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 算法的超高维度优化问题的测试。背包问题中的强相关背包问题，一直是这一领域的研究难点。这是因为强相关背包问题的解在解的空间范围上过于集中，导致 BPSO 算法在寻优过程中很可能忽略解集中聚集空间，导致搜索到的解与最优解相差较大。本文提出一种专门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陷阱。实验结果表明，无论是低维度、中维度还是高维度的背包问题，均能以较高的准确率接近真实最优解，提高强相关性背包问题求解的准确性和可靠性。

论文下载：

面向强相关背包问题的BPSO算法优化_赵青.pdf

  浏览次数：