Główne pojęcia
0-1 knapsack 문제에 대한 새로운 축소 방법과 개선된 돌연변이 연산자(IMO)를 제안하고, IMO의 돌연변이 확률 상한을 계산하며, 문제 크기가 증가해도 돌연변이 확률이 0으로 수렴하지 않는 사례를 구축한다.
Streszczenie
이 논문은 0-1 knapsack 문제에 대한 새로운 축소 방법과 개선된 돌연변이 연산자(IMO)를 제안한다.
먼저 기존의 축소 방법에 Dey et al.의 접근법을 결합하여 0-1 knapsack 문제를 해결한다. 이를 통해 각 색상 영역에 포함된 항목의 최소 또는 최대 개수를 결정할 수 있다.
다음으로 IMO를 제안하고, 0-1 knapsack 문제에서 돌연변이 확률의 상한을 계산한다. 이를 통해 문제 크기가 증가해도 돌연변이 확률이 0으로 수렴하지 않는 사례를 구축한다.
마지막으로 IMO와 기존 돌연변이 연산자(MO)의 성능을 비교 분석한다. 대규모 문제 인스턴스에서 IMO가 MO보다 우수한 성능을 보임을 입증한다.
Statystyki
최적 해에 포함되지 않는 항목의 수는 다음 부등식을 만족한다:
n
X
j=1
1 - xj
hj
≤ 1
최적 해에 포함되는 항목의 수는 다음 부등식을 만족한다:
n
X
j=1
xj
lj
≤ 1
Cytaty
"If NP ≠ P, for a general instance of the 0-1 KP, there are items whose selection in the optimal solution cannot be determined without exhaustively enumerating all feasible solutions."
"Coincidentally, in the 1960s, Holland proposed a genetic algorithm(GA) [14] that simulates biological evolution, consisting of selection, crossover, and mutation operators, primarily used to search the binary solution space."