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...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。展开更多
文摘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。
