模拟退火算法求解--顺序约束的路由部署问题

问题描述

用户流在一条链路传输时，执行一些网络功能，并按照一定的顺序部署？

问题等价

1、一个企业生产一件产品共有M项任务需要完成，依次记为A、B、C…，任务的完成需要遵循一定的顺序，A任务完成后才能去完成B，B完成后才能去完成C，以此类推。

2、此时有N(N>=M)名员工可以完成这些任务，员工编号依次为1、2、3…，且每个员工只能固定完成一项任务，由于工作能力不同，每名员工完成不同任务耗费的时间不一样，如表1所示。
任务/时间 1 2 3 4 5
A 21 18 16 22 14
B 35 28 33 26 22
C 12 16 11 14 11

3、现按任务的顺序为各任务安排合适的员工，各员工按编号从小到大的顺序进行排队，对每一个员工可以做出同意或拒绝的选择，且只有一次机会，当选择同意时，按任务的先后顺序为此员工安排一项任务，当选择拒绝时，此员工离开队伍，后续不能再向其安排任务。
例如：

当前最新任务为A，1号员工到来，拒绝1号完成任务A，1号离开，2号员工到来，接受2号员工完成任务A

当前最新任务变为B，3号员工到来，拒绝3号完成任务B，3号离开，4号员工到来，接受4号员工完成任务B

当前最新任务变为C，5号员工到来，接受5号员工完成任务C

任务已分配完毕

因为条件3的限制，导致表1发生了一些变化，

1号员工不可能分配到任务B、C、…，因为这样就没有员工完成A了，同理有以下限制

2号员工不可能分配到任务C…

4号员工不可能分配到任务A…

5号员工不可能分配到任务A、B…

对于不可能分配到的任务，此员工完成时间记为无穷大，如下表2所示
任务/时间 1 2 3 4 5
A 21 18 16 ∞ ∞
B ∞ 28 33 26 ∞
C ∞ ∞ 11 14 11

% 文件名：example1.m
% 时间：2020年9月29日
% 作者：乐观的lishan
% 功能：遍历法计算顺序指派问题
clear,close,clc
warning off
tic%生成代价矩阵
d = [21   18   16   inf   inf;inf  28   33   26    inf;inf  inf  11   14    11]; M = size(d,1);    %任务数
N = size(d,2);    %员工数,员工应数大于或等于任务数C = nchoosek(1:N,M);  %求出所有的组合情况
n = size(C,1);
Sum = zeros(n,1);
for i = 1:nfor j = 1:M Sum(i) = Sum(i) + d(j,C(i,j)); end end
min_Sum = min(Sum);
min_plan = (C((Sum == min_Sum),:));
num_plan = size(min_plan,1);
toc%输出结果
fprintf('完成指派任务的方案总数为:%.0f\n',n)
fprintf('完成指派任务耗费的最短时间为:%.0f\n',min(Sum))
for i = 1:num_planfprintf('对应第%d种指派方案为:%s\n',i,num2str(min_plan(i,:)))
end
%绘制耗费时间坐标图
plot(Sum,'r','LineWidth',2)
%绘图说明
xlabel('组合编号')
ylabel('耗费时间')
title('不同组合方案下的时间耗费示意图')

求出结果为3号员工完成任务A，4号员工完成任务B，5号员工完成任务C，此时耗费时间最短，最短时间为53

但是这是数据量比较少的情况，一旦数据增大，就不能再使用遍历了，比如，任务数为27，员工数为35，组合方式就达两千三百万种之多，此时需要寻找一种更好的方法

使用蒙特卡洛加模拟退火算法解决一个离散的组合优化问题

算法步骤描述如下：

step1：使用蒙特卡洛方法生成随机选择一个最优的组合，作为初始解，并计算初始能量值（目标函数值）

step2：初始化模拟退火算法参数，初始温度T，终止温度e，温度衰减因子alf，马尔科夫链长度L，能量不再降低的次数上限cnt_limit

step3：马尔科夫链长度加1，判断是否达到上限，若是，算法结束，否则，开始step4

step4：当前温度下，在当前解的基础上进行扰动构造一个新解，本文中构造方法为：先将当前解的组合中随机去掉一个员工，再随机添加一个新员工。生成一个新解（一种组合），并计算能量值，即目标函数值（耗费总时间）

step5：计算与前一个解的能量之差

step6：根据能量差判断是否接受新解。若能量差小于0 ，说明新解的能量更低，接受新解；否则，说明新解的能量没有下降，以玻尔兹曼概率接受新解。同时记录最优解和对应的最低能量值（最小目标函数值）

step7：判断最低能量值是否保持不变，若是，计数器加1，否则，计数器清0。若计数器到达上限，算法结束。

step8：降低温度，判断温度是否达到下限，若是，算法结束，否则，转向step3

程序如下：

% 文件名：example2.m
% 时间：2020年9月29日
% 作者：乐观的lishan
% 功能：利用模拟退火算法计算有顺序约束的指派问题
clear,close,clc
warning off
tic%数据的生成
M = 27;       %任务数
N = 35;       %员工数,员工应数大于任务数
lb = 10;      %成本下限
ub = 35;      %成本上限%利用随机数生成代价矩阵
d = unifrnd (lb, ub, M, N);  %生成一个服从均匀分布的矩阵，数值范围[lb,ub]，矩阵大小M×N
d = ceil(d); %朝正无穷大取整
for i = 2:Md(i,1:i-1) = inf;d(M-i+1,N-(i-1)+1:N) = inf;
end% 保存数据，可用于下一次用相同的数据实验
save data %运行一次后可将此行上面的所有代码注释，再次运行即可使用相同的数据
load data.mat  %初始化决策变量和函数值，即模拟退火中的状态和内能
S0 = sort(randperm(N,M));    %初始化分配策略，决策变量，即状态
Sum = inf;                   %初始化能量，目标函数值
H = 20;                      %蒙特卡洛生成组合数次数
%生成初始解，用蒙特卡洛方法随机生成H种组合，并选择其中一个较好的指派组合
for j = 1:H   S = sort(randperm(N,M));temp = 0; for i = 1:M temp=temp+d(i,S(i)); end if temp < Sum S0 = S;Sum = temp; end
end
%记录蒙特卡洛选优结果
sum = Sum;
s0 = S0;%模拟退火算法的参数设置
e = 0.1^30; %终止温度
L = 5000;    %Markov链长度
alf = 0.999; %温度衰减因子
T = 1;       %起始温度
cnt_limit = 300;        %最优值连续保持不变的次数上限all_people = 1:N;       %所有元素构成的集合
S0 = s0;
cnt = 0;record_solve(1,:) = S0;
record_value(1,:) = 0;
for i = 1:Mrecord_value = record_value + d(i,S0(i));
end%退火过程
for k=2:L %产生新解 original_solve = S0; %保留原解remain_people = setdiff(all_people,S0);    %求当前解在所有元素构成的集合中的补集index1 = randperm(N-M,1); index2 = randperm(M,1);add_num = remain_people(index1);   %随机添加一个新元素S0(index2) = [];                   %随机删除当前解的一个元素new_solve = sort([S0,add_num]);    %添加一个新元素并排序生成新解record_solve(k,:) = new_solve;%计算代价函数值，即当前时刻目标值（内能）减去前一时刻目标值（内能）d1 = 0;d2 = 0;for i = 1:Md1 = d1 + d(i,original_solve(i));        %交换前，目标函数值d2 = d2 + d(i,new_solve(i));             %交换后，目标函数值enddf = d2-d1; %内能差record_value(k,:) = d2;%接受准则 if df<0  %内能降低，此解与上一解比较更优S0 = new_solve;   if d2 < Sum(k-1)bset_solve = new_solve;Sum(k) = d2;elseSum(k) = Sum(k-1);endelseif exp(-df/T)>rand(1)  %内能增大，此解与上一解比较更差，以玻尔兹曼概率接受此解S0 = new_solve;      else    %内能增大，且不接受新解S0 = original_solve;endSum(k) = Sum(k-1);end%判断最优值是否不再变动if Sum(k) == Sum(k-1)cnt = cnt + 1;if cnt >= cnt_limitbreak;endelsecnt = 0;end%温度判断T=T*alf;  %降低温度，开始冷却if T<e   %温度小于临界值，算法提前结束break; end
endtoc%结果验证
d3 = 0;
for i = 1:Md3 = d3 + d(i,bset_solve(i));
end
if d3 == Sum(end)fprintf('结果验证【成功】\n')
elsefprintf('结果验证【失败】\n')
endbest_plan = (record_solve((record_value == Sum(end)),:));
[b,location]= unique(best_plan,'rows','first');
res = sortrows([location,b]);
new_best_plan=res(:,2:size(res,2));
%输出结果
fprintf('完成指派任务的方案总数为:%.0f\n',nchoosek(N,M))
fprintf('程序迭代次数为:%.0f\n',length(Sum))
fprintf('完成指派任务所需的最少成本为:%.0f\n',Sum(end))
for i = 1:size(new_best_plan,1)fprintf('对应第%d种指派方案为:%s\n',i,num2str(new_best_plan(i,:)))
end%绘制收敛坐标图
plot(Sum,'r','LineWidth',2)
%绘图说明
xlabel('收敛次数')
ylabel('成本值')
title(['收敛示意图：','第',num2str(length(Sum)),'次收敛'])

更改任务数、员工总数，程序也能很快的完成收敛。当然模拟退火每次运行结果不一样，可以多运行几次，记录一个较好的结果，这样能够在短时间内得到一个较好解方案

通过遍历法可以验证模拟退火算法结果的有效性，其结果保持一致，但模拟退火算法可以更快得出结果
本文对有顺序约束的任务指派问题进行了分析，有顺序约束即任务的完成有先后顺序之分，员工的选取也有先后顺序之分（只能向后选取），在这个限制条件下，本文先给出了遍历法的解决方法，并给出了Matlab代码和示例结果。然后提出在任务数和员工数增大的情况下遍历法不再适用，因为本质上这是一个离散的组合优化问题，由此引了蒙特卡洛算法加模拟退火算法的解决思路，并给出了算法步骤和Matlab代码以及示例结果。本文的模拟退火算法与一般退火算法不同，由于本文的组合情况有顺序约束，常规退火算法中的扰动方法不再适用，本文使用方法为：在当前解中随机删除一个元素，再随机加入一个新元素的方法构造新解，最终取得了比较好的效果。

感谢博主“乐观的Lishan”为本文提供了问题基础以及解决的思路
大佬链接
参考文献
[1] 李冰,徐杰,杜文.用模拟退火算法求解有顺序约束指派问题[J].系统工程理论方法应用,2002(04):330-335.

[2] 赵越.模拟退火算法求解指派问题新探[J].吉林建筑工程学院学报,2011,28(04):61-63.