ترجمه الگوریتم جستجو بید باینری برای کاستن {0-1} مسئله کوله پشتی

توضیحات

 عنوان فارسی: الگوریتم جستجو بید باینری برای کاستن {0-1} مسئله کوله پشتی

عنوان انگلیسی مقاله ترجمه شده:

Binary Moth Search Algorithm for Discounted {0-1} Knapsack Problem

چکیده: کاهش {0-1} مسئله کوله پشتی (DKP) مشکل کلاسیک 0-1 کوله پشتی (0-1 KP) را گسترش می دهد که در آن مجموعه ای از گروه های اقلام گنجانده شده و هر گروه از سه مورد تشکیل شده است ، در حالی که حداکثر یکی از موارد سه مورد را می توان در کوله پشتی بسته بندی کرد. بنابراین ، DKP از KP 0-1 پیچیده تر و محاسبه شده است. DKP در مشکلات اقتصادی واقعی و سایر مناطق کاربردهای زیادی پیدا کرده است. در این مقاله ، تأثیر اپراتور پرواز لوی و مستقیم پرواز در الگوریتم جستجوی بید (MS) تأیید شده است. نه نوع از اپراتور جهش جدید بر اساس جستجوی هارمونی جهانی بطور ویژه برای جایگزینی اپراتور پروازهای لوی طراحی شده است. سپس ، نه الگوریتم رمان مبتنی بر MS برای DKP ارائه شده است (با  MS1-MS9 نامگذاری شده اند). آزمایش های گسترده در سه مجموعه از 30 نمونه DKP نشان دهنده عملکرد قابل توجه 9 رویکرد جدید مبتنی بر MS است. به طور خاص ، کشف می کند که MS1-MS3 عملکرد جامع تر و بهتری در بین 10 الگوریتم نشان می دهد. انواع تجزیه و تحلیل نشان دهنده سهم مهم در نظر گرفتن عنصر حافظه در MS1-MS9 است.

مقدمه

مشکل کاستن کوله پشتی {0-1} (DKP) ، به عنوان کلی مشکل استاندارد کوله پشتی استاندارد است. [1] ، ، یک مسئله بهینه سازی گسسته جدید و معمولی است که اخیراً توسط گلدن پیشنهاد شده است. [3] ایده DKP ناشی از فعالیت های کاهش بهبود دهنده از  بسیاری از مشکلات عملی مانند تصمیم سرمایه گذاری و تخصیص منابع می تواند به عنوان DKP تدوین شود. به عنوان یک نوع جدید از استاندارد 0-1 KP ، مقابله با DKP پیچیده تر و دشوارتر از استاندارد 0-1 KP است. تاکنون ادبیات زیادی درباره موضوع وجود ندارد. گلدن [3] در ابتدا برای حل DKP برنامه نویسی پویا [DP) [4) را پیشنهاد کرد. براساس مفهوم اصلی ، یک روش مؤثر DP برای DKP توسط رونگ و همکاران شرح داده شده است. [5] اخیراً ، دو مدل ریاضی جدید DKP ابتدا توسط او و همكاران نشان داده شده اند. [6] پس از آن ، روش جدید( (NE-DKP و سه الگوریتم تقریبی برای این مشکل دشوار در [7] ارائه شده است. در نتیجه ، این الگوریتمها عمدتا روشهای دقیقی هستند. اخیراً ، فنگ و همکاران. [8] یک الگوریتم بهینه سازی پروانه ای پادشاهی چند استراتژی (MMBO) را برای DKP پیشنهاد داد و دو استراتژی مؤثر ، جهش همسایگی با شلوغی و آشفتگی گاوسی ، در MMBO معرفی می شوند. فنگ و همکاران [9] الگوریتم پروانه پادشاهی (MBO) با 7 نوع استراتژی جهش تکامل دیفرانسیل [DE) [10) ترکیب شده و یک الگوریتم جدید DEMBO برای DKP توسعه داده است. با توجه به اهمیت حل DKP در کاربرد عملی و تحقیقات دانشگاهی ، لازم است الگوریتم جدیدی برای این مشکل دشوار اعمال شود.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.