[发明专利]一种求解最小集合覆盖问题近似解的组合优化方法

权利要求书

1.一种求解最小集合覆盖问题近似解的组合优化方法，其特征在于：包括如下步骤：

步骤（1），根据给出的最小集合覆盖问题，设置算法SEIP的参数；

步骤（2），运行SEIP算法，获得一个布尔向量解；

步骤（3），将布尔向量解码为对应的集合；

步骤（4），结束。

2.如权利要求1所述的求解最小集合覆盖问题近似解的组合优化方法，其特征在于：所述算法SEIP的参数包括：元素的个数n，集合的个数m，集合的权值向量w，以及设置用户期望的算法运行步数T；其中集合的权值向量w的设置如下：令最小集合覆盖问题给出的集合按照任意顺序排列为S₁,S₂,...,S_m，令w(S)表示集合S的权值，则集合的权值向量w为长度为m的实值向量，对于所有的i=1,2,...,m，都有w[i]=w(Si)。

3.如权利要求1所述的求解最小集合覆盖问题近似解的组合优化方法，其特征在于：所述步骤（2）中，使用布尔向量表示一个解时，向量的第i个元素值为1时表示集合S_i包含在这个解中、为0则表示不包含。

4.如权利要求2所述的求解最小集合覆盖问题近似解的组合优化方法，其特征在于：所述算法SEIP的流程为：首先分配n+1个布尔向量的空间I，该空间在初始化后，空间I中的值均为空，然后将0向量放入I[0]空间中，循环计数器t置0；其中SEIP算法的主体是一个循环，循环结束的条件是I[n]空间中的值不为空，并且循环数量达到预设值T，否则继续执行循环；当循环结束时，输出I[n]中的布尔向量；

所述算法SEIP的每一次循环，从空间I中随机的选取一个非空的空间，并复制该空间中存储的向量为x；当第一次执行循环时，只有I[0]为非空，因此这时取出的向量为初始化时放入的0向量；

然后对x执行“变异”操作：对x的每一位，独立地获取一个(0,1)区间的随机变量r，如果r<1/m，则翻转该位上的值，否则保持该位的值不变；计算出“变异”后的x的隔离值u和适应值f(x)；

考察I[u]空间，如果该空间为空，则将x放入I[u]空间；如果该空间中的向量的适应值不大于f(x)，则使用x替换掉I[u]空间中的向量；其他情况则不做处理。