项目名称: 启发式算法设计中的骨架分析与应用

项目编号: No.60805024

项目类型: 青年科学基金项目

立项/批准年度: 2009

项目学科: 轻工业、手工业

项目作者: 江贺

作者单位: 大连理工大学

项目金额: 19万元

中文摘要: 骨架是描述NP-难解问题特征的强有力手段。基于骨架的启发式算法具有简单灵活、易于实现、性能提升显著等优点。故此,骨架成为启发式算法研究的前沿热点。目前骨架研究还存在众多问题:缺少计算复杂性分析,难以逼近骨架、难以应对小规模骨架实例。针对上述问题,本课题围绕骨架研究进行探索:1)理论基础:骨架的多尺度计算复杂性分析,分析了典型NP-难解问题(包括QAP问题,p-Median问题等)的完整骨架和部分骨架的计算复杂性;2)应用基础:骨架的高效逼近,通过多种不同途径来近似全局最优解以获取高纯度近似骨架;3)骨架应用:小规模骨架实例的启发式算法设计,通过提高骨架规模以提升基于骨架的启发式算法性能。课题组在IEEE Trans. on Soft. Eng., Evol. Comput., Knowl. Based Syst., 中国科学等国内外顶级杂志和GECCO、PPSN等本领域著名会议先后录用、发表论文21篇,其中SCI检索论文5篇,EI检索论文16篇,ISTP检索论文2篇。获得2010年国际演化计算大会(GECCO)元启发式算法领域最佳论文提名和2009年度辽宁省自然科学学术成果奖一等奖。

中文关键词: 启发式算法;骨架分析;组合优化;搜索空间;地貌分析

英文摘要: The backbone is an efficient tool to characterize NP-hard problems. Heuristic Algorithms based on the backbone are usually simple, easy to realize, and achieve dramatic improvement in terms of performance. However, there still exist a lot of problems to be solved in research of the backbone. As for theoretic aspect, few results on computational complexity have been reported yet. In applications, it is hard to approximate the backbone and to tackle instances with small backbones. Aiming to tackle the above problems, this project investigates in the following ways: 1) theoretical foundation, including computational complexity with multiple scales, which focuses on the computational complexity to obtain either full or part of the backbone for typical NP-hard problems (e.g., QAP and p-Median); 2) application foundation, including effectively approximating the backbone in such a way that we approximate global optimal solutions through distinct ways; 3) applications, including heuristic algorithms for instances with small backbone, which improve the performance of heuristic algorithms by enlarging the backbone size. Under the support of this NSFC grant, 21 papers have been accepted or published on top journals and conferences, including IEEE Transactions on Software Engineering, Evolutionary Computation, Knowledge Based Systems, Science in China (English version), GECCO and PPSN. Out of these papers, 5 papers are SCI-indexed, 16 papers are EI-indexed, and 2 papers are ISTP-indexed. One paper of our NSFC grant is nominated for the Best Paper awards in the meta-heuristics track of GECCO 2010. Our research result also achieves the natural science academic prize of LiaoNing Province in 2009.

英文关键词: Heuristic Algorithms; Backbone Analysis; Combinatorial Optimization; Search Space; Fitness Landscape Analysis

成为VIP会员查看完整内容
0

相关内容

启发式算法(heuristic algorithm)是相对于最优化算法提出的。一个问题的最优算法求得该问题每个实例的最优解。启发式算法可以这样定义:一个基于直观或经验构造的算法,在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每一个实例的一个可行解,该可行解与最优解的偏离程度一般不能被预计。现阶段,启发式算法以仿自然体算法为主,主要有蚁群算法、模拟退火法、神经网络等。
数字孪生模型构建理论及应用
专知会员服务
221+阅读 · 2022年4月19日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
51+阅读 · 2021年5月30日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
35+阅读 · 2021年5月10日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
86+阅读 · 2020年8月2日
类脑超大规模深度神经网络系统
专知
2+阅读 · 2022年1月21日
【动态】第五期可视化与可视分析国际学术报告成功举办
中国图象图形学学会CSIG
0+阅读 · 2021年11月23日
基于深度学习的缺陷检测算法汇总
极市平台
19+阅读 · 2020年7月10日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
221+阅读 · 2022年4月19日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
51+阅读 · 2021年5月30日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
35+阅读 · 2021年5月10日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
86+阅读 · 2020年8月2日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员