Question

所以我最近对算法非常着迷。我最近实施了一个蚁群优化算法来解决TSP（非常有趣）。现在我一直在关注其他问题＆＃34;解决。现在我想实现一个算法来解决涉及满足百分比要求的问题，并且低于任意限制。

例如：

用户输入：

1）限制 -i.e.可用的能量。

2）＆＃34;染色体＆＃34;类型 -i.e.蓝色（亚型 - 靛蓝等），红色（亚型 - 栗色等），黄色（亚型 - 浅黄色等） - 像blue这样的主要属性有一个＆＃34; pool＆＃34;选择哪种不同的亚型，如靛蓝，浅蓝，海蓝等。 - 每种子类型的颜色都有不同的成本。

3）＆＃34;理想＆＃34;所需类型的百分比。解决方案（可以引入+/-％以允许更多种类）。 -i.e. 10％红色，30％蓝色，60％黄色。

输出：

1）可能的最终解决方案满足两个要求，低于 - 但接近 - 所需成本并满足超类型的百分比要求。

所以举个例子。

这是一个非常简单的例子，显然它在现实中比这更复杂。

用户指定的费用应如下 95＆lt; = cost＆lt; = 105。

用户选择25％蓝色，25％黄色，50％红色。偏差+/- 5％

每种颜色的可用池

蓝：靛蓝：成本= 25; 海蓝：成本= 30; 海军蓝：成本= 75;

黄色： 浅黄色：成本= 20; 深黄色：成本= 30; 超级深黄色（lol）：成本= 75;

红色： 栗色：成本= 20; 血红色：成本= 45; 鲜红色：成本= 55;

因此算法将运行并返回不同的组合。

组合1：靛蓝，深黄色，血红色：成本= 100：蓝色= 25％，黄色= 30％，红色= 55％。

组合2：海蓝色，浅黄色，血红色：成本= 105：蓝色= ~30％，黄色= ~20％，红色= ~50％

组合3：等等。

编辑：第二次修改

输出将包含多组不同的组合。

例如，一个解决方案可能包含以下组合：

一个解决方案将由此表示：

组合1：成本= 20; 50％蓝色，25％黄色，25％红色;

组合2：成本= 30; 10％蓝色，50％黄色，40％红色;

组合3：成本= 50; 25％蓝色，25％黄色，50％红色;

解决方案：=（组合1，组合2，组合3）总成本= 100，它由x％蓝色，y％黄色，z％红色组成;

将解决方案与需求进行比较，如果关闭则保留它，如果不丢弃它。

结束编辑

所以我的问题是。我知道遗传算法会起作用。但ACO的实施也会起作用吗？例如，蓝色，黄色和红色等于＆＃34;位置＆＃34;，那么它们的子类型将代表不同的＆＃34;道路＆＃34;。

只是想知道什么是更有效的解决方案，或者可能完全是一些不同的算法。我对这些东西很陌生，并且在一周前开始阅读它。

编辑：首先修改

我想指明我想拥有5个不错的独特解决方案（5个是任意数字，可能是3个，可能是20个）。

Answer 1

你的颜色问题对我来说似乎很微不足道，即使蛮力也会很快，我想..所以你的蚁群很可能也能解决它：）

Answer 2

我在ACO的代表处看到的唯一问题是+/- X％。

每种颜色的固定百分比，您可以按照说法继续操作：

蓝色黄色和红色是位置不同的子类型代表道路，其重量取决于成本和所需的资源。

然后你就像TSP一样应用你的AOC方法，但改变一下蚂蚁的移动方式：

仅当信息素满足约束条件时才将信息素添加到一条路径中成本
选择最接近“最佳长度”的路径长度= N％最优的成本（在上面的例子中，对于黄色路径，一个最接近25％* 95）

如果您想添加浮动百分比约束，请执行以下操作：

让我们说你最好的代价是：

Cost = X1*light yellow +X2*sea blue+X3*blood red for example.

如果此成本不是最优的，您可以使用X1 X2和X3上的一些小尺寸，以优化您的成本：

例如X1-e和X2 + e会将您的费用更改为e*(costseablue-costLightYellow)

例如，给定一个小epsilon，对于每对Xi，Xj使得costi<costj（与i和j链接的颜色的成本）你可以尝试将epsilon添加到Xi并从Xj中删除它直到你不能提高Xi，Xj所有夫妇的费用。

Answer 3

如果您的图表满足三角不等式，我建议您尝试使用最小生成树和完美权重非二分匹配算法。 Christofides等。保证您在最佳状态的3/2范围内获得解决方案。 AOC可以为您提供良好而快速的结果，但您必须针对许多问题对其进行优化。我在php（phpclasses.org）中写了一个Christofides算法。欢迎您试用。我不确定它是否正常工作。它有时会产生奇怪的结果。这可能是我对Fleury算法的实现？

基于百分比问题的蚁群优化算法或遗传算法

3 个答案: