启发式算法阅读材料

很多实际的最优化问题是计算复杂的。因此，解决这样问题的实际方法是运用启发式算 法（近似值），这样可以在合理的计算时间内找到一个近似最优解。改进型算法通常是一个 启发式算法，它通常是从一个可行解开始，并重复寻找更好的解。邻域搜索算法（又叫局部 搜索算法）是一类改进型算法，算法的每一步迭代是通过搜索当前解的邻域得到一个改进的 解。设计邻域搜索算法的一个关键是邻域结构的选择，即邻域的定义方式。根据经验，邻域 越大，局部最优解的质量越好，最后得到的解越精确。同时，邻域越大，每一步迭代的时间 越长。因此，除非可以用很有效的方法搜索很大的邻域，大规模邻域搜索技术不一定能产生 一个有效的启发式算法。本文关注于输入数据和有效搜索邻域很大的大规模邻域的搜索技 术。我们调查了３大类大规模邻域搜索技术：（1）深度变量法：应用启发式算法搜索大规模 邻域； （2）大规模邻域搜索：应用网络流技术或动态规划搜索邻域；(3)通过限制在多项式 时间解决原问题引入大规模邻域