科研之友
微信
新浪微博
Facebook
分享链接
摘要
具有单连续变量的背包问题（Knapsack Problem with a single Continuous variable， KPC）是标准0-1背包问题的自然推广，在KPC中背包容量不是固定的，因此其求解难度变大。针对现有差分进化（Differential Evolution， DE）算法在高维KPC实例上求解精度不够高的不足，提出基于拉马克进化的DE（Lamarckian Evolution-based DE， LEDE）算法，将贪心修复优化算子产生的改进遗传给后代，以加快DE算法的收敛速度，提高DE算法在高维KPC实例上的求解精度。同时，在贪心修复优化算子中引入基于价值的贪心优化策略，用于优化使用基于价值密度的贪心修复策略生成的可行解，以帮助算法跳出局部最优。在40个KPC实例上对LEDE算法进行了实验分析，结果表明拉马克进化和基于价值的贪心优化策略能够提高LEDE算法的求精能力，LEDE算法在获得最优解和平均解方面均优于其它智能优化算法。
- 单位
