基于Prim算法的旅行商问题解法

旅行商问题与最小生成树问题同属于图论的典型问题,其描述也具有很多相似之处。在特殊的情况下,最小生成树构成的路径可以成为旅行商问题的最优解。本文,笔者正是基于这种思想,提出了旅行商问题的新解法。相对于神经网络算法、模拟退火算法和蚁群算法而言,基于Prim算法的旅行商问题的解法更易于编程实现,同时在效率方面也更具有优势。     

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.     

蚁群和遗传算法在旅行路线规划中的研究

随着国家经济迅速的发展,旅游成为了大部分人生活中必不可少的部分,经济式出行旅游规划中最重要的是最优路线的选择.以郴州旅游行业为研究背景,把旅行最优路线规划问题看成旅行商问题,建立蚁群算法和遗传算法模型.通过使用Matlab软件研究旅行问题,找出最优路线,并且通过比较选择出更合适的一种算法来解决商业上路线的问题.旅游行业可以通过使用这个最优算法建立一个智能旅游出行规划系统,来弥补旅游市场行程规划系统的缺陷,为游客提供最为经济、便利的旅行规划.     

基于Prim算法的旅行商问题解法

<正>旅行商问题与最小生成树问题同属于图论的典型问题,其描述也具有很多相似之处。在特殊的情况下,最小生成树构成的路径可以成为旅行商问题的最优解。本文,笔者正是基于这种思想,提出了旅行商问题的新解法。相对于神经网络算法、模     

遗传算法求解组合优化问题研究

利用遗传算法（ＧＡ）的机理分析，提出了求解旅行商问题（ＴＳＰ）的一整套进化策略，并对算法对有效进行了分析，计算机模拟结果表明ＧＡ是求解组合优化问题的一种有效方法。     

智能算法求解TSP问题的比较

截至目前,针对如何解决旅行商问题(即TSP问题)的方法出现了很多版本,而且各具特色,毫不雷同。通过大量的搜集总结,可以归纳出目前被广泛使用的几种解法:禁忌搜索算法、蚁群算法、进化算法、Hopfield神经网络算法、粒子群优化算法和模拟退火算法。通过对6种方法优缺点的比较,可得出适合智能求解TSP问题的方法及改进措施。     

智能算法求解TSP问题的比较

截至目前,针对如何解决旅行商问题(即TSP问题)的方法出现了很多版本,而且各具特色,毫不雷同。通过大量的搜集总结,可以归纳出目前被广泛使用的几种解法:禁忌搜索算法、蚁群算法、进化算法、Hopfield神经网络算法、粒子群优化算法和模拟退火算法。通过对6种方法优缺点的比较,可得出适合智能求解TSP问题的方法及改进措施。     

一种串行的有限域平方和算法及其VLSI结构

提出了一种迭代的有限域平方和算法,每次迭代完成一次比特乘法和模不可约多项式F(x)运算.基于此算法设计出了一种新的串行电路结构.它的面积复杂度和吞吐量分别为O(m)和1/m.与一些已提出的平方和电路结构相比,该结构具有低面积复杂度.它适合具有小面积要求的VLSI设计.此结构可用来计算指数和平方运算.     

基于万进制数组的大整数乘法的算法设计

大整数在要求高精度的应用中非常有用.在计算机数据加密技术中,常会遇到大整数的算术运算问题.为此,文章分析了大整数乘法的算法,提出了一种符号位与数值分开,万进制数组存储大整数并加以处理的算法.然后在java开发平台上测试,验证了该算法的正确性及运算的效率.     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

改进遗传算法在TSP组合优化问题中的应用

TSP组合优化问题随着问题规模的增大,其潜在解的搜索空间增长速度比指数函数增加的速度还快.TSP问题的NP-hard使得求解这些问题的最优解非常困难.提出了通过改进经典遗传算法来求解TSP问题近似解的一个算法.仿真结果验证了该算法的有效性.     

一种改进的Hopfield神经网络对TSP问题的求解方法

论文对Hopfield神经网络的能量函数进行重构,使得新能量函数具有参数少、表达式简洁、计算效率高等特点;并引入遗传算法中的变异算子,使得改进后的Hopfield神经网络的具有自适应调整的功能.同时,针对有效解易陷入局部极小值等问题,运用数据转换技术、贪心算法等对有效解进行优化.最后对不同规模的TSP问题仿真,结果表明这些改进方法和技巧是可行的.     

边缘检测算子LiDAR河流数据提取的研究

由于LiDAR数据具有离散、不连续的特点,在空间上并没有明确的函数关系,现有的LiDAR数据地形地物的提取算法存在依赖辅助数据和算法只针对建筑物等明显地物提取的问题。河流的数据存在形状不规则、边缘不明显的特征,自然形成的原因导致其坡度信息多变,常见的数据提取算法难以解决这类问题,Robert边缘检测算子对边缘信息更为敏感,实验证明,与Sobel和Prewitt算子对比,Robert算子更适用于提取较高精度河流地物边缘并且有较好的精确性和适用性,可获得较高精度作为准确的目标信息。     

粒子群优化的深海图像暗边缘检测优化算法

为解决深海资源探测图像识别难题,提出一种基于粒子群优化的图像暗边缘检测优化算法。该算法通过指数型线性单元和高斯误差线性单元改进激活函数,根据Marr-Hildreth算子检测结果并结合改进激活函数构建暗边缘检测算法,利用粒子群对改进暗边缘检测算法进行训练和优化。最后,采用不同算法对水下11个数据集进行比较的结果表明：改进算法的峰值信噪比、结构相似度和边缘保持指数最高,分别达到18.769 6 dB、0.660 7和0.834 5;图像均方误差最低,为3 750.225 3;平均检测时间为0.667 4 s,比其他对比实验中性能最好的算法缩短了14%。     

一种交通道路限制下的充电车辆调度方案

充电调度是无线可充电传感器网络中的关键科学问题之一.现有研究主要集中在如何调度充电车辆以获得最优的移动路径.但是,当道路受到限制时,这些算法无法提供良好的性能.本文考虑具有交通道路约束的移动充电车辆调度问题,提出一种移动受限的按需充电调度方案(mobility constrained charging scheduli...     

基于蚁群信息素的混合遗传算法

针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.     

海量信息系统分层约简算法研究

针对海量信息系统的约简问题提出了分层约简算法.通过对确定增量算子的深入讨论,得到一系列定理.进一步给出了有核信息系统与无核信息系统的分层约简算法.最后,通过一个实例,证明了该算法的有效性.     

基于个体的双机械手离散随机合作任务规划算法研究

对于基于个体的双机械手离散、随机合作任务规划问题,先以各任务间的最短移动距离(时间)为优化函数,将其简化为一个具有三角属性的双TSP问题的组合来研究,用统计方法进行单机械手任务划分,再用解决TSP问题的近似算法求解得到两个机械手任务规划的哈密尔顿回路.然后针对任务规划回路中的交叉网络采用动态规划的方法进行合理优化,从而得到双机械手一个较优的任务规划序列.该算法的时间效率为O(n2),其任务规划的最短距离(时间)代价比近似算法平均优化15%.