先来看下整型组合优化问题,对于(图一)中的寻找最小点(红点)问题,用求导的方法不可取,用排序的方法就是NP问题,无法在多项式时间内找到最优解。

整型规划的凸松弛(Convex Relaxation in Integer Programming)

(图一)

遇到这种情况,可以采用松弛的方式来处理,首先把问题定义域X的范围从整型松弛到实值范围内,而且目标函数在整型定义域上小于或者等于原目标函数,如图二所示:

整型规划的凸松弛(Convex Relaxation in Integer Programming)

(图二)

此时可以用分析的方法(比如梯度下降等)来处理,但是仍然有个问题就是有可能陷入局部最小,解决陷入局部最小的办法就是让目标函数在定义域上是凸的,这样就不会陷入局部最小了(感觉像说了废话一样整型规划的凸松弛(Convex Relaxation in Integer Programming)),如(图三)所示:

整型规划的凸松弛(Convex Relaxation in Integer Programming)

(图三)

这样就可以直接通过分析的方法求出逼近解,然后化整就行了。

相关文章:

  • 2021-10-29
  • 2021-12-11
  • 2021-09-30
  • 2021-12-18
  • 2021-11-17
  • 2021-06-16
  • 2021-05-30
  • 2022-01-14
猜你喜欢
  • 2021-08-23
  • 2021-09-29
  • 2021-11-22
  • 2021-05-28
  • 2022-01-22
  • 2021-05-04
  • 2021-05-04
相关资源
相似解决方案