算法 - 启发式算法的实现概念及性能分析

1 表示/编码

编码的表示代表，编码对算法的效率至关重要，其必须满足连通性原理才能为元启发式算法所用，为的是保证任意两解之间都存在一条搜索路径，尤其是对最优解来说更是如此。

常见的编码：

• 二进制编码：解可表示为一个n位二值符号集，其搜索空间大小是$2^n$
• 离散编码：变量的值不再局限于0和1，而是离散值
• 实值编码：变量拥有真实的值
• 排列编码：解可以表示为一个大小为n的排列，其搜索空间大小是$(n-1)!$
• 基于图的编码

2 约束的满足

• 仅考虑可行解
• 惩罚不可行解：实际上对于不可行解的考虑会使得算法移向搜索空间中的其他区域，使得到的解更为多元化
• 修正不可行解

3 优化标准/目标函数

$$f：D\to R$$
目标函数的构建必须非常仔细，因为如果目标函数定义不当，即使开发出有效的优化方法也是徒劳的。

值得注意的是，确定单个优化标准通常很难，很多实际问题本质上是多目标问题

4 性能分析

元启发式算法是随机方法，其性能分析应格外仔细。在保证公平的前提下，需要对几种元启发式算法进行对比。

$step1：$实验设计，要明确实验目标（解对质量、计算时间、顽健性等）和使用的基准（构建实际基准、随机基准、学术基准等以便获取最优解等先验知识）

$step2：$确定性能测量和指标（两者会直接关系到实验目标），便于计算

• 解的质量评估：若最优解已知，则评估计算所得解与最优解的质量差；若最优解未知，则可利用上下限来计算

  注意，比较的是解的质量，而不是目标函数值的质量

• 顽健性的评估：同种方法运行若干次所产生的解的质量的变异性，运用统计检验方法来评估所得结果是否可信

---

参考书籍《大数据元启发式算法教程》