一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

基于神经网络求解TSP问题的研究

描述了Hopfield神经网络和TSP问题,研究了用连续Hopfield神经网络求解TSP问题的方法。     

用简单遗传算法求解TSP问题的参数组合研究

首先介绍用遗传算法求解CTSP问题的实验方法，描述了实验中群体规模、联赛规模参数对TSP问题计算时间复杂性及求解质量的影响。根据实验数据总结出两条规律：（1）对N＝34的TSP问题，群体规模在3000与4000之间，易获得最优解；（2）联赛规模在本规模的2‰附近时，易获得最优解。通过对不同规模（15－34）TSP问题的试验，发现两条规律对TSP问题求解具有普遍有效性。从理论上分析了群体规模和联赛规模对TSP问题求解质量和时间复杂性的影响，通过时间复杂性分析，表明实验规律对快速求解组合优化问题具有一定的指导性。     

基于模拟退火算法的Hopfield神经网络参数优化

为解决Hopfield神经网络应用过程中参数设置的问题,在研究Hopfield神经网络的工作原理的基础上,分析了神经网络模型在求解TSP(Traveling Salesman Problem)问题过程中参数的选取,通过对输出数据进行归一化处理建立网络的评价函数,然后引入模拟退火算法对参数进行最优化选取。实验结果表明,经过参数优化过的Hopfield神经网络模型能更有效,更快速地得到TSP问题的最优解。     

神经网络TSP问题仿真分析

描述了Hopfield神经网络和自组织特征映射神经网络解决TSP问题时的求解过程和仿真算法.通过对两种算法的仿真比较,得出以下结论:对于较大规模的TSP问题,SOFM模型的寻优结果要优于HNN模型寻优结果;HNN对网络模型参数和初始条件具有很强的依赖性且调整参数组合非常困难,而SOFM的参数设置和调整相对要简单得多;SOFM算法对待解决问题的拓扑分布不敏感,而HNN算法的收敛性对待求解问题的自身分布有很强的依赖性;当待求解问题的数目增大时,SOFM算法的运算时间增加缓慢,而HNN算法的运算时间增加较快.因此,在解决TSP问题时,自组织特征映射神经网络比Hopfield神经网络的效率高,随着问题规模的增大,其优势更为明显.     

协同神经网络求解流动推销员问题方法——确保单回路的神经网络方法

神经网络方法求解流动推销员问题(Travel Salesman Problem,简称TSP问题)时,往往产生不满足TSP的单回路约束的不可行解.基于协同神经网络的方法解决TSP,并设计了一个回路合并算法,确保得到满足TSP的单回路约束的解.通过算例进行数值模拟,并且比较了新算法、标准遗传算法和标准模拟退火算法的求解结果.实验结果表明,说明该方法在求解TSP 问题上是行之有效的.     

办同神经网络求解流动推销员问题方法——确保单回路的神经网络方法

神经网络方法求解流动推销员问题（Travel Salesman Problem，简称TSP问题）时，往往产生不满足TSP的单回路约束的不可行解。基于协同神经网络的方法解决TSP，并设计了一个回路合并算法，确保得到满足TSP的单回路约束的解。通过算例进行数值模拟，并且比较了新算法、标准遗传算法和标准模拟退火算法的求解结果。实验结果表明，说明该方法在求解TSP问题上是行之有效的。     

一种具有连续滞后神经元的Hopfield网络求解TSP问题的算法

提出了一种具有连续滞后神经元的Hopfield神经网络体系结构,有效地解决旅行商问题(TSP).对连续滞后神经元的Hopfield神经网络结构和整个网络的计算性能进行了研究.理论上通过模拟随机生成的具有连续滞后神经元的Hopfield神经网络证明网络的优越性.通过模拟TSP问题的应用来说明此算法的计算效率.仿真结果表明,具有连续滞后神经元的Hopfield神经网络在解决TSP问题时,无论从处理时间和解决质量上来看都优于传统的Hopfield神经网络和二元连续Hopfield神经网络.     

禁忌搜索算法求解旅行商问题研究

设计了一种基于Matlab实现的禁忌搜索算法，用以求解组合优化难题中的典型代表旅行商问题（TSP）。分别对Hopfield原始10城市和中国旅行商问题进行了测试，所得结果都能达到或优于公布的最优解，与传统的Hopfield神经网络求解TSP相比，禁忌搜索算法具有强健，快速和高效的特点。     

组合优化问题的神经网络解─—装箱问题和背包问题的求解

1概述自从80年代以来,神经网络计算研究取得了进展,特别是Hopfield用他的模型成功地解决了TSP问题,被认为是突破性的成果。此后,又有一些这类问题以相同的方法得到了解决。目前,用神经网络方法求解NP完备的组合优化问题仍然是神经网络计算研究的一个重要方面,这出于神经网络计算研究本身的需要,同时也是求解这类问题的实际需要,因为它们很难用传统方法解决,但又具有广泛的应用。我们提出的推广的Hopfield神经网络摸型（[4]）,突破了原有的局限,扩大了神经网络方法的应用范围,简化了求解过程。JSP和ProectScheduhng问题的解…     

基于混合遗传算法和关键链的多资源多项目进度计划优化

多项目多资源项目进度计划是一个NP难问题。应用关键链思想与方法,分析建立了一种多项目多资源进度计划模型。设计了基于混合遗传和禁忌搜索算法的模型求解算法。对遗传算法的编码、选择、交叉、变异等操作以及禁忌搜索算法的相关操作进行了讨论;并通过实例的求解,验证了关键链方法在研究多资源约束多项目问题上的有效性,以及混合遗传和禁忌搜索算法在求解该问题上的可行性。     

分组密码算法的研究与实现

研究了DES算法用差分分析法易破译和3-DES算法效率低的弊端,提出了利用Rijndael算法来实现对任意文件的加密.该算法采用bbck结构和S-盒采用有限域GF(28)中的乘法逆运算,提高了安全性和效率.大量的测试结果表明,该算法与其他分组密码算法相比更安全、效率更高等特点.该文给出了DES算法的数学表达式.     

文本数字水印的概率算法及其可靠性

深入研究和分析了水印算法可靠性的实现手段,明确定义了文本水印算法的分层结构,为文本水印算法的研究提供了清晰的层次和思路.提出了具有隐蔽性、安全性和可靠性的基于蒙特卡罗(Monte Carlo)概率算法的文本数字水印算法,该算法不但使用了概率算法的伪随机序列,而且在映射层使用语句的位置来定位,提高了可靠性.再根据蒙特卡罗概率算法的思想,加强算法冗余强度,使可靠性进一步提高.最后通过理论分析和测试数据分析,证明了算法的高可靠性.它能够为水印的多种应用提供基础算法,是当前文本数字水印研究的进步.     

模逆算法在密码学教学中的地位和应用

本文分析了模逆算法的数学基础,研究了其算法实现。在对称密码算法教学中,归纳了模逆算法在IDEA和AES中应用;在公开密码算法教学中,归纳了模逆算法在ElGmal、RSA和ECC中应用。     

基于两极复合式指纹图像细化算法的研究

针对现有指纹图像模板细化算法中存在的诸如迭代次数较多，细化速度慢，图像局部细化不完全等问题，分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点，提出了一种基于两极复合式算法的指纹图像细化算法，该算法在保证对图像完全细化的同时，能较明显提高细化处理速度。     

数字水印检测的SVM算法及其测试

根据Vapnik等人提出的一种基于统计学习理论的机器学习算法，在水印检测技术中引入一种针对小样本的学习理论SVM算法．此算法能够实现结构风险最小化，避免了以往检测方法中依赖于特定的嵌入算法的缺点．建立了数字水印检测的SVM算法的测试平台，研究了平台的组成模块和功能．实验表明使用SVM进行水印检测能实现与嵌入算法的无关性，能有效提高检测效率，为数字图像水印的检测提供了一种新方法．     

改进遗传算法及其在聚类分析上的应用

本文提出的改进遗传算法通过在选择操作前对种群进行相似性检查来保持群体多样性，解决进化种群早熟问题，提出了与相似率和迭代次数相关的变异概率公式来保持种群多样性和算法收敛性，通过在UCI的WINE和IRIS两组数据集上与c-means算法的聚类实验结果比较，证明了改进遗传算法的有效性．     

频率分配问题的建模、算法及其实现

提出了一种蜂窝移动通信中的基站频率分配问题的模型,给出一种新的基于遗传算法的解决算法,并且详述了该算法的实现.     

改进的关联规则采掘算法及其实现

在现有的关联规则采掘算法的基础上，进一步分析了经典算法的内涵，提出了生成大项目集优化时减少对交易数据库扫描次数的改进算法，并给出改进后的算法描述。在DBMS平台上用数据查询语言实现关联规则的采掘。结果表明，改进的算法对关联规则的采掘十分有效。     

基于DSP的小阵列语音增强算法的研究与实现

以TI公司TMS320C5535 DSP和二元麦克风小阵列为基础,提出一种行之有效的语音增强算法。通过分析在小阵列上常用的广义旁瓣相消器算法和相干滤波器算法的优缺点,将时变平滑因子引入到相干滤波器中,并将相干滤波器置于广义旁瓣相消器的固定波束形成支路。在得出一种有效算法的同时也给出了其在DSP上的实时实现步骤。仿真与实际结果表明,在小阵列上该方法明显优于单独使用广义旁瓣相消器算法和相干滤波器算法,可以有效抑制噪声干扰,提高语音质量。