⑴ 用模擬退火演算法求出的組合優化問題的解一定是最優解嗎

不是。相對優解。收斂於最優解

⑵ 組合優化問題是不是只能用智能優化演算法來解決有沒有其它演算法來解決這個問題

最優化演算法，例如分枝定界、分枝定價、列生成、動態規劃等演算法也可以求解組合優化問題。

⑶ 組合優化問題的一般求解方法有哪些

組合（最）優化問題是最優化問題的一類。最優化問題似乎自然地分成兩類：一類是連續變數的問題，另一類是離散變數的問題。具有離散變數的問題，我們稱它為組合的。在連續變數的問題里，一般地是求一組實數，或者一個函數；在組合問題里，是從一個無限集或者可數無限集里尋找一個對象——典型地是一個整數，一個集合，一個排列，或者一個圖。一般地，這兩類問題有相當不同的特色，並且求解它們的方法也是很不同的。

⑷ 經典組合優化問題的一般求解方法有哪些

組合最優化方法(combinatorial optimizationmethod )求解組合最優化問題的方法一般地，對於不同類的組合最優化問題，對應著不同的求解方法.判定一個組合最優化方法好壞的主要標準是運算次數.用n表示某一組合最優化問題的規模p(n)表示在對方法影響最壞的情況下所需的運算次數.若p(n)是n的多項式函數，則稱該方法是多項式演算法.凡能用多項式演算法求解的問題都稱為P問題.有一類問題稱為NP完全問題，若這類組合最優化問題具有如下特點:
1.它們都未找到多項式演算法.
2.如果對其中某一問題存在多項式演算法，那麼此類中的所有問題也都有多項式演算法.
已發現有成千的組合最優化問題屬於NP完成問題.為求解該類中的問題，人們往往採用「啟發式」方法.這些方法一般地，不能保證求得問題的最優解，但常能得到較好的近似解

⑸ 組合優化有什麼建模方法

線性規劃，非線性規劃，約束規劃，無約束規劃。

⑹ 什麼是產品組合優化方法

企業優化產品組合所採用的方法。主要有產品環境分析法、產品系列平衡法、四象限評價法、資金利潤潤率法等。這些方法主要用於評價產品優劣，進而達到產品組合優化的目的。 產品組合優化方法主要有以下四種： 1．產品環境分析法產品環境分析法。該方法是把企業的產品分為六個層次，然後分析研究每一種產品在未來的市場環境中的銷路潛力和發展前景，其具體內容有：目前企業的主要產品根據市場環境的分析是否繼續發展。企業未來的主要產品，一般是指新產品投入市場後能打開市場銷路的產品。在市場競爭市場競爭中，能使企業獲得較大利潤的產品。過去是主要產品而現在銷路已日趨萎縮的產品，企業應決定是採取改進還是縮小或淘汰的決策。對於尚未完全失去銷路的產品，企業可以採取維持或保留的產品決策產品決策；對於完全失去銷路的產品‘，或者經營失敗的新產品，一般應進行淘汰或轉產。

⑺ 優化演算法

優化演算法分為經典和人工智慧，現在常用的是人工智慧，而人工智慧又分為遺傳，模擬退火等，無論哪種搜索方法都需要建模型，都能解決你的問題

⑻ 連續優化問題和組合優化問題在演算法設計方面的差異

這個問題本身不完整埃 組合數量最少這個優化目標有問題。按照題目理解，直接找出最少公共特性的最大集合就可以了。 聚類分析、神經網路等演算法都可以做這種分類問題。

⑼ 使用matlab遺傳演算法工具箱能不能解決組合優化問題還有使用工具箱方便還是自己編程方便呢

1、要看你組合優化是屬於哪種問題，一般的組合優化都是混合整數線性或非線性的，那麼就不行了，因此要對遺傳演算法改進才能計算。
2、如果有現成的工具箱求解你的組合優化問題肯定要方便些，但碰到具體問題，可能要對參數進行一些設置更改，所以最好能有編程基礎，那樣就可以自己修改工具箱裡面的參數或策略了

對你的補充問題，組合優化問題一般都是用matlab 和 lingo實現吧。建議買一本數學建模的書看一看，都涉及到組合優化問題，也可以下載論文看看。lingo對編程要簡單些，主要是求混合規劃，缺點是似乎還不能用上多目標問題，一般的組合優化都屬於多目標問題。但是matlab功能強大的多。

⑽ 什麼叫組合優化

組合優化（Combinatorial Optimization）問題的目標是從組合問題的可行解集中求出最優解，通常可描述為：令Ω＝{s1，s2，…，sn}為所有狀態構成的解空間，C(si)為狀態si對應的目標函數值，要求尋找最優解s*，使得對於所有的si∈Ω，有C(s*)＝minC(si)。組合優化往往涉及排序、分類、篩選等問題，它是的一個重要分支。
典型的組合優化問題有旅行商問題（Traveling Salesman Problem－TSP）、加工調度問題（Scheling Problem，如Flow-Shop，Job-Shop）、0-1背包問題（Knapsack Problem）、裝箱問題（Bin Packing Problem）、圖著色問題（Graph Coloring Problem）、聚類問題（Clustering Problem）等。這些問題描述非常簡單，並且有很強的工程代表性，但最優化求解很困難，其主要原因是求解這些問題的演算法需要極長的運行時間與極大的存儲空間，以致根本不可能在現有計算機上實現，即所謂的「組合爆炸」。正是這些問題的代表性和復雜性激起了人們對組合優化理論與演算法的研究興趣。