[发明专利]一种用于大规模工业化实例的局部搜索方法

说明书

技术领域

本发明涉及计算机领域，特别涉及一种用于大规模工业实例的局部搜索方法。

背景技术

在人们的日常工作生活中，许多实际问题都可以利用建模来解决，最大可满足性(Maximum Satisfiability，MAX-SAT)问题，作为一种经典的NP难解(NP-Hard)问题，因其优秀的命题逻辑和强大的建模能力，在大量的工业生产和社会生活中有着重要的实际应用。例如组合拍卖问题，对若干拍卖对象，竞拍者给出各自的价格，在满足一个拍卖对象智能卖给一个竞拍者的条件下，求解拍卖者可获取的最大销售额。

随机局部搜索(Stochastic Local Search，SLS)方法是一种重要的求解MAX-SAT问题的非完备性方法，近几年还提出了一种结合了格局检测(Configuration Checking，CC)方法的SLS方法(以下简称CCLS方法)，该方法在变量规模相对较少的随机实例(Random Instances)以及难解模型生成的实例(Crafted Instances)上表现突出。但随着科学技术的发展，实际问题中涉及的数据量越来越大，上述方法越来越无法满足快速求解由实际问题转化的具有大规模候选变量的工业化实例(Industrial Instances)的需求，例如大规模的工业生产调度问题和超大规模集成电路测试问题等。

因此，需要一种能够快速求解大规模工业化实例的局部搜索方法。

发明内容

本发明提供一种用于大规模工业化实例的局部搜索方法，包括以下步骤：

步骤1)、将实际问题转化为合取范式，并为所述合取范式中所有变量进行初始随机赋值；

步骤2)、从所述步骤1)获得的合取范式中的所有变量组成的候选变量合集中挑选出参数k个变量，其中，参数k是大于0的正整数；

步骤3)、从所述步骤2)挑选出的参数k个变量中选择一个变量作为翻转变量获得新的解；

步骤4)、如果所述步骤3)中获得的所述解优于当前解，则将所述解作为最优解替换当前解，否则重复所述步骤2)和所述步骤3)直到获得最优解。

优选的，所述步骤1)还包括计算所述合取范式中每个变量被翻转后的评价得分；所述步骤2)还包括根据所述评价得分从所述候选变量合集中挑选出k个变量。

优选的，所述步骤2)中挑选出的k个变量是从所述候选变量合集中挑选出的翻转之后可将未满足子句变成满足子句的变量；或者

所述步骤2)中挑选出的k个变量是从包含已被翻转变量的子句中挑选出的除所述已被翻转变量之外的其它变量。

优选的，所述步骤4)进一步包括：当重复所述步骤2)和所述步骤3)r次后，调整所述参数k的取值，继续重复所述步骤2)和所述步骤3)直到获得最优解，其中，r是预设的正整数值。

优选的，所述步骤4)进一步包括：每次调整所述参数k的取值时为所述参数k增加一定值。

优选的，所述步骤1)进一步包括：为参数k预设一个最大值；所述步骤4)进一步包括，当调整所述参数k直到大于或等于所述预设的最大值时，可针对所述候选变量合集中的所有变量进行遍历，直到获得最优解。

优选的，所述步骤1)进一步包括设定用于调整权重的阈值P；所述步骤2)进一步包括：在从所述候选变量合集中挑选出参数k个变量之前，随机生成一个变量a，若所述变量a小于所述阈值P，则所述候选变量合集中随机选取一个变量并翻转，从而获得新的解并替换当前解，并且重新生成一个新的所述变量a与所述阈值P进行比较。

优选的，所述步骤2)进一步包括：若所述变量a大于所述阈值P，则从所述候选变量合集中挑选出参数k个变量，并继续执行所述步骤3)和所述步骤4)。

根据本发明的另一个方面，还提供一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器运行所述程序时执行上述的步骤。

根据本发明的另一个方面，还提供一种计算机可读存储介质，包括存储在所述可读存储介质上的计算机程序，其中，所述程序执行上述的步骤。

相对于现有技术，本发明取得了如下有益技术效果：本发明提供的用于大规模工业化实例的局部搜索方法，采用了从大规模候选变量集合中随机挑选若干候选变量进行进一步筛选的启发式方法，降低了CCLS的单步迭代的时间复杂度，缩小了时间开销；同时，本发明提供的方法能够根据求解环境自适应地调整参数的取值，使得在求解特定的大规模工业化实例时能够显著提升性能。

附图说明