 2.1.1 邻域的概念邻域的概念邻域的概念邻域的概念 2.1.2 2.1.2 局部搜索算法局部搜索算法局部搜索算法局部搜索算法 2.1.3 2.1.3 局部搜索示例局部搜索示例局部搜

19、索示例局部搜索示例 2.2 2.2 禁忌搜索禁忌搜索禁忌搜索禁忌搜索 2.2.1 2.2.1 算法的主要思路算法的主要思路算法的主要思路算法的主要思路 2.2.2 2.2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例2.3 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 2.3.1 2.3.1 变化因素变化因素变化因素变化因素 2.3.2 2.3.2 禁忌表禁忌表禁忌表禁忌表 2.3.3 2.3.3 其他其他其他其他 2.4 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用禁忌搜索的实现与应用禁忌搜索的实现与应用 2.4.1 3

20、02.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）2.4.2 2.4.2 基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌表的主要指标（两项指标）禁忌表的主要指标（两项指标）禁忌对象：禁忌表中被禁的那些变化元素禁忌对象：禁忌表中被禁的那些变化元素 禁忌长度：禁忌的步数禁忌长度：禁忌的步数w状态变化（三种变化）

21、状态变化（三种变化）解的简单变化解的简单变化 解向量分量的变化解向量分量的变化 目标值变化目标值变化 2 2.3.1 .3.1 变化因素变化因素变化因素变化因素 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w解的简单变化解的简单变化 2 2.3.1 .3.1 变化因素变化因素变化因素变化因素 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w向量分量的变化向量分量的变化 设原有的解向量为设原有的解向量为(x1,xi-1,xi,xi+1,xn)，向，向量分量

22、的最基本变化为量分量的最基本变化为 (x1,xi-1,xi,xi+1,xn)(x1,xi-1,yi,xi+1,xn)即只有第即只有第i个分量发生变化个分量发生变化。也包含多个分量变化的情形。也包含多个分量变化的情形。2 2.3.1 .3.1 变化因素变化因素变化因素变化因素 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w目标值的变化目标值的变化 目标值的变化隐含着解集合的变化。目标值的变化隐含着解集合的变化。2 2.3.1 .3.1 变化因素变化因素变化因素变化因素 智能优化计算智能优化计算华东理工大学自动化系 2010年

23、 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况1：禁忌对象为简单的解变化：禁忌对象为简单的解变化 禁忌长度为禁忌长度为4，从，从2opt邻域中选出最佳的邻域中选出最佳的5个解组个解组成候选集成候选集Can_N(xnow)，初始解，初始解xnow=x0=(ABCDE)，f(x0)=45，H=(ABCDE;45)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况1：禁忌对象为简单的解变化

24、：禁忌对象为简单的解变化 第第1步步 xnow=(ABCDE)，f(xnow)=45，H=(ABCDE;45)Can_N(xnow)=(ACBDE;43)，(ABCDE;45)，(ADCBE;45)，(ABEDC;59)，(ABCED;44)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(ACBDE)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况1：禁忌对象为简单的解变化：禁忌对象为简单的解变化 第第2步步 xnow=(ACBDE)，f(xnow)=43，H=(AB

25、CDE;45)，(ACBDE;43)Can_N(xnow)=(ACBDE;43)，(ACBED;43)，(ADBCE;44)，(ABCDE;45)，(ACEDB;58)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(ACBED)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况1：禁忌对象为简单的解变化：禁忌对象为简单的解变化 第第3步步 xnow=(ACBED)，f(xnow)=43，H=(ABCDE;45)，(ACBDE;43)，(ACBED;43)Can_N(xn

26、ow)=(ACBED;43)，(ACBDE;43)，(ABCED;44)，(AEBCD;45)，(ADBEC;58)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(ABCED)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况1：禁忌对象为简单的解变化：禁忌对象为简单的解变化 第第4步步 xnow=(ABCED)，f(xnow)=44，H=(ABCDE;45)，(ACBDE;43)，(ACBED;43)，(ABCED;44)Can_N(xnow)=(ACBED;43)，

27、(AECBD;44)，(ABCDE;45)，(ABCED;44)，(ABDEC;58)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(AECBD)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况1：禁忌对象为简单的解变化：禁忌对象为简单的解变化 第第5步步 xnow=(AECBD)，f(xnow)=44，H=(ACBDE;43)，(ACBED;43)，(ABCED;44)，(AECBD;44)Can_N(xnow)=(AEDBC;43)，(ABCED;44)，(AEC

28、BD;44)，(AECDB;44)，(AEBCD;45)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(AEDBC)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况2：禁忌对象为分量变化：禁忌对象为分量变化 禁忌长度为禁忌长度为3，从，从2opt邻域中选出最佳的邻域中选出最佳的5个解组个解组成候选集成候选集Can_N(xnow)，初始解，初始解xnow=x0=(ABCDE)，f(x0)=45。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 智能优化计算智能优化计算

29、华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况2：禁忌对象为分量变化：禁忌对象为分量变化 第第1步步 xnow=(ABCDE)，f(xnow)=45，H=Can_N(xnow)=(ACBDE;43)，(ADCBE;45)，(AECDB;60)，(ABEDC;59)，(ABCED;44)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(ACBDE)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取

30、情况情况2：禁忌对象为分量变化：禁忌对象为分量变化 第第2步步 xnow=(ACBDE)，f(xnow)=43，H=(B,C)Can_N(xnow)=(ACBED;43)，(ADBCE;44)，(ABCDE;45)，(ACEDB;58)，(AEBDC;59)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(ACBED)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况2：禁忌对象为分量变化：禁忌对象为分量变化 第第3步步 xnow=(ACBED)，f(xnow)=43，H

31、=(B,C)，(D,E)Can_N(xnow)=(ACBDE;43)，(ABCED;44)，(AEBCD;45)，(ADBEC;58)，(ACEBD;58)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(AEBCD)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况3：禁忌对象为目标值变化：禁忌对象为目标值变化 禁忌长度为禁忌长度为3，从，从2opt邻域中选出最佳的邻域中选出最佳的5个解组个解组成候选集成候选集Can_N(xnow)，初始解，初始解xnow=x0=(AB

32、CDE)，f(x0)=45。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况3：禁忌对象为目标值变化：禁忌对象为目标值变化 第第1步步 xnow=(ABCDE)，f(xnow)=45，H=45 Can_N(xnow)=(ABCDE;45)，(ACBDE;43)，(ADCBE;45)，(ABEDC;59)，(ABCED;44)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(ACBDE)智能优化计算智能优化计算华东理工大

33、学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的选取 情况情况3：禁忌对象为目标值变化：禁忌对象为目标值变化 第第2步步 xnow=(ACBDE)，f(xnow)=43，H=45，43 Can_N(xnow)=(ACBDE;43)，(ACBED;43)，(ADBCE;44)，(ABCDE;45)，(ACEDB;58)。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 xnext=(ADBCE)智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌对象的选取禁忌对象的

34、选取 解的简单变化比解的分量变化和目标值变化的受禁解的简单变化比解的分量变化和目标值变化的受禁范围要小，可能造成计算时间的增加，但也给予了范围要小，可能造成计算时间的增加，但也给予了较大的搜索范围；较大的搜索范围；解分量的变化和目标值变化的禁忌范围大，减少了解分量的变化和目标值变化的禁忌范围大，减少了计算时间，可能导致陷在局部最优点。计算时间，可能导致陷在局部最优点。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌长度的选取禁忌长度的选取 禁忌长度过短，一旦陷入局部最优

35、点，出现循环无禁忌长度过短，一旦陷入局部最优点，出现循环无法跳出；法跳出；禁忌长度过长，造成计算时间较大，也可能造成计禁忌长度过长，造成计算时间较大，也可能造成计算无法继续下去。（算无法继续下去。（例例）2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w禁忌长度的选取禁忌长度的选取 （1）t可以为常数，易于实现；可以为常数，易于实现；（2），t是可以变化的数，是可以变化的数，tmin和和tmax是确定是确定的。的。tmin和和tmax根据问题的规模确定，根据问题的规模确定，t

36、的大小主要依的大小主要依据实际问题、实验和设计者的经验。据实际问题、实验和设计者的经验。（3）tmin和和tmax的动态选择。的动态选择。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w特赦（藐视）原则特赦（藐视）原则 （1）基于评价值的规则，若出现一个解的目标值）基于评价值的规则，若出现一个解的目标值好于前面任何一个最佳候选解，可特赦；好于前面任何一个最佳候选解，可特赦；（2）基于最小错误的规则，若所有对象都被禁忌，）基于最小错误的规则，若所有对象都被禁忌，特赦一个评价值

37、最小的解；特赦一个评价值最小的解；（3）基于影响力的规则，可以特赦对目标值影响）基于影响力的规则，可以特赦对目标值影响大的对象。大的对象。2 2.3.2 .3.2 禁忌表禁忌表禁忌表禁忌表 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w候选集合的确定候选集合的确定 （1）从邻域中选择若干目标值最佳的邻居入选；）从邻域中选择若干目标值最佳的邻居入选；（2）在邻域中的一部分邻居中选择若干目标值最）在邻域中的一部分邻居中选择若干目标值最佳的状态入选；佳的状态入选；（3）随机选取。）随机选取。2 2.3.3 .3.3 其他其他其他

38、其他 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w评价函数评价函数 （1）直接评价函数，通过目标函数的运算得到评）直接评价函数，通过目标函数的运算得到评价函数；价函数；（2）间接评价函数，构造其他评价函数替代目标）间接评价函数，构造其他评价函数替代目标函数，应反映目标函数的特性，减少计算复杂性。函数，应反映目标函数的特性，减少计算复杂性。2 2.3.3 .3.3 其他其他其他其他 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w记忆频率信息记忆频率信息

39、 根据记忆的频率信息（禁忌次数等）来控制禁忌参根据记忆的频率信息（禁忌次数等）来控制禁忌参数（禁忌长度等）。数（禁忌长度等）。例如：例如：如果一个元素或序列重复出现或目标值变化很小，如果一个元素或序列重复出现或目标值变化很小，可增加禁忌长度以避开循环；可增加禁忌长度以避开循环；如果一个最佳目标值出现频率很高，则可以终止计如果一个最佳目标值出现频率很高，则可以终止计算认为已达到最优值。算认为已达到最优值。2 2.3.3 .3.3 其他其他其他其他 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w记忆频率信息记忆频率信息 可记录

40、的信息：可记录的信息：（1）静态频率信息：解、对换或目标值在计算中）静态频率信息：解、对换或目标值在计算中出现的频率；出现的频率；（2）动态频率信息：从一个解、对换或目标值到）动态频率信息：从一个解、对换或目标值到另一个解、对换或目标值的变化趋势。另一个解、对换或目标值的变化趋势。2 2.3.3 .3.3 其他其他其他其他 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 w终止规则终止规则 （1）确定步数终止，无法保证解的效果，应记录）确定步数终止，无法保证解的效果，应记录当前最优解；当前最优解；（2）频率控制原则，当某一个解

41、、目标值或元素）频率控制原则，当某一个解、目标值或元素序列的频率超过一个给定值时，终止计算；序列的频率超过一个给定值时，终止计算；（3）目标控制原则，如果在一个给定步数内，当）目标控制原则，如果在一个给定步数内，当前最优值没有变化，可终止计算。前最优值没有变化，可终止计算。2 2.3.3 .3.3 其他其他其他其他 智能优化计算智能优化计算华东理工大学自动化系 2010年 2.1 2.1 局部搜索局部搜索局部搜索局部搜索 2.1.1 2.1.1 邻域的概念邻域的概念邻域的概念邻域的概念 2.1.2 2.1.2 局部搜索算法局部搜索算法局部搜索算法局部搜索算法 2.1.3 2.1.3 局部搜索示

42、例局部搜索示例局部搜索示例局部搜索示例 2.2 2.2 禁忌搜索禁忌搜索禁忌搜索禁忌搜索 2.2.1 2.2.1 算法的主要思路算法的主要思路算法的主要思路算法的主要思路 2.2.2 2.2.2 禁忌搜索示例禁忌搜索示例禁忌搜索示例禁忌搜索示例2.3 2.3 禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作禁忌搜索的关键参数和操作 2.3.1 2.3.1 变化因素变化因素变化因素变化因素 2.3.2 2.3.2 禁忌表禁忌表禁忌表禁忌表 2.3.3 2.3.3 其他其他其他其他 2.4 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用禁忌搜索的实现与应用禁忌搜索的实现与

43、应用 2.4.1 302.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）2.4.2 2.4.2 基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识基于禁忌搜索算法的系统辨识智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 wTSP Benchmark 问题问题 41 94;37 84;54 67;25 62;7 64;2 99;68 58;71 44;54 62;83 69;64 60;18 54;2

44、2 60;83 46;91 38;25 38;24 42;58 69;71 71;74 78;87 76;18 40;13 40;82 7;62 32;58 35;45 21;41 26;44 35;4 50 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w算法流程算法流程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题

45、（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w初始条件初始条件 禁忌长度为禁忌长度为50 从从2opt邻域中随机选择邻域中随机选择200个邻域解，选出其中个邻域解，选出其中100个最佳解组成候选集个最佳解组成候选集 终止步数终止步数2000 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计算智能优化计

46、算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计

47、算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel

48、）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B Foge

49、lFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D

50、B FogelFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741 by D B FogelFogel）智能优化计算智能优化计算华东理工大学自动化系 2010年 2.4 禁忌搜索的实现与应用禁忌搜索的实现与应用 w运行过程运行过程 2 2.4.1 30.4.1 30城市城市城市城市TSPTSP问题（问题（问题（问题（d d*=423.741 by D B=423.741