集合最大子集算法_干货|变邻域搜索(VNS)算法求解Max-Mean Dispersion Problem（附代码）...

本文发布于公众号【数据魔术师】同名文章，欢迎给我们留言、私信进行交流

Part1.Max-Mean Dispersion Problem

对MDP和MMDP还是一头雾水？不要着急，今天就和笔者一起解决这三个问题—

什么是MDP和MMDP?

它们有什么用?

怎样解决这两个问题?

1.1.Maximum Diversity Problem

要讨论Max-Mean Dispersion Problem,就要首先了解Maximum Diversity Problem (MDP) 。

MDP是一种用来度量元素中差异的问题，通俗来讲，就是要从一个集合中选择一个子集合，使得子集合中的元素差异最大化。

举个例子，对于生态系统的平衡问题，生态系统的存续与否就在于多样性。假如我们拥有任意两个生物之间的差异值，通过找到具有最大多样性的子集，我们就能方便地建立起可行的生态系统。

又比如说在农业育种中，往往需要在子代中挑选出具有理想多样性的种群，问题就又归结到了在子代中找到最大差异化个体的问题上了。

文章开头的表情包，其实质也是一个MDP。在风险投资中，往往要通过找到差异最大的几个市场来进行投资，避免牵一发而动全身的情况。

例子都是多样性在生活中发挥作用的表现，那么我们应该如何最大化这种多样性呢？这就是MDP要解决的问题了。

更多的应用见下图的描述：

1.2.MDP的数学描述

考虑一个元素的集合

,索引集

。每个元素包含着

个属性，我们可以将一个元素用向量表示。我们的目标就是从

个元素中选择

个元素，最大化所选择的元素的多样性。为了度量元素之间的多样性，我们定义值

来代表元素

之间的距离。这个距离有多种算法，如欧几里得距离，曼哈顿距离等。在这里我们使用最为常用的欧几里得距离:

由此，我们可以定义一组元素的多样性为：

根据这些约定，我们可以通过引入0-1变量的方法，将问题表达为：

1.3. Max-Mean Dispersion Problem

有了对MDP问题的认识，下面我们来看看MMDP。

和MDP要最大化子集的多样性不同，MMDP问题需要最大化子集多样性的平均值。在这里值得注意的一点是，MDP中子集的大小是固定的，是问题给出的。而MMDP中，子集数量的多少需要自己确定。当子集数量确定后，MMDP就转化为了MDP。

还是有些云里雾里？更通俗的讲，假如说问题是在10个人中挑出差异最大的5个人，这自然是一个MDP&#x