智能优化方法是一类类似于启发式方法的新型算法,己经成功地解决了多种优化问题。 LPO2506I-474LC组合优化问题涉及找到一组离散变量的值,使得所给定的目标函数的解达到最优。从形式化的角度来说,组合优化问题表示为一个三元组(s,/,Ω),S是候选集的集合,r是目标函数,对于每一个候选集都对应着一个目标函数值,夕是约束条件的集合。集合中满足约束条件夕的解称为可行解,优化的目标就是找出 个全局最优的可行解。求最小值的问题就是要找出一个具有最小目标函数值的解s汴∈s,即一个对于所有),而求最大值的问题就是要找出一个具有最大目标函数值的解,即一个对于所有。

   组合优化问题的求解方法有两种:精确算法和近似算法。精确算法可以保证找到问题的最优解,事实证明对于任何规模有限的组合优化问题,算法都可以在一个与问题有关的运行时间内得到最优解。对于NP-llard问题,精确算法在最差情况下需要指数级的时间来

寻找最优解,导致算法在问题规模变得较大时就不再可行。

   如果在实际应用中不能有效地得到最优解,唯一可行的方法就是降低最优值的精度来换取计算效率的提高。即为了在多项式时问内求得比较好的解,可以以牺牲找到最优解作为代价。近似算法在非严格定义下称为启发式方法,是寻求在相对较低的计算成本下,找到好的或接近最优解的解答,但是算法并不保证一定能够找到最优解。