Abstract：
为了克服简单局部搜索跳出局部极小能力的不足，本研究提出了一种新的局部搜索算法——目标学习算法(TLA)来解决图着色问题。该方法通过对优秀解的学习来跳离局部极小。实验使用了7个标准测试实例。结果显示，TLA能比简单局部搜索平均减少约17条冲突边。将TLA和GRASP进一步相结合，提出了贪心随机目标学习搜索过程(GRTLSP)，GRTLSP整合了GRASP和TLA的优点。在标准测试实例上的实验结果表明，在使用同样数目初始解的情况下，GRTLSP获得优秀解的次数远远多于GRASP。由此可见，新局部搜索算法具有较强的跳离局部极小的能力，将其作为算子与其他算法相结合也有较为广阔的前景。
Keyword：
Reprint 's Address：
Email：
Source ：
Year： 2007
Page： 107-111
Language： Chinese
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 4
