图着色问题的逆序蚁群算法研究

针对经典的图着色问题,依据传统图着色算法中逆序图着色的着色思想,结合蚁群算法的搜索机制,给出了逆序蚁群着色算法.根据着色进度和未着色点的相邻点度数随机动态逆序选择新的着色点,使得算法具有较强的搜索全局最优解的能力.利用计算机生产大量随机图作为测试实例,对比逆序着色算法和逆序蚁群算法,实验结果说明逆序蚁群着色算法提高了求解质量,加快了收敛速度,证明了其优良特性.同时算法效率的提高,也保证了该算法可适用于较大规模的着色问题求解.此外,还进行了一系列对比试验,得出了关键参数的合理取值范围.     

基于着色Petri网实现A星算法的生产调度优化研究

基于着色Petri网对A星算法进行建模,研究生产调度优化问题.利用着色Petri网的理论优势,简化了大规模复杂工艺生产过程的调度模型过于复杂的问题.直接建立A星算法的着色Petri网模型,对于生产调度研究中的跨平台问题给出了一种解决方法.通过着色Petri网仿真模拟软件CPN Tools构建了基于着色Petri网的A星算法实例和生产调度实例.     

图顶点着色问题的改进粘贴DNA算法

针对目前存在的解决图顶点着色问题的DNA算法或DNA编码量过大或复杂度太高的问题,为了提高解题效率,将多级分离技术应用到图顶点着色问题的求解中,对解决该问题原有粘贴DNA算法加以改进;改进后的算法减少了操作步骤,达到了预期目的;最后,通过对一个实例的模拟,说明了改进算法的可行性.     

基于电路法的优化式着色算法分析

提出一种基于优化形式的着色框架,并构建其等效求解电路,从而把着色问题转化为电路中节点电位的求解.设计一种能调节物体间颜色过渡带宽度的改进算法,并对其着色特性与现有混色算法进行比较分析.实验结果表明:根据电路理论中的基尔霍夫电流定律,证明了现有的2种着色算法等价；优化式着色实际上是一种混色过程,其混色权重等于像素随机游走的首达概率.优化式着色算法既能获得均匀的颜色渐变特性,又可以在物体间作很好的颜色区分.     

赋权图的区间着色和图的着色算法

本文提出了图的区间着色模型,并对相容性图给出了区间着色的多项式算法,同时改进了求图的着色问题的算法。     

图顶点m着色的改进算法

对于解决图顶点着色问题,目前较常使用DFS算法,而由于该算法存在效率不高问题,故提出DFS改进算法,极大提高了该算法的效率,对于较难的图顶点着色问题,利用该改进算法更为有利．     

图顶点m着色的改进算法

对于解决图顶点着色问题，目前较常使用ＤＦＳ算法，而由于该算法存在效率不高问题，故提出ＤＦＳ改进算法，极大提高了该算法的效率，对于较难的图顶点着色问题，利用该改进算法更为有利。     

解决图着色问题的膜进化算法

图着色问题是图论中比较热门的NP难问题之一。针对该问题,有许多启发式求解算法,但都存在求解的质量不高,计算时间较长等问题。近些年提出的膜进化算法,在处理NP难问题中展现出了独特的优势。基于膜进化算法框架,提出了解决图着色问题的膜进化算法,把图着色问题和膜结合,设计了复制、融合、分裂、溶解、融合分裂、禁忌搜索6种膜进化算子。这些算子在演变的过程中使膜和膜结构发生进化,从而找到更优解,最后求得解决方案。在DIMACS的40个挑战数据集上面进行了实验,与3个最新的图着色算法比较的结果表明：在保证解的质量的情况下,文中提出的膜进化算法能有效降低求解的时间,其中有58%的实例占优。     

一种求解图着色的单亲遗传算法

给出了一种求解图着色问题的新算法,即单个个体的单亲遗传算法.算法采用顶点序号的聚类编码将个体的某个子串随机分配到其他子串中的变异方法.并对该算法的时间复杂度进行了分析比较,结果表明该算法具有较好的运行效率与收敛速度.     

图节点着色问题的变换及算法

本文提出了图节点着色问题进行变换的概念,然后对变换以后的问题进行分析研究,提出了适合节点度数非均匀分布情况图节点着色问题的一种算法。     

分组遗传算法用于图的着色

图的着色算法是一种典型的NP 完全问题 在系统地讨论了图的正常顶点着色、边着色以及全着色的有关理论的基础上 ,提出了基于分组遗传算法和启发式搜索的图的正常 k 点着色 ,正常k 边着色以及正常k 全着色的新型混合算法 ,提出了评价算法性能的标准 实验仿真结果表明 ,新型混合算法可以获得问题高质量的解 ,即对图进行着色所使用的颜色数接近图的色数     

关于图染色的算法

本文给出了图上顶点染色,边染色的算法.其中边染色算法是一个非多项式时间的精确算法,该算法是先求出所有极大匹配,然后再求极小匹配覆盖,最后得出最优边染色.顶点染色算法是一个多项式时间的近似算法,该算法的时间复杂性为O(n~3logn),空间复杂性为O(n~3)的近似算法,它是由贪吃策略得到的.对于任意的图,该算法所用的期望颜色数为「log(n 1)」.     

基于遗传机制的图着色分配算法的研究

高层次综合中通过对冲突围着色方式把操作，变量值，数据传输映到共享资源中，然而寻找图着色所需的最小颜色数目是个ＮＰ难题，现将遗传算法与图着色分配算法有机结合在一起，提出了基于遗传机制的图着色分配算法，最后通过实验验证了该算法的有效性。     

有色装箱问题的一种新的近似算法

作为经典装箱问题的推广,有色装箱问题在多处理器实时计算机系统的任务调度等实际问题中有着很强的应用背景.本文提出了有色装箱问题的一种新的近似算法--交叉装箱算法（简称JCBP）,该算法首先对物品按长度进行排列,再从两头交叉进行装箱.实验证明,该算法较其他算法有较好的装箱效果,并且很多情况下能达到最优解.     

蚁群优化图着色算法在智能小区中的运用

当智能小区的地图网格中的颜色数太多时，经蚁群算法处理的信息会出现杂乱无章的现象.对蚁群算法进行优化，增添褪色过程并加入参数Max，能减小并控制着色色数，实现四色着色，使得小区里的各种动态数据和信息在地图网格中更加清晰且直观地展现.     

一种应用于图着色问题的新型混合遗传算法

将遗传算法与模拟退火方法和禁忌搜索方法结合,提出了应用于图着色的混合遗传算法.在混合方法中,模拟退火算法用于局部寻优,提高算法的收敛速度,同时防止早熟收敛;禁忌搜索算法通过记忆能力防止进化过程出现循环来提高全局寻优能力.用遗传算法进行全局搜索,并与贪婪遗传算法和Dsatur算法进行了比较,结果表明,混合遗传算法的寻优质量优于对照算法.这种改进的混合遗传算法可以在稠密图上获得更好的寻优效率,在稀疏图上其效率则略有下降,这表明设计的改进混合遗传算法的合理性和有效性.     

平面图着色的遗传算法

基于遗传算法的思想 ,建立了一个用四种不同颜色对平面图结点进行着色的快速算法。