算法大概步骤
㈠ 算法的过程怎么写啊
算法的流程书写可通过流程图或伪代码来完成。
所谓流程图是指以特定的图形符号加上说明，表示算法的图，用它来表示算法思路是一种极好的方法，因为有时候千言万语不如一张图形象生动易于理解，例如：
而伪代码是介于自然语言和计算机语言之间的文字和符号（包括数学符号），它是一种不依赖于语言、用来表示程序执行过程、而不一定能编译运行的代码，例如：
Begin（算法开始）
输入 A，B，C
IF A>B 则 A→Max
否则 B→Max
IF C>Max 则 C→Max
Print Max
End （算法结束）
㈡ 算法步骤
上述算法的流程如图4-1所示。
算法从寻找初始可行解开始。通常的做法是，它对应于从松弛变量列形成的基底。如果没有初始可行解存在，则算法在第二步停止。
图4-1 菲力浦的多目标单纯形法计算框图
如果存在一个可行基底。便置计数器b和c分别为1和0。计数器b标识各个基底，计数器c标识对应于非劣势解的基底，在第三步中计算与初始基底对应的解。在第四步中，通过解非劣势性子问题来检查可行解的非劣势性。
算法在第四、五、六步中进行循环，直到发现一个非劣势解。发现后，把这个非劣势解在第七步中打印出来。
为了检查另外的非劣势解，在第八步中求解方向子问题。如果没有合适的（sk）min=0，那么，不存在别的非劣势解，算法停止。但是，如果第九步确定了一个（sk）min=0，且第十步指出对应的xk将引导到一个未探索过的基底，则对应的xk进入基底，转到第七步去打印出这个另外的非劣势解。算法将继续在第七、八、九、十、十一、七步之间进行循环，直到出现没有对应的xk导致未探索基底时为止。
为了进一步理解菲力浦的多目标单纯形法求解的有关步骤，我们考虑上一节中的例子并添加松弛变量来产生初始多目标单纯形表。
极大优势
华北煤田排水供水环保结合优化管理
其中，
华北煤田排水供水环保结合优化管理
满足于约束条件
华北煤田排水供水环保结合优化管理
初始基本可行解在表4-2中列出，初始基底是根据与松弛变量x3、x4、x5相关的列来形成的。从而，算法的第一、二、三步是满足的。
表4-2 初始基本可行解表
接下来，算法确定x1=x2=0是否为非劣势解点。这由解非劣势性子问题来进行。要解这个非劣势性子问题，需要确定（uT+eT）D。矩阵D对应于目标函数行中的非基本列，就是
华北煤田排水供水环保结合优化管理
对于x1=x2=0要是非劣势的，必须存在一个权数集wi=ui+1，使得
华北煤田排水供水环保结合优化管理
或
华北煤田排水供水环保结合优化管理
或
华北煤田排水供水环保结合优化管理
减去剩余变量s1，s2，添加人工变量y1，y2，产生所需要的第一演算阶段单纯形问题：
华北煤田排水供水环保结合优化管理
满足于约束条件
华北煤田排水供水环保结合优化管理
对此非劣势性子问题的初始表如表4-3所示。
表4-3 非劣势性子问题的初始表
把第三行加到第一行上，产生初始可行解，如表4-4所示。
表4-4 初始可行解
根据单纯形法则，u2进入基底，旋转主元是第三行框起来的数2。变换后得表4-5。
表4-5 非劣势解表
此时ymin=0，s1=7/2，u2=1/2，u1=s2=y1=y2=0，于是点x1=x2=0是非劣势解。
我们也注意到，表4-5表明存在正的权数w1=u1+1=1，w2=u2+1=3/2，解x1=x2=0也是下面问题的最优解。这个问题是：
华北煤田排水供水环保结合优化管理
满足于
华北煤田排水供水环保结合优化管理
因此，可以这样说，菲力浦算法允许我们“朝后”应用加权方法：对于一个非劣势解x，确定出一组权数w，它们是在加权方法中用来得出这个非劣势解x所需要的权数。
接下来求解方向子问题，以确定是否存在另外的非劣势解。从表4-5，我们能够看到，有s2=0。于是，如果引入x2将导致一个未探索过的基底，则存在另一个非劣势解点。从表4-2，对x2的旋转主元是第五行中的数字5，这表明新的基底将是x2、x3和x4，它还没有被探索过。
显然没有必要，因为已经确定了将导致另一个非劣势解的xk，但我们现在也能够确定引入x1是否会导致一个非劣势解。这可以通过解下面的方向子问题来进行。这个方向子问题是：
华北煤田排水供水环保结合优化管理
满足于
华北煤田排水供水环保结合优化管理
在第一演算阶段以后（表4-5），得到如下的方向子问题，表4-6所示。
表4-6 方向子问题表
把第2行加到第一行上，产生了表4-7。
表4-7 最优解表
表4-7是最优的，它指出s1=7/2＞0，因此引入x1将导致一个有劣势解。
我们现在引入x2。以表4-2第五行的元素为主元进行旋转，得到主问题的第二个表，如表4-8所示，从而，x1=0，x2=72/5是一个非劣势解，把它打印出来。
表4-8 主问题二表
为了检查是否存在别的非劣势解，现在必须重新求解方向子问题。要这样做，必须又一次计算（uT+eT）D，其中的矩阵D此时为
华北煤田排水供水环保结合优化管理
于是，
华北煤田排水供水环保结合优化管理
由此，方向子问题的合适的约束集为
华北煤田排水供水环保结合优化管理
关于目标函数，可以为s1和s5。然而，在前面我们是用x2驱赶x5而得到目前的非劣势解点，因此，易知有s5=0，且把x5带入基底会产生出前面的非劣势解点。从而，仅需对s1检查方向子问题，就是，
华北煤田排水供水环保结合优化管理
满足于
华北煤田排水供水环保结合优化管理
用表的形式，见表4-9。
表4-9 方向子问题表
把表4-9的第2行加到第1行上，得表4-10。对表4-10以第2行第二列元素为主元进行旋转，得到最优的表4-11。从表4-11可以看出，s1=0，这表示此时把x1引入基底将产生另一个非劣势解点。从表4-3可明显看出，旋转主元是4/25，将把x4驱赶出基底。这导致又一个未探索过的基底（x1，x2和x3）和第三个非劣势解点。以4/25为主元旋转，得到下面表4-12中的解：非劣势点x1=7，x2=13。
表4-10 方向子问题过渡表
表4-11 最优解表
表4-12 非劣势解表
继续与前面同样的过程，即求解与表4-12相关的方向子问题，得到s4=0和s5=9/2。引入s4将把x1从基底中驱赶出去并返回到先前的非劣势解。引入x5将把x2从基底中驱赶出去将得到一个有劣势解。这样，算法停止［134］。
㈢ 算法分析中动态规划的四个基本步骤
1、描述优解的结构特征。
2、递归地定义一个最优解的值。
3、自底向上计算一个最优解的值。
4、从已计算的信息中构造一个最优解。
㈣ 进化算法的基本步骤
进化计算是基于自然选择和自然遗传等生物进化机制的一种搜索算法。与普通的搜索方法一样，进化计算也是一种迭代算法，不同的是进化计算在最优解的搜索过程中，一般是从原问题的一组解出发改进到另一组较好的解，再从这组改进的解出发进一步改进。而且在进化问题中，要求当原问题的优化模型建立后，还必须对原问题的解进行编码。进化计算在搜索过程中利用结构化和随机性的信息，使最满足目标的决策获得最大的生存可能，是一种概率型的算法。
一般来说，进化计算的求解包括以下几个步骤：给定一组初始解；评价当前这组解的性能；从当前这组解中选择一定数量的解作为迭代后的解的基础；再对其进行操作，得到迭代后的解；若这些解满足要求则停止，否则将这些迭代得到的解作为当前解重新操作。
以遗传算法为例，其工作步骤可概括为：
（1） 对工作对象——字符串用二进制的0/1或其它进制字符编码 。
（2） 根据字符串的长度L，随即产生L个字符组成初始个体。
（3） 计算适应度。适应度是衡量个体优劣的标志，通常是所研究问题的目标函数。
（4） 通过复制，将优良个体插入下一代新群体中，体现“优胜劣汰”的原则。
（5） 交换字符，产生新个体。交换点的位置是随机决定的
（6） 对某个字符进行补运算，将字符1变为0，或将0变为1，这是产生新个体的另一种方法，突变字符的位置也是随机决定的。
（7） 遗传算法是一个反复迭代的过程，每次迭代期间，要执行适应度计算、复制、交换、突变等操作，直至满足终止条件。
将其用形式化语言表达，则为：假设α∈I记为个体，I记为个体空间。适应度函数记为Φ：I→R。在第t代，群体P(t)={a1(t),a2(t)，…，an(t)}经过复制r(reproction)、交换c(crossover)及突变m(mutation)转换成下一代群体。这里r、c、m均指宏算子，把旧群体变换为新群体。L：I→{True, Flase}记为终止准则。利用上述符号，遗传算法可描述为：
t=0
initialize P(0):={ a1(0),a2(0)，…，an(0)};
while(l(P(t))≠True) do
evaluate P(t):{ Φ(a1(t)), Φ(a2(t))，…，Φ(an(t))};
reproction: P′(t):=r(P(t));
crossover: P″(t):=c(P′(t));
mutation: P(t+1):= m(P″(t));
t=t+1;
end
㈤ 算法过程是什么