基于带宽剩余率的脉冲耦合神经网络最短路径算法

利用脉冲耦合神经网络（pulse coupled neural network, PCNN）寻找最短路径是一种非确定性算法,运算的复杂度只和最短路径的长度有关,和路径图的复杂程度无关。已有的PCNN最短路径算法只考虑路径长度,而未考虑其他参数,如带宽和时延等。这里除了考虑路径长度,同时考虑实际中带宽剩余量对网络的影响,提出了一种基于带宽剩余率的最短路径算法,用带宽剩余率参数来控制神经元阈值,寻找最短路径。仿真结果表明,该算法可以寻找到全局最优解。     

模拟退火算法求解最短路径填挖问题

在大型的工程和建筑项目中，经常要进行场地平整工作。这引出了一个最短路径填挖问题，目标是找到一个最小车辆路径，使得整个施工过程的总运输距离最短。该问题属于NP—hard问题。本文采用模拟退火算法求解该问题。最后通过算例计算，并同贪婪算法的求解结果进行比较，验证了模拟退火算法的高效性。     

多目标最短路径进化求解方法

提出一种无圈有向图条件下的多目标最短路径进化算法。使用变长染色体对路径编码。进行染色体适应值分配时同时考虑支配关系及密度信息，保持了种群的多样性。有界精英保留策略保证了算法的优化性能。对算法的收敛性进行了证明。理论分析和实验表明，该算法可以在较短时间内获得多条多目标优化路径。     

两种策略下的最短路径并行算法研究与实现

随着智能交通运输系统的研究与应用,对在大规模交通网络上求解最短路径的实时性提出了更高的要求。为了找出适用于实际交通网络的高效最短路径并行算法,首先选取了3种最短路径标号串行算法,以此为基础分别实现了网络复制及网络分割两种策略下求解最短路径的并行算法。最后,从基于G IS的交通规划软件T ransCAD中提取了实际交通路网数据,同时还随机产生了不同规模的稀疏格网,在这些网络中对并行算法的性能进行了测试和分析。结果表明,在8台机器上求解含5 181个节点的实际交通网络中32个源点的最短路径时,基于网络分割的双队列标号修正并行算法的加速比可达到6.32,在其他网络中也表现出较好的加速比及可扩展性。     

含结点等待费用的离散时变最短路径

研究了结点等待费用、弧费用和弧通过时间均为离散时变函数的最短路径问题.基于动态规划原理,给出了一种标号更新算法,可在O(n3M3)时间复杂度内求出所有结点到指定终点的最小费用路径,其中n为网络结点数、M为时间间隔数.     

不完全信息下交通网络最短路径关键边问题

因各种突发事件（交通事故、自然灾害等）造成道路中断的现象普遍存在，车辆在行驶的过程中并不具有道路中断的完全信息，只有行进到中断处时才获得道路中断的信息。本文就不完全信息（道路中断信息）下的变通网络最短路径关键边问题进行研究，首先定义了不完全信息下最短路径关键边的概念．其次给出了求解不完全信息下最短路径关键边的有效算法厦其时间复杂性分析，然后结合城市道路网络给出了实际算例，比较分析了最短路径关键边、最长绕行路关键边和不完全信息下的最短路径关键边问题，指出了不完全信息下的最短路径关键边问题更具有实际意义。     

必经点最短路径问题模型及相应遗传算法研究

根据军事运输在路径寻优方面的特殊需求,将必经点最短路径问题分为三类,建立各类问题的数学模型.以分类保序最短路径为例,设计相应的改进遗传算法.该遗传算法构造了独特的适应度函数,使包含较多必经点的染色体能够优先被选择进入下一代种群.通过节点保序算子的引入,保证相关节点之间存在特定的先后次序,并提出一种新的引入必经点变异算子,提高算法的全局搜索能力,加快收敛速度.仿真结果验证了算法的有效性.     

不确定情形下通信网络最短路径关键点问题

在通信网络中，因突发事件造成通信路由节点毁坏或者中断的现象时有发生，传输的数据包不得不从中断处沿着最短的替代路径行进到数据包的接收节点，在这种情形下，哪个路由节点中断使得数据包实际行进的总路程最长呢？从通信网络管理的角度来看这是一个非常重要的问题。对该问题．以前的文献都是从确定情形（事先具有节点中断的完全信息）下进行研究的，本文从不确定情形（只有数据包行进到中断节点的邻接点时才获得该节点中断的信息）的角度重新考虑这个问题。本文首先定义了不确定情形下的最短路径关键点概念，给出了计算不确定情形下最短路径关键点的算法及其时间复杂性分析。结合实际通信网络的算例分析，比较了确定情形下最短路径关键点和不确定情形下最短路径关键点问题，指出了不确定情形下最短路径关键点问题更具有实际意义。     

典型城市路网中的椭圆最短路径算法

提出了一种高效可靠的限制搜索区域的最优路径算法．该算法是基于典型城市路网的共同特征, 而不是某个特定城市的统计信息提出的, 它可以应用在不同的城市路网中．针对从源站点到目的站点不同的欧式距离, 算法分别在两类不同大小的椭圆内搜索最短路径．理论计算和实验结果都表明, 当源站点和目的站点相距较远时, 与椭圆限制搜索区域算法相比, 该算法可以降低33%-47%的时间复杂度, 而不会影响查询结果的准确性．     

基于Mbius立方体的最短路径路由算法

Mbius立方体是超立方体的一种变形结构。Mbius立方体除了具有超立方体本身的可扩展性和路由简单等优点外,它与含有相同数目的点和边的超立方体相比具有更好的性能。文中提出一种新的用于Mbius立方体网络的最短路径路由算法,避免了递归调用。分析和实验证明,相对于Cull P提出的最短路径算法有更高的效率,并易于硬件实现,且时间复杂度为O(n)。     

时变网络下多式联运的最短路径问题研究

在运输过程中,往往不止有一种运输方式,可能同时有多种运输方式交叉,即存在多式联运的方式.同时,运输网络往往具有时变特性,其运输成本和运输时间等会随着时间的变化而变化.将多式联运的运输网络进行了变形,设计了时变网络条件下有到达时间限制多式联运的最短路径算法,并对算法的计算复杂性进行了分析.最后给出一个应用算例.     

多脉冲控制的暂态混沌神经网络及其应用

针对多极值情况下暂态混沌神经网络(TCNN)只进行一次混沌动力施加而导致的部分极值点漏检问题,发展研究了一种名为脉冲暂态混沌神经网络(PICNN)的新型神经网络。PICNN通过对混沌动力控制因子z_i(t)和神经元输出陡度ε_i(l)两个参数的调制,将混沌动力以脉冲方式进行控制,施加于神经网络上,形成具有多频次跳出局部极小点功能的脉冲暂态混沌神经网络。PTCNN包含若干可调参数,可以控制整个系统呈现丰富多样的动力特性。随着混沌动力脉冲的间歇加入,系统交替进入混沌状态和稳定状态,因此既可以不断地跳出极小点的局域范围,又可以在局部区域内向此区域的极小点不断靠近,进而稳定到此极小点,使系统可以更有效地进行问题的全局寻优。算例表明,PTCNN比TCNN在全局寻优方面更具优势。PTCNN实际是TCNN的推广和延伸,比TCNN更具有一般性和更强的优化搜索能力,因此应用空间更为广泛。     

无向正权网络最短路模型的建立和理论分析

路径问题是运筹学的重要分支, 更是图论学科成立的奠基问题.针对无向网络中的路径问题, 首先, 建立了无向正权网络最短路模型, 提出一些能够反映无向网络中节点、边和路线规律性的参数概念, 包括点参数和边参数, 用这些参数代替边的权数描述无向正权网络; 其次, 通过对模型进行理论分析, 推导出与各参数相关的结论, 利用参数揭示了点、边、路线以及无向正权网络之间的关系, 并初步体现了该模型的用途; 第三, 利用该模型求解了与无向正权网络相关的几类基本路径问题; 最后, 通过应用举例, 阐述了该模型的部分应用. 需注意的是, 该模型也适用于带回路的有向正权网络.     

径向基函数网络泛化能力研究及其应用

通过分析径向基函数网络(RBF网络)结构及影响其泛化能力的因素,提出一种通过网络泛化误差自动调节隐层节点数以得到最佳节点数的方法。将采用这种算法的RBF网络用于对船舶焊接变形过程进行建模并预测其输出。仿真表明这种算法可以显著提高传统RBF网络的泛化能力。