格[0,1]上求解max-product型Fuzzy关系方程的一种算法

针对max-product型Fuzzy方程的求解具有计算复杂、运算量较大的特点,提出了一种通过计算该方程的极小覆盖来准确求解方程极小解的简便方法.该算法在方程有解的前提下,使方程的求解问题转换为求覆盖的问题,方程的覆盖集可通过求解其最大解得到,化简覆盖集到一个极小覆盖集,即可求出方程的极小解.极小覆盖的求解相对简单,有效减小了算法的复杂性.最后,算法的证明过程和计算实例表明了算法的准确性和有效性.     

一种基于决策表约简的集覆盖问题的近似解法

集覆盖问题和决策信息表的约简问题分别是优化领域和信息处理领域重要的研究课题,但目前的研究大都针对这两个问题分别独立展开.通过分析集覆盖问题的解结构和决策信息表的布尔约简结构,将两者联系起来探讨.首先,给出一个集覆盖问题的布尔矩阵表示,并通过添加决策属性,对集覆盖中的集合进行分类,进一步诱导出一个以该布尔矩阵为条件属性值的决策信息表.其次,分析了决策表和集覆盖的辨识集之间的关系,证明了集覆盖问题的一个局部最优解恰好是该决策表的一个属性约简,即,求解集覆盖问题可等价地转化为求解决策表的属性约简问题.然后,利用决策表中的条件熵来度量集覆盖中一个集合在集族中的相对重要度,并构造了基于条件熵的集覆盖问题的近似算法.最后,运用实例验证了该算法的有效性和可行性,并将新算法与几个传统集覆盖算法进行了对比.实验结果表明,新算法在求得满意解上具有一定的优势.     

辐射问题格林函数的基本解

根据边值条件和特解与定解条件,地出了用于有限水深有航速的浮动结构物绕流辐射问题格林函数的基本解,并经数学处理得到了覆盖深水和无航速辐射问题格林函数的全部解。     

基于多项式时间近似及其改进算法的WSN设计

为了实现WSN设计中以满足一定的性能目标和网络成本的优化,提出了一种基于多项式时间近似及其改进算法.首先将问题构建为一个多接收器网络-最小成本-跳数约束问题;然后将问题简化为一个加权集合覆盖问题的改进形式,从而采用加权集合覆盖贪婪算法来得到问题的解;其次,为了改进多项式时间近似算法得到的解,在前者的基础上采用启发式工作方式迭代地去除当前解的一部分,并通过试探搜索空间的其他部分来重建解,从而得到更高质量的解.仿真实验结果表明,提出的算法在满足一定的QoS要求下,既能获得较低的设计成本,也能实现较少的执行时间.     

基于神经网络的逻辑最小造价覆盖算法

提出一种基于神经网络求解逻辑综合中最小造价覆盖问题的优化算法。首先给出了最小造价覆盖问题与能量函数的映射关系，并以此构造了改进的两级Ｈｏｐｆｉｅｌｄ网络模型。然后利用该网络的动态特性，求出最小造价覆盖问题的最优解。最后对算法进行了分析和小结。     

覆盖对策模型的均衡性

研究了覆盖合作对策模型的均衡性。基于线性规划对偶理论，证明了覆盖对策均衡性的等价条件：覆盖对策是均衡的当且仅当其对应线性规划松弛有整数最优解，并且此时核心就是对偶规划的最优解集。     

对流扩散方程的数值流形格式及其稳定性分析

将流形方法应用于对流扩散方程的数值求解,建立了基于标准Galerkin加权余量法的定常无源对流扩散方程的数值流形格式,采用一维定常无源对流扩散方程证明了物理覆盖的覆盖函数取完全一阶多项式的标准流形格式具有绝对的数值稳定性,并通过与一维对流扩散方程有限元解、精确解的对比,对该数值流形格式的稳定性进行了验证.同时,将基于四节点矩形有限单元覆盖系统的数值流形格式应用于二维平行管道中定常热对流扩散问题的数值分析.结果表明:在小的单元Pe(Pe<2)时,流形解的精度较有限元方法显著提高;在较大单元Pe条件下,一阶多项式覆盖函数的标准流形格式虽然绝对稳定,但假扩散作用显著,得到的数值解与真实结果存在较大的偏差.     

集合覆盖问题闭环DNA算法

介绍了闭环DNA计算模型及其生化实验,分析了集合覆盖问题及其数学模型.根据任何一个元素至少属于一个集合构成可行集合覆盖的原理,设计了集合覆盖问题闭环DNA算法,该算法首先对集合的0-1决策变量按照0和1的取值、对应的价值系数进行两组DNA编码并形成所有可能解;再用接入实验和删除实验筛选出全部可行解;然后用接入实验得到这些可行解的目标函数值,并用电泳实验得到全部最优解;最后通过检测实验输出所有最优解.首次提出基于电泳技术检测实验以"接入-电泳-删除"为实验顺序,可以检测多种DNA编码.算例说明了算法的有效性.     

一种高精度三维八节点流形单元

基于数值流形方法构造了一种新型的三维八节点六面体流形单元 ,该单元能够通过增加覆盖位移函数的阶数而不是单元的节点数来提高数值解的精度 ,简化了三维问题的程序编制和前后处理过程 ,且可以在求解区域的不同地方混合使用各阶覆盖函数来提高求解效率 ,弥补了有限元法的不足 .计算结果表明 ,数值解与理论解吻合 .     

基于矩阵重复度的组合测试方法及其试验分析

为了提高软件测试中组合测试的效率,进一步精简组合测试用例的数量,提出了基于矩阵重复度的最小组合测试用例生成算法.首先根据因素个数和每个因素取值个数生成输入矩阵,然后采用比较重复度的方法生成初步的解矩阵;接着验证生成的解矩阵是否能覆盖所有的因素组合,并将没有覆盖的因素组合记录下来;最后采用贪心算法的思想覆盖那些未被覆盖的因素组合,得到最终的解矩阵.解矩阵中的每一行即为一个有效测试用例.最后与常用的组合测试工具ACTS及PICT进行了对比试验,比较了低因素覆盖、高因素覆盖和各因素参数不同的3种情况.试验结果表明,所提出方法在保证因素组合全部覆盖的情况下生成的测试用例个数较少,优于ACTS和PICT,从而证实了该方法的可行性.     

基于互信息扩散蚁群算法的短波频率优化指配

为提高求解不对等短波网络频率指配问题的速度和效果,基于邻近短波通信频率区域覆盖近似的特点,采用互信息系数描述其近似程度,提出了互信息扩散蚁群算法.蚁群根据当前用频方案的覆盖效果对方案中台站频率组合释放信息素的同时,依据邻近频率的覆盖近似程度即互信息系数对未被选择的台站频率组合进行信息素扩散释放,其效果相当于增加蚂蚁数目以增大对最优解的搜索概率,从而用较短的时间获得更好的解.仿真实验表明:改进算法比常规ACS算法及GA算法在求解问题的效果和速度方面都有较大提高.     

基于深度Q学习的无线传感器网络目标覆盖问题算法

针对求解无线传感器网络目标覆盖问题过程中存在的节点激活策略机理不明确、可行解集存在冗余等问题,提出一种基于深度Q学习的目标覆盖算法,学习无线传感器网络中节点的调度策略.首先,算法将构建可行解集抽象成Markov决策过程,智能体根据网络环境选择被激活的传感器节点作为离散动作;其次,奖励函数从激活节点的覆盖能力和自身剩余能量考虑,评价智能体选择动作的优劣.仿真实验结果表明,该算法在不同规模的网络环境下均有效,网络生命周期均优于3种贪婪算法、最大寿命覆盖率算法和自适应学习自动机算法.     

基于1RSB的正则(k,r)-SAT问题可满足临界

针对每个变元恰好出现r次且其正、负出现各为r/2次的随机正则(k,r)-SAT问题,结合一阶复本对称破缺理论和随机正则(k,r)-CNF公式解空间的几何结构,分析了通常以解的总数作为一阶矩方法的随机变量时,所得到的随机正则(k,r)-SAT问题可满足临界值上界偏大的本质原因.在此基础上,通过计算可满足相变点附近区域中随机正则(k,r)-CNF公式的解的聚类总数,从而把计算其解的规模转换为计算其解的聚类规模.进一步,通过引入覆盖的定义来表示聚类,并以覆盖总数作为一阶矩方法中的随机变量,结合相关的概率分析,得到了当前该问题可满足临界值点的一个新上界,使得上、下界之间仅有常数1的间隙.     

基于遗传算法的WSNs节能覆盖方案

针对环境监测中无线传感器网络(WSNs)协议设计没有考虑网络的覆盖和连通特性以及网络中存在着大量冗余节点的问题,把拓扑控制思想引入到节能覆盖研究中,建立感知半径之和最小的数学模型,并用遗传算法求解该模型,得到最优覆盖解.在此最优覆盖拓扑上利用韦尔奇.鲍威尔着色法研究了通信及信道分配的问题,并建立了覆盖方案的能耗模型,使用网络仿真器J-Sim对算法进行能耗分析和仿真实验.结果表明该方案不仅可以节约20%能量,而且达到了99.7%的覆盖率,通信信道的干扰也降低了约50%.     

被动测试中网络监测问题

研究了被动测试中如何放置观察者使得放置的数目最少并且能监视整个网络的运行情况．先把该问题归结为图的顶点覆盖问题，它是一个NP完全问题；接着讨论了在网络拓扑是树的特殊情形下带权和不带权顶点覆盖问题的解，并给出了树结构上带权顶点覆盖问题的线性时间算法；然后在已有的一个近似比为2的算法基础上。结合树结构上不带权顶点覆盖问题的算法给出了图的不带权顶点覆盖问题的一个改进算法，最后用实验验证了改进算法能使观察者数目减小20％左右．     

一种基于PEGA算法的UAV区域覆盖搜索路径规划方法

为解决不规则区域内UAV最短覆盖搜索路径的规划问题,提出一种新的求解方法。首先,利用机载传感器探测范围对任务区域进行栅格化离散,将区域覆盖搜索路径规划问题转化为一个可求解的旅行商问题;然后,利用多种群并行算法框架及精英策略对遗传算法进行改进并重新设计算法的适应度函数,提出一种并行精英遗传算法用于问题的求解。实验仿真结果表明,提出的求解方法对于UAV区域覆盖搜索路径规划问题具有较好的适用性;提出的PEGA算法收敛速度快,得出的最优解质量较高;通过改进适应度函数能够有效减少远距离两点相连的情况,对于覆盖搜索路径规划结果产生了明显的优化效果。     

利用旧井点的钻井布局模型

根据平移变换的性质，先将问题一转化为求单位网络[0，1]×[0，1]内的点集的最大覆盖问题，提出了算值计算方法并对此给出了数学证明．然后，利用问题一的数值算法，构造了问题二的近似算法.对本文提供的算例，结出了问题一的精确解．对于问题二，给出了近似解．     

构造性覆盖方法的增量学习算法

构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强,能有效地解决有导师学习问题,并取得了很好的效果,但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则,并未遵循样本的分布特征求得最优解.由此采用佳点集理论求取覆盖中心,以改进覆盖算法.针对大规模或动态数据集的分类问题,将构造性覆盖方法与增量学习的思想相结合,提出了构造性覆盖方法的增量学习算法.该算法利用改进的覆盖算法作为基础学习器,通过连续地对新增样本进行测试而反复不断地提炼已有模型,体现了对样本的"渐近式"学习.对标准数据集的实验结果表明,这种增量学习算法是有效的.     

基于自适应变异二进制粒子群算法的WSN区域覆盖问题研究

为最大限度休眠冗余节点,减少无线传感器网络节点能耗,保证网络覆盖率,提出了一种基于自适应变异二进制粒子群的WSN区域覆盖控制算法(BPSO-G)。将二进制粒子群算法(BPSO)应用到WSN区域覆盖优化问题求解上,并针对BPSO算法不能收敛于全局最优解的缺点,利用自适应变异策略,将节点最优位置以一定的概率进行动态变换,该变换有助于粒子跳出局部最优解,提高搜索新解能力,有效防止算法早熟。仿真结果表明:改进算法收敛速度很快,其连续最优解接近于全局最优解,WSN冗余节点能够最大限度进入休眠状态,且当监测区域面积一定、节点感知半径相同时,其活动节点数基本不随总节点数的增加而增加,始终保持在一定区间内。     

次模函数近似算法求最小弱顶点覆盖

求给定无向图的最小弱顶点覆盖是一个NP困难问题,只能通过研究此问题的近似算法来求解。本文从基本圈出发,定义了一个次模函数,利用次模函数理论来得到一个最小弱顶点覆盖问题的近似解,且近似度为1+ln(d-1),其中d为图的顶点最大度。