网络流优化的快速数值逼近算法Ⅱ

解决了网络流优化的快速数值逼近算法的稳定性问题,从而保证了用O(k(ε-2+lgk)lgn)个单个流的最小成本流的计算,来定性计算最大共存流的逼近解(其中:k是共存流数,n是节点数,而ε是精度要求)是优化的.       

网络最大流的矩阵算法

利用网络的容量矩阵得出网络的最小割矩阵,即可得到网络的最大流。     

一种改进的社区发现最大流算法

为合理设计最大流算法中边容量的分配策略,利用网页的入度和出度的概率分布以及Web页面间链接重要性差异,合理分配边容量,提出改进的最大流算法MBP.实验结果表明,改进的最大流算法MBP发现的社区质量多数情况下优于HITS算法和原始最大流算法.     

网络最小费用最大流双目标遗传优化算法

针对将网络最小费用最大流问题转化为单目标优化问题进行求解的缺陷,提出网络最小费用最大流的双目标优化模型,并引入多目标遗传算法.对最小支撑树对应的余树弦流量初始值进行编码,通过解码和回路矩阵计算流量网络树枝的流量.在网络最小费用、最大流量双目标函数和网络结点容量、网络分支容量约束条件基础上,按照多目标优化理论构建增广最小...     

网络优化算法的实现与比较

以实际“物流决策支持系统”项目为背景,讨论了网络的邻接矩阵、关联矩阵、邻接表、弧表、星型表示法等计算机存储表示在处理实际问题时的优缺点,选用邻接矩阵、邻接表表示法设计实现了最短路算法和最大流算法,通过分析、测试Ford-Fulkerson算法、最大容量增广路算法、Dinic算法、最高标号预流推进算法等,给出了各算法的不同实现方法对实际问题的适应性及在运行效率上的差别。     

一个求无向网络最大流的算法

从对通路的先后堵塞观点出发，给出了若干定理，从而构造了一对点之间的最大流算法，并讨论了算法的复杂度。     

基于标号法求解网络最大流算法的研究

近年来,随着各种网络的飞速发展,对最大流问题的研究也取得了很大的进展.本文简述了网络最大流问题的现状,提出了一种求解网络最大流与最小截问题的算法.此算法使得计算网络最大流变得简便,且具有很强的实用性.     

节点环流网络中的最大流算法

为了求出节点有容量并有存储功能的网络中的最大流,提出使用改进的带有节点环流的网络模型。在改进的网络模型中,网络节点改由新的结构代替,即节点分为入点和出点,增加中转弧和节点环。提出了进出节点的配平算法,使用了改进的流量守恒约束,通过虚拟源、虚拟汇进行配平,使用最大流算法求出由节点环流调节过的最大流。在配平算法中,遇到入流容量小于出流容量,要判断节点环流量的大小;遇到入流容量大于出流容量,要判断节点环流的残容量大小。算法应用于流的分配或流的汇聚。     

制造网络的一个最小费用最大流算法

制造网络流广泛应用于解决水源的调度及工厂的产品运输、分配、合成等问题.该文提出一个制造网络流的最小费用最大流算法.     

网络最大流问题的应用

最大流和它的对偶问题最小截问题是经典的组合优化问题,已有40多年的研究历史,存在许多优秀的算法和大量优秀的代码。许多问题转化为最大流问题或最小截问题后可以得到十分有效的解决。该文列举了网络最大流问题在匹配问题,图的边连通度问题及资源分配问题领域的应用。     

投资组合优化模型的一个序列凸近似算法

以CVaR为代表的凸优化投资组合模型近年来引起了广泛研究.为克服传统投资组合模型中凸近似的不足,提出了一个投资组合的DC规划模型.该模型用一个DC函数替代了CVaR模型中的凸近似函数,同时要求所有约束条件在概率意义下成立.进一步地,提出了一个序列凸近似(SCA)算法用于求解DC规划问题,并运用Monte-Carlo方法来实现SCA算法.初步的实验结果表明,因子收益服从"尖峰厚尾"分布时,模型的目标函数值优于采用CVaR近似的目标函数值.     

多子群协同链式智能体遗传算法分析

针对遗传算法(genetic algorithm,GA)易出现搜索效率不高和早收敛现象,提出了一种多子群协同链式智能体遗传算法(multi-population agent genetic algorithm,MPAGA)。该算法采用多子群并行搜索模式、链式智能体结构,引入动态邻域竞争和正交交叉等策略,有效提高了算法性能。采用3个复杂多峰测试函数对算法进行优化性能测试结果表明,MPAGA比普通智能体遗传算法有较快的收敛速度,能有效防止早收敛现象。     

集送货路径的同步优化快速算法

为提高集送货问题的求解效率,提出一种新的同步优化快速算法,即先以非精确的混合距离矩阵替代里程矩阵为输入进行求解,然后将结果反馈到输入端动态更新混合距离矩阵中对应的元素,以更新的混合距离矩阵为输入再次求解,以此反复迭代,直至满足优化目标.以40个遍布于北京的客户构成的集送货问题为例,用该算法进行了求解,并与传统异步优化算法的优化结果进行对比,结果表明同步优化快速算法能够在精度降低4.92%的情况下,比传统异步算法节省40%的计算时间,适用于实时性要求很高的动态调度.     

Novel evolutionary algorithm for global numerical optimization with continuous variables

Evolutionary algorithms (EA) are a class of general optimization algorithms which are applicable to functions that are multimodal, non-differentiable, or even discontinuous. In this paper, a novel evolutionary algorithm is proposed to solve global numerical optimization with continuous variables. In order to make the algorithm more robust, the initial population is generated by combining determinate factors with random ones. And a decent scale function is designed to tailor the crossover operator so that it can not only find the decent direction quickly but also keep scanning evenly in the whole feasible space. In addition, to improve the performance of the algorithm, a mutation operator which increases the convergence-rate and ensures the convergence of the proposed algorithm is designed. Then, the global convergence of the presented algorithm is proved at length. Finally, the presented algorithm is executed to solve 24 benchmark problems. And the results show that the convergence-rate is noticeably increased by our algorithm.     

Novel evolutionary algorithm for global numerical optimization with continuous variables

Evolutionary algorithms (EA) are a class of general optimization algorithms which are applicable to functions that are multimodal, non-differentiable, or even discontinuous. In this paper, a novel evolutionary algorithm is proposed to solve global numerical optimization with continuous variables. In order to make the algorithm more robust, the initial population is generated by combining determinate factors with random ones. And a decent scale function is designed to tailor the crossover operator so that it can not only find the decent direction quickly but also keep scanning evenly in the whole feasible space. In addition, to improve the performance of the algorithm, a mutation operator which increases the convergence-rate and ensures the convergence of the proposed algorithm is designed. Then, the global convergence of the presented algorithm is proved at length. Finally, the presented algorithm is executed to solve 24 benchmark problems. And the results show that the convergence-rate is noticeably increased by our algorithm.     

A novel evolutionary algorithm for global numerical optimization with continuous variables

Evolutionary algorithms （EAs） are a class of general optimization algorithms which are applicable to functions that are multimodal, non-differentiable, or even discontinuous. In this paper, a novel evolutionary algorithm is proposed to solve global numerical optimiza- tion with continuous variables. In order to make the algorithm more robust, the initial population is generated by combining determinate factors with random ones, and a decent scale function is designed to tailor the crossover operator so that it can not only find the decent direction quickly but also keep scanning evenly in the whole feasible space. In addition, to improve the performance of the algorithm, a mutation operator which increases the convergence-rate and ensures the convergence of the proposed algorithm is designed. Then, the global convergence of the presented algorithm is proved in detail. Finally, the presented algorithm is executed to solve 24 benchmark problems, and the results show that the convergence-rate of the proposed algorithm is much faster than that of the compared algorithms.     

非线性数值函数优化中非等位交换的遗传算法

提出了为模式的概念,通过对交换个体产生子代的范围,分析了遗传算法中等位交换的不足之处,进而提出了非等位交换的算法。并根据遗传算法中初始群体的规模大小,给出了交换对选择法和交换柱选择法,分别就一元数值函数和多元素值函数优化问题讨论了两种选择法的实施问题。最后,通过一个无约束的数值函数优化问题进行了 30 组等位交换和非等位交换的对比计算,从统计上验证非等位交换算法的有效性。     

流优化算法解决FMS调度的计算机仿真

本文着重研究了流优化方法解决ＦＭＳ生产调度问题,根据流优化算法数学模型给出了计算机仿真结果。     

复杂网络的控制及计算机数值算法

针对复杂网络存在稳定的同步现象问题,采用了一种节点为三元二次迭代方程的复杂网络的控制方法.以相同结构动力学系统作为节点构造复杂网络,通过多控制信号和单一正弦控制信号来分别控制该动力学系统,通过计算机仿真模拟.结果表明:复杂网络存在稳定的同步现象,仿真模拟证明多控制信号和单一正弦控制信号对该动力学系统的控制方法是有效的.     

一种优化的认知无线电网络资源协同分配算法

在目前的认知无线电研究中,多用户OFDMA系统中如何实现子载波和功率的合理分配是研究的重点之一.针对认知无线电资源分配过程中出现的多认知用户资源分配不公平的问题,研究了认知无线电网络中授权用户占用子载带时,认知用户的吞吐量受限制的问题,提出了一种基于underlay频谱共享模式下的OFDMA认知无线电网络功率与子载带协同分配优化算法.该算法利用干扰门限的设置,使用原始感知信息(RSI)和信道状态信息(CSI)进行功率与子载波分配,然后分别进行功率控制和用户选择的计算,找到最优化传输功率与每个子载带最优使用用户,在保证授权用户免受有害干扰的前提下,使授权用户存在时,也可共享频谱传输,确保了系统的稳定性,提高了网络吞吐量.理论分析与仿真结果表明,相比传统的功率与子载波联合分配算法,该算法可以提高系统的平均加权吞吐量.