摘  要：二进制粒子群(BPSO)算法是解决离散二进制空间最优化问题的重要群体智能算法，而背包问题经常被用作BPSO 算法的高维度优化问题的测试。背包问题中的强相关背包问题是这一领域的研究难点。强相关背包问题的解在解的空间范围上过于集中，BPSO 算法在寻优过程中很可能忽略解集中的聚集空间，导致搜索到的解与最优解相差较大。本文提出一种针对强相关背包问题的改进方法，即基于价值密度排序的分级竞优策略的 BPSO 算法。算法来源于分级淘汰赛的思想，增加全局搜索阶段空间上的搜索细腻程度，从而增加最优解聚集小区域被发现的可能性，避免过早陷入局部最优解。实验结果表明，无论是低维度、中维度还是高维度的强相关背包问题，本文方法都能以较高的准确率接近真实最优解，提高强相关背包问题求解的准确性和可靠性。

论文下载：

10.pdf

  浏览次数：