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.     

应用思维进化计算求解顶点着色问题

应用思维进化计算求解顶点着色问题,给出求解给定图的色数、最小着色的算法。介绍了顶点着色问题的编码与解码方法、特征、信息矩阵的概念,从而应用思维进化计算的趋同和异化求解该问题。实验结果表明该算法是求解顶点着色问题的一种新的有效算法。     

并行环境下基于图着色理论的空间数据部署

在面向计算部署到数据节点端执行的分布式并行环境下,提出一种基于图着色理论的适用于矢量空间数据的部署方法,将空间数据粒度的部署问题转化为图顶点着色的过程,提高了任意空间区域的信息查询效率.给出基于图着色理论的数据部署方法,并通过节点的任务量进一步改进算法,使得该算法可实现海量空间数据粒度的离散化部署,提高了空间数据检索和查询的并行化程度,充分利用了并行计算资源.     

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.     

基于遗传和启发式算法的混合顶点着色算法

图的着色问题是一种典型的NP-完全问题.提出了基于遗传算法和启发式算法的新型混合顶点着色算法,该算法在实现过程中涉及到染色体的编码方法、适应度函数的设计以及遗传算子的选择等.实验仿真结果表明此算法改善了求解的时间复杂度,可以获得问题高质量的解.     

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.     

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。     

基于遗传算法的机场停机位分配问题研究

停机位分配作业关系到整个机场的系统运作,其作用相当重要。通过分析航空器占用停机位时区集合的特点,应用划分时间片算法建立了停机位分配的图论模型,将机场停机位分配问题转化为图的k-顶点着色问题。应用遗传算法求解图的K-顶点着色问题,给出了机场停机位分配问题的实用算法。最后将该算法应用于一个算例。     

BWC着色问题的一种启发式算法研究

无向图的BWC着色问题是给定两个正整数b和w,判断是否存在这样的着色方案:对b个顶点着黑色,对w个顶点着白色,其它顶点不着色,着黑色顶点集合与着白色顶点集合之间没有任何边相连。BWC的最优化问题,是找出一种最优化着色方案,使得与所有黑色顶点不相连接的着白色顶点数最大。该问题被证明是NP-完全问题。提出了一种基于禁忌表和局部搜索机制的混合启发式算法(BTLSBWC),通过对部分网络图进行测试,结果达到了现有文献计算出的最好值。     

基于改进的模拟退火算法求解0／1背包问题

提出了一种改进的具有变异和倒位算子的模拟退火算法,并将其用于求解0／1背包问题,其性能较标准模拟退火算法和贪心算法都有很大的改善．通过大量的数值实验,证明了文中改进的模拟退火算法求解背包问题的有效性和实用性．     

改进的蚁群算法在智能导游系统路径优化中的应用

为了解决游客选取最短旅行线路的困扰,在智能导游系统中加入路径分析的功能.将改进的蚁群算法应用于最短路径分析中,通过获取不同景点的ID号以及地理位置找到一条通过每个景点且只通过一次的最短旅行路线,仿真结果表明达到了预期的目标.     

基于改进遗传算法的车间调度原型系统

为了提高遗传算法求解作业车间调度问题的初始解质量和简化遗传操作过程,提出基于幻方变幻的互换编码规则改进遗传算法;同时利用该算法基于.NET平台建立了车间调度问题和柔性车间调度问题的混合原型系统。实验结果表明:采用幻方变换的互换编码规则,提高了遗传算法的求解能力;基于该算法的原型系统实现方便,求解效率高,能够有效应用于作业车间调度系统的开发。     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

基于改进蚁群算法的CVRP问题研究

车辆路径优化问题归属于NP-hard问题;针对基本蚁群算法求解效率低下,可行解质量不高,容易陷入局部最优解的情况,在充分考虑具有一般性的车辆路径优化问题的数学模型与解决方案后,提出了一种带有轮盘赌运算与2-opt优化运算相结合的改进蚁群算法,算法在运算过程中对选取路径的概率进行二次计算,扩大了全局的搜索范围;同时对得到的路径进行内部优化,增强了局部搜索能力,提高了解的质量;通过MATLAB软件进行仿真实验的结果表明:相较于基本的ACO算法以及遗传算法得到的结果,改进的蚁群算法在性能上和求解的质量具有很大的优势,可以更好地解决带有容量约束的车辆路径优化问题,为相应的企业更好地节省物流成本。     

基于蝙蝠算法的K均值聚类算法

为解决传统 K-means 算法中因初始聚类中心选择不当而导致聚类结果陷入局部极值的问题, 采用蝙蝠算法搜寻 K-means 算法的初始聚类中心, 并将模拟退火的思想和基于排挤的小生境技术引入到蝙蝠算法中, 以克服原始蝙蝠算法存在后期收敛速度慢、 搜索力不强等问题。 同时, 通过测试函数验证了其有效性。 最后利用改进后的蝙蝠算法优化 K-means 算法的初始聚类中心, 并将该改进的算法与传统的 K-means 算法的聚类结果进行了对比。 实验结果表明, 改进后的算法的聚类性能比传统的 K-means 算法有很大提高。     

基于改进遗传算法的三角剖分优化算法研究

以三角剖分原理和传统基因遗传算法为基础，提出了一种优化三角剖分的改进基因遗传算法．该算法采用下三角矩阵表示三角剖分问题，并设计出相应的适应度函数、改进的算子以及控制参数，以弥补传统基因遗传算法的不足，提高了执行速度和进化效率．     

面向不平衡数据集融合Canopy和K-means的SMOTE改进算法

针对SMOTE算法和随机森林可较好解决不平衡数据集的分类问题但对少数类样本分类效果还有待提高的问题,融合Canopy和K-means两种聚类算法,设计了C-K-SMOTE改进算法。先后利用Canopy算法进行快速近似聚类,再利用K-means算法进行精准聚类,得到精准聚类簇,最后利用SMOTE算法增加少数类样本数量,使数据趋于平衡。选取公开数据集KEEL(knowledge extraction on evolutionary learning)数据库中的不平衡数据集,结合随机森林分类模型进行了实验验证,实验表明C-K-SMOTE算法可有效平衡不平衡数据集。     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

基于改进遗传PID算法的能量回馈制动系统

针对目前能量回馈系统效率低的问题, 提出一种基于改进的遗传PID（比例-积分-微分）算法对能量回馈系统进行控制. 首先建立回馈制动的数学模型, 然后根据其模型采用仿真软件（MATLAB）, 并结合改进的遗传PID算法进行仿真实验. 实验结果表明, 改进的遗传PID算法比传统PID算法控制效果更好, 稳定性、 鲁棒性及抗干扰能力更强, 且回收效率提高了25.8%.