1) multi-knapsack problem
多背包问题
1.
Hybrid genetic algorithm for multi-knapsack problem
求解多背包问题的混合遗传算法
2) Multi-constraint Knapsack problem
多约束背包问题
3) multidimensional knapsack problem
多维背包问题
1.
Binary ant system for multidimensional knapsack problem
多维背包问题的二进制蚂蚁算法
2.
Recently,some researchers have proposed several different ACO algorithms to solve the multidimensional knapsack problem(MKP),which is an NP-hard combinatorial optimization problem.
近年来,已提出几个ACO算法求解多维背包问题(MKP)。
3.
The multidimensional knapsack problem (MKP) is a classical combinatorial optimization problem, whose goal is to find a subset of objects that maximizes the total profit while satisfying some resource constraints.
针对蚁群算法在求解大规模多维背包问题时存在的迭代次数过多、精度不高的不足,提出一种新的高性能的蚁群求解算法。
4) multiple-choice knapsack problem
多选择背包问题
1.
Then, advanced a modified differential evolution algorithm (MDEA) for multiple-choice knapsack problem (MCKP) over discrete space, which use individual positive coding method and combine with the subtle adjusting strategy of non-normal coding through newly defining three basic operations of differential operator(DO) in DEA.
首先将差分演化算法(DEA)的演化机制归结为差异算子(DO)和选择算子(SO)的作用,然后基于离散域上的多选择背包问题(MCKP),通过重新定义DEA算法的差异算子中的三种基本运算,并采用个体正整数编码方法和处理非正常编码的快速微调策略,提出了一种求解MCKP问题的改进差分演化算法(MDEA),第一次将DEA用于求解组合最优化问题。
5) multi-objective knapsack problem
多目标背包问题
1.
Simulation results on three type of multi-objective problems,includes standard multi-objective mathematic test problem, multi-objective knapsack problem and multi-objective integrated steel production order planning,show that IPNSGA-Ⅱis able to find better spread of solutions and has higher coverage than NSGAII on multi-objective integer programming combination optimization problem.
标准多目标数学测试问题、多目标背包问题和多目标钢铁一体化生产合同计划问题的仿真结果表明,IPNSGA-Ⅱ算法在求解整数规划的多目标组合优化问题时,可以获得很高的覆盖度和1较好的分布多样性。
6) knapsack problem
背包问题
1.
Solving multidimensional 0-1 knapsack problem by hybrid particle swarm optimization algorithm;
混合粒子群算法求解多维背包问题
2.
An improved particle swarm optimization algorithm for knapsack problems;
一种改进的粒子群算法求解背包问题
3.
Modified particle swarm optimization algorithm for knapsack problem;
改进的粒子群算法求解背包问题
补充资料：有约束多变量预测控制
分子式：
CAS号：
性质：预测控制中无论是单变量还是多变量情况，都没有考虑系统中存在的约束。然而在实际工业过程中，系统的输出量和控制量都应约束在一定范围内。因此，在多变量预测控制每一时刻的优化将涉及到各控制量在未来M个时刻的增量以及各输出量在未来P个时刻的预测值均应满足约束条件。它的优化控制可归结为具有二次型性能指标且带有线性等式和不等式约束的二次规划问题。二次规划动态矩阵控制(QDMC)就是有约束多变量预测控制的一种有效求解方法。
CAS号：
性质：预测控制中无论是单变量还是多变量情况，都没有考虑系统中存在的约束。然而在实际工业过程中，系统的输出量和控制量都应约束在一定范围内。因此，在多变量预测控制每一时刻的优化将涉及到各控制量在未来M个时刻的增量以及各输出量在未来P个时刻的预测值均应满足约束条件。它的优化控制可归结为具有二次型性能指标且带有线性等式和不等式约束的二次规划问题。二次规划动态矩阵控制(QDMC)就是有约束多变量预测控制的一种有效求解方法。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条