运筹学随笔

模拟退火算法(SA)
步骤：
1.初始化温度T(充分大)，温度下限Tmin(充分小)，初始解X，每个T值迭代次数L
2.随机生成临域解x_new;
3.设f(x)函数来计算用来计算解得好坏，计算出f(x_new)-f(x);
4.如果f(x_new)-f(x)>0，说明新解比原来的解好，则无条件接受，如果f(x_new)-f(x)<0，则说明旧解比新解好，则以概率exp((f(xnew)-f(x))/kT)接受x_new作为解。
5.如果当前温度<Tmin时，则退出循环，输出当前结果，否则减少当前温度，回到第2步继续循环，常用的降温方法为T= aT (0<a<1)，一般a取接近1的值

遗传算法(GA)
遗传算法步骤
(1)对潜在问题进行编码，初始化基因组，并根据基因组随机初始化种群，并指定繁衍代数。
(2)计算种群中每个个体的适应度，选择一定数目的留下，其余淘汰。
(3)在留下的个体中，随机繁衍，对分母基因进行交叉（极小概率变异），产生下一代。
(4)回到第2步进行循环。直到达到指定的繁衍代数

蚁群算法步骤
a.初始化蚂蚁数量、可行路段、每条路段距离、每条路段的初始信息素大小等信息
b.设定蚂蚁的起点、终点。
c.蚂蚁从起点出发根据信息素浓度，有一定的概率性选择路段，浓度越高，概率越大，逐步回到终点。
d.在蚂蚁走过的路径上，根据每条路段的长度按比例释放信息素，短的路段释放的信息素多，长的路段释放的信息素少。
e.对所有路段的信息素进行挥发。
f.回到第二步进行循环，直到蚂蚁数量迭代完。

单纯形法的思想就是从一个顶点出发，连续访问不同的顶点，在每一个顶点处检查是否有相邻的其他顶点取到更优的目标函数值 ( 非人类方法: O(nlog(n)) )

Benders分解 (Benders Decomposition.)
使用 子问题 (primal problem) 来寻找合适的约束, 不断添加约束到松弛主问题 (relaxed master problem) 中。子问题可以给上界（UB），松弛主问题可以给下界（LB），不断迭代就可以逐步找到最优解

分支定界算法始终围绕着一颗搜索树进行的，我们将原问题看作搜索树的根节点，从这里出发，分支的含义就是将大的问题分割成小的问题。大问题可以看成是搜索树的父节点，那么从大问题分割出来的小问题就是父节点的子节点了。分支的过程就是不断给树增加子节点的过程。而定界就是在分支的过程中检查子问题的上下界，如果子问题不能产生一比当前最优解还要优的解，那么砍掉这一支。直到所有子问题都不能产生一个更优的解时，算法结束。