注:改文章转载自知乎链接:https://zhuanlan.zhihu.com/p/405859225
参考文献:Fischetti, M., & Lodi, A. (2003). Local branching. Mathematical programming, 98(1), 23-47.
与local search思想相近,都是基于邻域的思想来进行搜索。
算法流程
-
寻找一个可行初始解x1
-
按新解与x1的距离进行分支,左分支距离小于等于k,右分支距离大于k
-
优先求解左分支,只要左分支改进了当前最优解,就对右分支继续分支(注意右分支并不求解)
-
当左分支不能改进当前最优解,求解右分支,算法结束。
评价
这个算法对k的选择很严格,若太小,则左分支很可能找不到一个改进解;若太大,则左分支仍然会求解很慢。
文中好像没提到,对于步骤4,求解右分支,有两种思路:
可以递归的调用自身。即,把右分支的问题当成原始问题,从步骤1开始求解。
继续按x3分支,分为
和
算法改进
由于算法对k值很敏感,所以考虑动态调节这个值。
首先对每次左节点求解限时TL,如果超时没有求得最优解,则考虑两种情况
1> 当前最优解被提升,则回溯到父节点,按提升后的解重新分支,如下图中的节点4 case
2> 当前最优解未得到提升,进一步缩小节点可行域,再搜索。比如,令k:=floor(k/2),如下图中的节点4 case
另外,如果左分支搜索完了,但没有改进解,可扩大左分支的可行域,例如将k放大一些。