混合泳接力队的选拔的匈牙利算法

混合泳接力队的选拔

问题

某班准备从5名游泳员中选择人组成接力队，参加学校的4×100m混合泳接力比赛。5名队员4种泳姿的百米平均成绩如表6所示，问应如何选择队员组成接力对？

如果最近队员丁的蛙泳成绩有较大退步，只有1′15″2；而队员戊经过艰苦的训练自由泳成绩有所提高，达到57″5，组成接力队的方案是否应该调整？ 甲 乙 丙 丁 戊 蝶泳 1′06″8 57″2 1′18″ 1′10″ 1′07″4 仰泳 1′15″6 1′06″ 1′07″8 1′14″2 1′11″ 蛙泳 1′27″ 1′06″4 1′24″6 1′09″6 1′23″8 自由泳 58″6 53″ 59″4 57″2 1′02″4 表6 5名队员4种泳姿的百米平均成绩

问题分析

从5名队员中选出4名组成接力队，每人一种泳姿，且4人的泳姿各不相同，使接力队的成绩最好。容易想到的一个办法是穷举法，组成接力队的方案共5！=120种，逐一计算逼供内比较，即可以得到最优方案。显然这不是解决这类问题的好方法，随着问题规模的变大，穷举法的计算量是无法接受的。

可以用0-1变量表示一个队员是否入选接力对，从而建立这个问题的0-1规划模型，借助现成的数学软件求解。

模型的建立与

P108页答案

例1 混合泳接力队的选拔

问题 某班准备从5名游泳队员中选择4人组成接力队，参加学校的4×100m混合泳接力比赛。5名队员4种泳姿的百米平均成绩如表6所示，问应如何选拔队员组成接力队？ 如果最近队员丁的蛙泳成绩有较大退步，只有1’15’’2;而队员戊经过艰苦训练自由泳成绩有所进步,达到57’5,组成接力队的方案是否应该调整? 蝶泳 仰泳 蛙泳 自由泳 甲 1’06’’8 1’15’’6 1’27’’ 58’’6 乙 57’2 1’06’’ 1’06’’4 53’’ 丙 1’18’’ 1’07’’8 1’24’’6 59’’4 丁 1’10’’ 1’14’’2 1’09’’6 57’’2 戊 1’07’’4 1’11’’ 1’23’’8 1’02’’4 模型的建立 记甲乙丙丁戊分别为队员i=1,2,3,4,5;记蝶泳`仰泳`蛙泳`自由泳分别为泳姿j=1,2,3,4.记队员i的第j种泳姿的百米最好成绩为cij(s),即有 cij j=1 j=2 j=3 i=1 66.8 75.6 87 i=2 57.2 66 66.4 i=3 78 67.8 84.6 i=4 70 74.2 69.6 i=5 67.4 71 83

P108页答案

例1 混合泳接力队的选拔

问题 某班准备从5名游泳队员中选择4人组成接力队，参加学校的4×100m混合泳接力比赛。5名队员4种泳姿的百米平均成绩如表6所示，问应如何选拔队员组成接力队？ 如果最近队员丁的蛙泳成绩有较大退步，只有1’15’’2;而队员戊经过艰苦训练自由泳成绩有所进步,达到57’5,组成接力队的方案是否应该调整? 蝶泳 仰泳 蛙泳 自由泳 甲 1’06’’8 1’15’’6 1’27’’ 58’’6 乙 57’2 1’06’’ 1’06’’4 53’’ 丙 1’18’’ 1’07’’8 1’24’’6 59’’4 丁 1’10’’ 1’14’’2 1’09’’6 57’’2 戊 1’07’’4 1’11’’ 1’23’’8 1’02’’4 模型的建立 记甲乙丙丁戊分别为队员i=1,2,3,4,5;记蝶泳`仰泳`蛙泳`自由泳分别为泳姿j=1,2,3,4.记队员i的第j种泳姿的百米最好成绩为cij(s),即有 cij j=1 j=2 j=3 i=1 66.8 75.6 87 i=2 57.2 66 66.4 i=3 78 67.8 84.6 i=4 70 74.2 69.6 i=5 67.4 71 83

匈牙利算法及程序

匈牙利算法自然避不开Hall定理，即是：对于二部图G，存在一个匹配M，使得X的所有顶点关于M饱和的充要条件是：对于X的任意一个子集A，和A邻接的点集为T(A)，恒有： │T(A)│ >= │A│
匈牙利算法是基于Hall定理中充分性证明的思想，其基本步骤为：
1．任给初始匹配M；
2．若X已饱和则结束，否则进行第3步；
3．在X中找到一个非饱和顶点x0，作V1 ← {x0}, V2 ← Φ；
4．若T(V1) = V2则因为无法匹配而停止，否则任选一点y ∈T(V1)\V2；
5．若y已饱和则转6，否则做一条从x0 →y的可增广道路P，M←M?E(P)，转2；
6．由于y已饱和，所以M中有一条边(y,z)，作 V1 ← V1 ∪{z}, V2 ← V2 ∪ {y}， 转4；


设数组up[1..n] --- 标记二分图的上半部分的点。
down[1..n] --- 标记二分图的下半部分的点。
map[1..n，1..n] --- 表示二分图的上，下部分的点的关系。
True-相连， false---不相连。
over1[1..n]，over2[1..n] 标记上下部分的已盖点。
use[1..n，1..n] - 表示该条边

混合粒子群算法：基于模拟退火的算法

1. 算法原理

模拟退火算法在搜索过程中具有概率突跳的能力，能够有效地避免搜索过程中陷入局部极小解。模拟退火算法在退火过程中不但接受好的解，而且还以一定的概率接受差得解，同时这种概率受到温度参数的控制，其大小随温度的下降而减小。

2. 算法步骤

（1） 随机初始化种群中各微粒的位置和速度；

（2） 评价每个微粒的适应度，将当前各微子的位置和适应值存储在各微子的pi中，将所

有pbest的中适应最优个体的位置和适应值存储在pg中；

（3） 确定初始温度；

（4） 根据下式确定当前温度下各pi的适配值：

eN?(f(pi)?f(pg))/tTF(pi)?

?(f(pi)?f(pg))/t?ei?1（5） 采用轮盘赌策略从所有pi中确定全局最优的某个替代值pg?，然后根据下式更新各

微粒的速度和位置：

vi,j(t?1)???vi,j(t)?c1r1[pi,j?xi,j(t)]?c2r2[pg,j?xi,j(t)]?

xi,j(t?1)?xi,j(t)?vi,j(t?1),j?1,2,...d

??2?C?2C?4C2,C?c1?c2

（6） 计算各微粒新的目标值，更新各微粒的pi值及群体的pg值；

（7） 进行退温

数 混 合

.. 学 接 ..

建 队 模

拔

泳 力选 摘要

本文研究的是体育赛事中混合泳队员的选拔问题。结合运筹学中的指派问题及应用线性规划理论，我们建立0-1整数规划数学模型，运用MATLAB软件对模型进行求解，得出了较为科学的选拔方案。

为了从5名候选人中选出4名队员组成接力队，参加4×100米混合泳比赛，我们以5位候选人的平时游泳成绩的数据为基础，运用0-1整数规划建立相关的数学模型，求解出乙进行蝶泳→丙进行仰泳→丁进行蛙泳→甲进行自由泳的比赛方案。此比赛方案下的比赛最佳总得分为z=251.4s。

混合泳的比赛成绩除了和团队的配合及一些外部因素相关外，更与队员在不同时期内的比赛发挥相关。因此，当候选人的在成绩发生变化时，我们应依据具体情况，优化游泳队的选拔方案。

当然我们的模型也存在不足之处，在模型的改进中提出了改进方法。 关键字：混合泳队员选拔 指派问题 线性规划理论 0-1规划模型

.. ..

一、问题重述

现拟从5名候选人

混合背包问题的算法设计与分析

长江大学学报 (然科学版 ) 20年 3第 6第 1:理工自 09月卷期 J unl f agz nvri ( a S i dt ora o n t U ies y N t c E i Ma. 0 9 Y e t ) r2 0 .V 16No 1 c o. .:S i

Eg n

混合背包问题的算法设计与分析王苫社,张宏礼 (龙江八一大学文理学院数学系,黑农垦黑龙江大庆 13 39 6 1)黄体德 (东财政学院东方学山泰安 21o)山院,东 7oo [要]提出了一种更具有实际用处的混合背包问题,并建立了相应的数学模型,然后进行了算法设计以摘及复杂性分析,最后给出了程序主要代码,并利用计算机求解了实例问题,验证了所提出算法的有效性 .

[关键词]混合背包问题;动态规划算法;贪心算法;O1背包问题;背包问题 -[图分类号] T 3 1中 P 0[献标识码] A文

.

[章编号]17文 6 3—10 (0 9 1 N1 7 2 4 9 2 0 O一 1一O J

O1背包问题和背包问题是算法设计与分析领域经典的 NP难题【,在现实中有许多实际应用背景,一 1] 比如船舶的最优装载问题 _等,所以关于它们解法的研究一直是人们

指派问题的匈牙利解法 1、

把各行元素分别减去本行元素的最小值；然后在此基础上

再把每列元素减去本列中的最小值。

15 12??0 3 0 11 8??4 8 7 ?????7 9 17 14 10??0 1 7 7 3??6 9 12 8 7???0 2 3 2 1?????10??0 0 5 0 4??6 7 14 6

?6 9 12 10 6??0 2 3 4 0?????此时每行及每列中肯定都有0元素了。 2、

确定独立零元素，并作标记。

（1）、首先逐行判断是否有含有独立0元素的行，如果有，则按行继续处理；如没有，则要逐列判断是否有含有独立0元素的列，若有，则按列继续处理。若既没有含有独立0元素的行，也没有含有独立0元素的列，则仍然按行继续处理。 （2）在按行处理时，若某行有独立0元素，把该0元素标记为a，把该0所在的列中的其余0元素标记为b；否则，暂时越过本行，处理后面的行。把所有含有独立0元素的行处理完毕后，再回来处理含有2个以及2个以上的0元素的行：任选一个0做a标记，再把该0所在行中的其余0元素及所在列中的其余0元

匈牙利命名法

匈牙利命名法是一种编程时的命名规范。基本原则是：变量名＝属性＋类型＋对象描述，其中每一对象的名称都要求有明确含义，可以取对象名字全称或名字的一部分。命名要基于容易记忆容易理解的原则。保证名字的连贯性是非常重要的。

举例来说，表单的名称为form，那么在匈牙利命名法中可以简写为frm，则当表单变量名称为Switchboard时，变量全称应该为 frmSwitchboard。这样可以很容易从变量名看出Switchboard是一个表单，同样，如果此变量类型为标签，那么就应命名成 lblSwitchboard。可以看出，匈牙利命名法非常便于记忆，而且使变量名非常清晰易懂，这样，增强了代码的可读性，方便各程序员之间相互交流代码。 据说这种命名法是一位叫 Charles Simonyi 的匈牙利程序员发明的，后来他在微软呆了几年，于是这种命名法就通过微软的各种产品和文档资料向世界传播开了。现在，大部分程序员不管自己使用什么软件进行开发，或多或少都使用了这种命名法。这种命名法的出发点是把变量名按：属性+类型+对象描述的顺序组合起来，以使程序员作变量时对变量的类型和其它属性有直观的了解，下面是HN变量命名规范，其中也有一些是我个

基于改进遗传算法的混合车间调度问题研究

兰州理工大学

硕士学位论文

基于改进遗传算法的混合车间调度问题研究

姓名：冯亚岗

申请学位级别：硕士

专业：机械制造及其自动化

指导教师：芮执元;刘军

20090420

基于改进遗传算法的混合车间调度问题研究

硕｝ｊ学位论文

摘要

并行工程（ｃｏｎｃｕｒｒｅｎｔｅｎｇｉｎｅｅｒｉｎｇ，ＣＥ）、敏捷制造（ａｇｉｌｅｍａｎｕｆａｃｔｕｒｅ

．ｉｎｇ，ＡＭ）、虚拟制造（ｖｉｒｔｕａＩｍａｎｕｆａｃｔｕｒｉｎｇ，ＶＭ），网络化制造（ｎｅｔｍａｎｕｆａｃｔｕｒｉｎｇ，ＮＭ）等作为现代化企业主导的先进制造模式，其目的是要以最低的成本制造出顾客满意的产品。在这些制造模式下如何运用有限的资源，降低产品的生产成本，缩短产品的制造周期，保证按时交货，提高企业信誉，赢得更多客户，合理的调度方法与优化技术成为制约以上目标实现的关键因素，因而车间调度问题也越来越受到学者们的关注。

遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｉｒｔｈｍ，ＧＡ）是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法，因其对优化模型的依耐性不强、求解问题的简单性和鲁棒性等特点被广泛应用于制造业的各个领域。本文在对遗传算法进行改进的基础上，围绕混合车间的调度问题进行了研究。

本文主要作了如下工作