背包问题(knapsack problems,KP)
[1]
是一类经典的 NP 完全问题,也是重
要的组合优化问题。KP 在资源分配、投资决策、经济金融和信息安全等
[2]
诸多
领域都具有重要的理论意义和实用价值。KP 有许多不同的扩展形式,例如:集
合联盟背包问题(set-union knapsack problem,SUKP)
[3]
、多维背包问题(multi-
dimensional knapsack problem,MKP)
[4]
、具有单连续变量背包问题(knapsack
problem with a single con-tinuous variable,KPC)
[5]
和折扣{0-1}背包问题(dis-
counted {0-1} knapsack problem,D{0-1}KP)
[6]
等。
D{0-1}KP 是由 Guldan
[6]
于 2007 年首次提出的 0-1KP 的一种更复杂的扩
展形式。由于 D{0-1}KP 对项目(物品)的选择更加多样化,使得 D{0-1}KP 比
0-1 背包问题(0-1 knapsack problem,0-1KP)具有更大的挑战性。目前,许多
国内外学者对 D{0-1}KP 问题的求解算法进行了研究,例如 Guldan
[6]
讨论了如何
使用启发式和精确算法求解 D{0-1}KP,并给出了一种求解 D{0-1}KP 的动态规
划法;Rong 等人
[7]
于 2012 年通过核问题将 D{0-1}KP 划分为若干较容易的子问
题,并给出了一种动态规划与核相结合求解 D{0-1}KP 的精确算法;2016 年,He
等人
[8]
设计了一种新的 基于动态规划的精确算法,并在此基础上提出了三种近
似算法求解 D{0-1}KP;贺毅朝等人
[9]
于 2016 年首先建立了 D{0-1}KP 的两个新
的数学模型,在提出了两种贪心修复与优化算法的基础上,给出了两种利用基于
杰 出 者 保 留 策 略 遗 传 算 法 ( genetic algorithm with elitist reservation
strategy,EGA)求解 D{0-1}KP 的 方法;吴聪聪 等人
[10]
首先采用 双重编码 解决
D{0-1}KP 的 编 码 问 题 , 在 此 基 础 上 提 出 了 一 种 变 异 的 蝙 蝠 算 法 ( mutated
double binary bat algorithm,MDBBA)求解 D{0-1}KP;2018 年,刘雪静等人
[11]
针
对 D{0-1}KP 的两种数学模型,提出了自适应细菌觅食算法(adaptive bacterial
foraging algorithm,ABFO)求解 D{0-1}KP 的两种算法,并比较了两种算法的优
劣 ; 随 后 ,He 等 人 先 后 提 出 了 基 于 群 论 的 优 化 算 法 ( group theory-based
optimization algorithm,GTOA)
[12]
和基于环理论的演化算法(ring theory-based
evolutionary algorithm,RTEA)
[13]
,并分别用于求解 D{0-1}KP,取得了较好的效
果;2020 年,Wu 等人
[14]
提出 了一种 离散 混 合教 学 优化 算法( hybrid teaching-
learning-based optimization algo-rithm,HTLBO) ,并利 用 它给 出 了一种 求解
D{0-1}KP 的方法;Li 等人
[15]
在提出一种新 V 型传递函数的基础上,提出了一种新
的二进制鲸鱼优化算法(discrete whale optimization algorithm,DWOA),并应
用于求解 D{0-1}KP 问题。显然,目前求解 D{0-1}KP 的算法主要分为两类:精
评论0
最新资源