1

我有 61 个工作，我想在一些限制条件下最大化他们的 delay_savings。

当我运行算法时，结果如下：

 job                  delay_savings  
1.job.................20 min.
2.job.................13 min.
3.job.................5 min.
 ......
59.job.................10 min.
60.job................. 30 min.
61.job................. 40 min.

这是算法的初始解。之后我应该如何继续算法？我的意思是我将如何以及在何处使用此结果来获得更好的 SA 解决方案？

你能给我写一个伪代码吗，你可以在你的伪代码建议中将上面的算法定义为“initial_algorithm”。我绝对无法将其修改为模拟退火并构成邻居以让步SA算法以逐渐达到更好的结果。

我是随机制作的，但它离 SA 过程逻辑有点远。所以，我在这里:)

Edit1：我使用这个算法：

initial = getnewSolution()
previousSolution = initial
calculate previousCost

simulatedAnnealing()
        currentSolution = getnewSolution()  
        calculate cost
        
        compare cost vs previous
        if acceptable bestsofar <-- currentSolution
        else
        exponential check
       end
end

我在每次迭代中生成 currentSolution 重新运行 getnewSolution，它不会进入任何东西，随机工作。我知道这是本地搜索的问题。然而，它接近 GAMS/Cplex 结果的 80%。

但是，随机性并不意味着逐渐改善。那么，如何使用第一个算法结果来获得更好的 SA 解决方案？

我尝试选择 30 个工作并确定他们的 delay_savings 在约束条件下可能发生变化的下限和上限。我将在每次迭代到 SA 中时为它提供邻居算法。它是否提供了邻居解决方案，还是我错过了关于模拟退火过程的一些内容？

4

0 回答 0