Improved heuristics and a genetic algorithm for finding short supersequences

Abstract

In this paper several heuristics and a genetic algorithm (GA) are described for the Shortest Common Supersequence (SCS) problem, an NP-complete problem with applications in production planning, mechanical engineering and data compression. While our heuristics show the same worst case behaviour as the classical Majority Merge heuristic (MM) they outperform MM on nearly all our test instances. We furthermore present a genetic algorithm based on a slightly modified version of one of the new heuristics. The resulting GA/heuristic hybrid yields significantly better results than any of the heuristics alone, though the running time is much higher.

Summary

In diesem Artikel werden verschiedene Heuristiken und ein Genetischer Algorithmus (GA) für das Shortest Common Supersequence (SCS) Problem vorgestellt — ein NP-vollständiges Problem mit Anwendungen in den Bereichen Produktionsplanung, Maschinenbau und Datenkompression. Die von uns vorgestellten Heuristiken verhalten sich im schlechtesten Fall ähnlich wie die klassische Majority Merge (MM) Heuristik, übertreffen MM jedoch in beinahe allen Testfällen. Desweiteren beschreiben wir einen Genetischen Algorithmus, dem eine leicht veränderte Version einer der vorgestellten neuen Heuristiken zugrundeliegt. Das so entstandene GA/Heuristik Hybridverfahren liefert abermals signifikant bessere Ergebnisse als die anderen Heuristiken, benötigt dafür jedoch erheblich mehr Zeit.