背包问题的闭环DNA算法

提出了闭环DNA分子的结构多样性,即闭环DNA分子在同一个位置上具有不同的DNA序列.提出了双约束的整数规划背包问题闭环DNA算法,即对变量取值进行DNA编码并形成所有可能解;用批接入实验、电泳实验和批删除实验筛选出可行解,用批接入实验、电泳实验得到最优解;通过检测实验输出所有最优解.由一个算例说明算法的有效性.针对减少DNA编码和内切酶数量的问题改进了算法;对有特殊要求的背包问题提出了解决方法.     

0-1规划问题的闭环DNA算法

提出了闭环DNA分子的结构灵活性的两个方面,即DNA分子链长的可控性和DNA分子之间的相互转化。针对非负整数系数的0-1规划问题,提出了闭环DNA算法。该算法首先对0-1变量按照0和1的取值、对应的各项系数和检测标记进行五组DNA编码并形成所有可能解;再利用接入实验、电泳实验和删除实验筛选出可行解,进而得到所有最优解;最后通过检测实验输出实验结果。给出了算法的正确性的证明并讨论了算法复杂性,给出一个算例说明了算法的有效性。对算法进行了改进,改进后的算法适用于可以含有负数的实数系数0-1规划问题。     

TSP的DNA计算算法

提出了TSP的DNA算法,共有六个步骤:首先将TSP转化为有向图的经过所有点最短闭链问题并进行编码;其次从某点开始用有目的的终止技术——芯片技术、保护基技术以及杂交实验——得到起点和终点相同的DNA链;再用分离实验产生经过所有顶点的DNA链;然后用电泳实验取出链长最短的DNA链;最后用标记实验解读最优解集。讨论了算法的复杂性并用实例说明了算法的有效性。还讨论了推广的TSP——推销员在城市有停留时间——的算法的变化——只需改变编码方式,以及实验的简化问题。最后说明了本算法提出的一种新的合成技术——有目的的终止技术的优势和前景。     

基于粘贴DNA芯片模型的八皇后问题算法

提出了粘贴 DNA 芯片模型,该模型综合了粘贴模型的筛选功能和 DNA 芯片模型的检测功能.利用这两个特点设计了基于粘贴 DNA 芯片模型的求解八皇后问题全部解的 DNA 算法.该算法首先产生所有可能的解,再分别按照行要求,列要求和对角线要求逐步筛选出八皇后问题的全部解.利用 DNA 芯片检测出实验结果,然后对每个实验步骤分析了算法的生化实现过程并得到了八皇后问题的全部解.最后讨论了算法的复杂性及其优势.     

模值约束的降维MUSIC二维DOA估计

利用传统二维多重信号分类(multiple signal classification, MUSIC)算法进行二维波达方向(direction of arrival, DOA)估计时,往往带来巨大的运算量,限制了算法的实际应用。提出了一种能够大大降低二维DOA估计运算量的模值约束降维MUSIC算法,该算法将二维DOA估计问题转化为优化方程的求解问题,并采用模值约束法定义附加条件,使方向向量得到了较强约束,进而使求解结果更加接近最优解。理论分析和仿真实验表明,本文算法所需运算量较低,且角度估计的成功率与精确度较高。     

基于改进遗传算法的装备调配

针对装备调配问题,构建了多约束条件下的多目标模糊指派模型,并通过改进传统遗传算法中初始种群产生以及种群选择、交叉、变异的机制,设计了一种求解此模型的快速收敛遗传算法。最后,通过对一个装备调配案例进行仿真实验,结果表明该算法收敛速度快,容易得出最优解,符合装备保障指挥的实际需求。     

考虑工作量均衡的成品油二次配送车辆路径问题

为避免工作量分配不均,研究了考虑工作量均衡的成品油二次配送车辆路径问题.以总配送成本极小化和不同车辆路径长度之差极小化为目标,建立了双目标混合整数规划模型;并设计了变邻域禁忌搜索启发式算法.利用改进的Solomon_Il 插入算法求出使总配送成本尽量小的初始解;再利用变邻域禁忌搜索算法改进初始解,得到近似最优解.模拟计...     

释放时间具有凸减函数约束的单机调度问题

研究了作业释放时间具有凸减资源消耗函数约束的单机调度问题, 调度的目标是在限定Makespan的条件下使得作业消耗资源总量最小化. 对于此类强NP-hard问题, 定义了作业右移和左移两种基本运算以及交换和插入两种邻域生成方式, 并在此基础上构造了模拟退火算法. 为评价算法的性能, 将此问题松弛成指派问题, 从而用匈牙利方法得到松弛问题的最优解, 并进一步改进下界的质量. 实验表明所构造的模拟退火算法能够在合理的时间内提供高质量的满意解.     

基于改进的二维交叉熵及Tent映射PSO的阈值分割

最近提出的二维交叉熵阈值分割方法所依据的灰度级-平均灰度级直方图存在错分,且寻求最优阈值时,即使采用递推算法仍需遍历整个搜索空间,运行速度有待进一步提高。为此,本文给出改进的灰度级-梯度二维直方图,据此导出了相应的二维最小交叉熵阈值选取公式及其递推算法,并且采用改进Tent映射混沌粒子群优化(particle swarm optimization, PSO)算法搜寻二维最优阈值。大量实验及与现有二维交叉熵方法的对比表明,所提出的方法在计算最优阈值时尽可能考虑了所有目标点和背景点,从而使分割结果更加精确;而求取阈值因只需遍历其中小部分解空间,使运行时间约减少到原来的10%~40%。     

基于二维直方图和粒子群优化的边缘检测

针对基于二维直方图的分割方法存在计算耗时的缺点,将群体智能中的粒子群优化算法应用到图像分割中,提出了一种新的边缘检测算法。新方法在定义的二维灰度空间中,利用粒子群优化算法自适应搜索最优解,并以此作为边缘检测算子的门限,阈值变换后便可得到表示原图像主要特征的分割结果。通过对水下图像处理的实验证明,该算法对简单背景的图像分割是有效的,和传统检测方法相比,具有更好的抗噪性能。     

Closed circle DNA algorithm of change positive-weighted Hamilton circuit problem

Chain length of closed circle DNA is equal. The same closed circle DNA's position corresponds to different recognition sequence, and the same recognition sequence corresponds to different foreign DNA segment, so closed circle DNA computing model is generalized. For change positive-weighted Hamilton circuit problem, closed circle DNA algorithm is put forward. First, three groups of DNA encoding are encoded for all arcs, and deck groups are designed for all vertices. All possible solutions axe composed. Then, the feasible solutions axe filtered out by using group detect experiment, and the optimization solutions are obtained by using group insert experiment and electrophoresis experiment. Finally, all optimization solutions are found by using detect experiment. Complexity of algorithm is concluded and validity of DNA algorithm is explained by an example. Three dominances of the closed circle DNA algorithm are analyzed, and characteristics and dominances of group delete experiment axe discussed.     

最短路问题的闭环DNA算法

提出了不等长闭环DNA分子的概念,由此推广了闭环DNA计算模型。给出了固定端点的最短路问题闭环DNA算法,该算法首先对每条弧进行了三组DNA编码,再用有目的的终止技术合成固定端点的所有链,然后通过接入实验和电泳实验得到最短路,并通过检测实验输出所有最短路径。得出了算法的复杂性,为说明算法的有效性给出了一个算例。最后讨论了最短路问题闭环DNA算法在变权网络、自由终点或固定中间点的最短路问题中的应用,并给出了相应的解决方法。由此说明该算法具有广泛的适应性。     

Crowdsourcing Task Assignment Mechanism Based on Employer Net Profit and Employee Satisfaction

Crowdsourcing task assignment has become an important task assignment model in the Internet economy era. In this paper, we study the crowdsourcing task assignment problem based on employer net profit and employee satisfaction. First, the reliability and interest of employees are modeled, based on which the mathematical expressions for employer net profit and employee satisfaction are given. Then, a multi-objective optimization problem is formulated to maximize employer net profit and employee satisfaction by jointly optimizing the task assignment matrix and task offer vector.Since the considered problem contains discrete variables, it cannot be solved directly by traditional optimization methods. Therefore, two low-complexity high-performance algorithms are proposed. The first algorithm is based on a fast non-dominated ranking genetic algorithm with an elite, which is able to explore the Pareto bound of the considered problem. The second algorithm is based on a reinforcement learning framework, which is able to maximize the weighted sum of employer net profit and employee satisfaction. Numerical results show that the number of tasks assigned to employees affects both employee satisfaction and employer net profit. The Pareto bounds and Pareto optimal solutions based on the solutions of the two proposed algorithms are also presented numerically, which quantitatively characterize the tradeoff between employer net profit and employee satisfaction.     

不确定二阶动力学系统的鲁棒特征结构配置设计

考虑了一类具有参数摄动的二阶动力学系统通过比例加微分反馈控制的鲁棒特征结构配置设计问题。首先利用定常二阶动力学系统的比例加微分反馈特征结构配置参数化方法提供的自由度,将鲁棒特征结构配置问题转化为具有约束条件的优化问题。在此基础上,给出了求解该优化问题的算法,即鲁棒特征结构配置算法。数值例子及仿真结果表明,该算法对参数摄动二阶动力学系统鲁棒性设计的简单及有效性。     

免疫算法在带时间窗的车辆路径问题中的应用

根据带时间窗的车辆路径问题的实际情况,提出了一种基于分组匹配的亲和力的计算方法.实验结果表明,免疫算法能有效地解决带时间窗的车辆路径问题.计算结果优于节约算法、分派算法、遗传算法.     

对一类带聚类特征TSP问题的蚁群算法求解

蚁群算法是近几年提出的一种新型的模拟进化算法,初步的研究表明该算法具有极强的鲁棒性和发现较好解的能力,但同时也存在收敛速度慢的缺点。针对带聚类特征的TSP问题,提出了一种新型的蚁群算法。该算法利用TSP问题本身所具有的聚类特征,从数据域上将其分解成多个子问题,对每个子问题分别采用蚁群算法并行求解,最后将所有子问题的解按一定规则合并成问题的解。对带聚类特征TSP问题的仿真实验表明该算法的收敛速度得到了极大的提高。