دانلود مقاله ISI انگلیسی شماره 79753
ترجمه فارسی عنوان مقاله

یک الگوریتم برنامه ریزی برنامه ریزی پویا برای حل مسئله حلقه عددی دوتایی

عنوان انگلیسی
A reduction dynamic programming algorithm for the bi-objective integer knapsack problem
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
79753 2013 15 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : European Journal of Operational Research, Volume 231, Issue 2, 1 December 2013, Pages 299–313

ترجمه چکیده
این مقاله یک الگوریتم برنامه ریزی پویایی برای کاهش تولید حالت دقیق مرز پارتو را برای حل مسئله حلقوی عددی دوبعدی ارائه می دهد. الگوریتم برای پاسخ به یک مشکل کاهش یافته ساخته شده است که پس از استفاده از تکنیک های ثابت بر اساس مفهوم هسته طراحی شده است. اول، با حذف اقلام غالب، یک هسته تقریبی به دست می آید. دوم، اقلام موجود در هسته تقریبی، با استفاده از مجموعه ای از توابع وزن با استفاده از راه حل های افراطی کارآمد از آرام سازی خطی مشکل حلقه عددی چند هدفه، محدودیت های بالایی را در بر می گیرد. سوم، آیتم ها با توجه به ارزش های بالایی آنها طبقه بندی می شوند؛ اقلام دارای مرز صفر صفر می تواند حذف شود. در نهایت، موارد باقی مانده برای ایجاد یک شبکه مخلوط با مرزهای بالایی استفاده می شود. نتایج عددی حاصل از انواع مختلف نمونه های دو هدف، اثربخشی شبکه مخلوط و الگوریتم برنامه ریزی پویا مربوطه را نشان می دهد.

چکیده انگلیسی

This paper presents a backward state reduction dynamic programming algorithm for generating the exact Pareto frontier for the bi-objective integer knapsack problem. The algorithm is developed addressing a reduced problem built after applying variable fixing techniques based on the core concept. First, an approximate core is obtained by eliminating dominated items. Second, the items included in the approximate core are subject to the reduction of the upper bounds by applying a set of weighted-sum functions associated with the efficient extreme solutions of the linear relaxation of the multi-objective integer knapsack problem. Third, the items are classified according to the values of their upper bounds; items with zero upper bounds can be eliminated. Finally, the remaining items are used to form a mixed network with different upper bounds. The numerical results obtained from different types of bi-objective instances show the effectiveness of the mixed network and associated dynamic programming algorithm.