이 질문에 대한 답을 찾기 위해 노력했지만 포괄적 인 내용을 찾을 수 없습니다. 나는 이진 정수 프로그래밍 문제,보다 구체적으로 집합 패킹, 집합 파티셔닝 및 집합 커버 문제에 대한 초기 실행 가능한 솔루션을 생성하기위한 알고리즘이나 경험적 발견 방법을 찾고있다.이진 정수 프로그래밍에서의 경험적 발견 방법
하나의 솔루션 표현으로 다음과 같은 진 정수 프로그래밍 문제
Minimize ax_1 + bx_2 + cx_3
Subject to x_1 + x_2 <= 2
3x_1 + 3x_2 >= 6
x_2 + 2x_3 = 2
이있는 경우
[x_1, x_2, x_3]
곳 x_i로부터 = 0 또는 1을 구성하려고 갈 것 어떻게 그런
1 이 문제에 대한 초기 가능한 해결책. 문제가 수천 개의 변수와 제약으로 구성되어있을 때 가능한 모든 솔루션을 검토하는 것은 명백하게 작동하지 않습니다.
여기서의 목표는 로컬 미니 마를 얻기 위해 로컬 검색을 수행 한 다음 메타 휴학을 적용 할 수있는 초기 실현 가능성을 구성하는 것입니다.
감사합니다. 저는이 문제를 TSP에 대한 초기 솔루션을 찾는 것과 비교하고 있다고 생각합니다. 여기서 임의의 순열 또는 가장 가까운 이웃 알고리즘을 사용할 수 있습니다. 그러나 여기서는 실행 불가능한 솔루션 일 수 있으므로 무작위 초기 솔루션을 사용할 수 없습니다. – user308225
@ user308225 당신 말이 맞아요. TSP는 타당성이 문제가되지 않는 어려운 문제의 아주 좋은 예입니다. – sascha
좋은 코멘트. 나는 또한 문제의 구조에 대한 지식과 각 단계에서의 좋은 선택에 기초한 초기 솔루션을 얻기 위해 다른 문제에서 단순한 탐욕스러운 발견 적 방법을 사용했다. 일부 문제는이 작업을 상대적으로 쉽게 만들어 주지만, 다른 문제는 실현 가능성이있는 솔루션을 생성하는 것조차 어렵습니다. 그럼에도 불구하고 일부 상용 솔루션은 부분 초기 솔루션을 시작점으로 사용할 수 있습니다. – TimChippingtonDerrick