基于Prim算法的旅行商问题解法

<正>旅行商问题与最小生成树问题同属于图论的典型问题,其描述也具有很多相似之处。在特殊的情况下,最小生成树构成的路径可以成为旅行商问题的最优解。本文,笔者正是基于这种思想,提出了旅行商问题的新解法。相对于神经网络算法、模     

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.     

基于基因片段插入的旅行商问题的演化算法研究

旅行商问题是组合优化中一个广泛研究的NP-hard问题.本文引入了一种新的运算方式：基因片段插入,并利用此运算给出了一种求解旅行商问题的演化算法.实验结果表明,此算法能以较高的概率找到旅行商问题的近似最优解.     

给定谱系树的加权最小二乘拟合

给出给定谱系树加权最小二乘问题最优拟合的一个充要条件及两个拟合算法。     

网络中最优控制树问题的贪婪算法

最优控制树问题是大型通讯、交通和供销网络中的一类突出问题.以最小支撑树问题的贪婪算法为基础,分析了最优控制树的本质特征,得到了求网络中最优控制树的一种启发式算法,并给出了算例.     

普里姆算法和克鲁斯卡尔算法构造最小生成树

最小生成树有许多重要的应用,本文介绍了两种最常用的构造最小生成树的算法,普里姆(Prim)算法和克鲁斯卡尔(Kruskal)算法。     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

蚁群和遗传算法在旅行路线规划中的研究

随着国家经济迅速的发展,旅游成为了大部分人生活中必不可少的部分,经济式出行旅游规划中最重要的是最优路线的选择.以郴州旅游行业为研究背景,把旅行最优路线规划问题看成旅行商问题,建立蚁群算法和遗传算法模型.通过使用Matlab软件研究旅行问题,找出最优路线,并且通过比较选择出更合适的一种算法来解决商业上路线的问题.旅游行业可以通过使用这个最优算法建立一个智能旅游出行规划系统,来弥补旅游市场行程规划系统的缺陷,为游客提供最为经济、便利的旅行规划.     

一种基于最优化模型的数字电路测试生成方法

基于基本门电路的特征函数及被测电路的约束网络结构模型,首先提出了一种用于数字电路的模拟退火（ＳＡ）测试生成算法,然后在ＳＡ算法中采用梯度长法的退火梯度法,该方法的特点是具有全局收敛性和较高的计算效率,它不仅加速了数字电路的测试生成过程,而且也可应用于其他类型的优化问题。     

遗传算法求解组合优化问题研究

利用遗传算法（ＧＡ）的机理分析，提出了求解旅行商问题（ＴＳＰ）的一整套进化策略，并对算法对有效进行了分析，计算机模拟结果表明ＧＡ是求解组合优化问题的一种有效方法。     

基于模拟退火算法的证券投资最优组合理论研究

诸多求解证券组合问题的方法是基于Markowitz模型中协方差矩阵是正定的前提条件，但该条件不具有一般性．本文着重对预期收益固定、风险最小的证券最优组合的投资比例向量的求解，提出了一种基于模拟退火算法的解决方法，避免了协方差矩阵是正定的问题，更具有实用性．     

LSI布线设计中的最优树算法研究

本文讨论了在集成电路的布线设计中所碰到的求无向完全图的最优生成树问题,提出了一种求最优树的上三角阵算法(简称M-算法) .描述了支持这种算法的数据结构.对完全图G(n,e),M-算法的计算复杂性是O(n~3),空间复杂性是O(n~2),在相同的空间复杂性条件下,比直接用Kruskal算法要优越.     

流量约束最小生成树问题的分枝定界算法

研究流量约束最小生成树问题(CMST),它是通讯和网络优化设计中最为基础和重要的问题之一.给出一种分枝定界算法,详细阐述了算法的原理、搜索过程,数值结果表明,该算法是有效的,并且有较好的计算性能.     

一种面向不确定标签样本的K-近邻高效决策算法

基于案例的决策是一种直接依据过去的历史案例对当前案例进行分类或者指标预测的方法,K-近邻方法就是一种广泛应用的基于案例的决策模型。在K-近邻方法中,历史案例上需要有标签,而在现实应用中,标签本身有一定的不确定性.文章详细地讨论了现有的基于K-近邻的决策方法忽略了样本标签不确定性这一问题,并基于Dempster-Shafer证据理论对标签不确定性进行建模以改善预测的性能,在此基础上结合边界树模型提高模型的运行效率.文中介绍了边界树算法的作用与原理,对如何结合传统边界树算法与样本标签的不确定性对边界树算法的节点转移策略以及决策过程进行了优化.文章最后对边界树算法的计算规模与准确率做了详细的实验论证.结果表明,文中提出的方法一方面考虑了标签的不确定性,另一方面提高了传统的K-近邻模型的决策效率.     

基于粒子群优化算法在NP难问题中的应用研究

为解决NP难问题中算法应用领域划分问题，分别运用不同算法对不同问题规模的TSP问题进行求解，寻求最优路径规划.采用随机数据来最大化模拟实际情况，设置了5、10、15、20、30和100个随机城市坐标点，分别采用PSO算法、C-PSO算法、GA算法和ACO算法进行求解，求解一条经过各城市且一次的旅行最低费用的路线，分析比较四种算法的鲁棒性与实效性.结果表明：基于C-PSO算法在NP难问题中的具有良好鲁棒性和较短的运行时间，在问题规模小时，可以采用PSO算法和ACO算法；在问题规模大时，可以采用C-PSO算法.     

可分拟满Steiner树的结构性质与最优生成算法的研究

研究可分拟满Steiner树的结构性质与最优可分拟满Steiner树的生成算法.     

基于传输时差最小的OFDM系统信道划分优化方法研究

随着OFDM技术在移动通信中的广泛应用,信道划分问题逐渐被人们所关注。主要讨论了在信道状态和传输总量已知的情况下,基于传输时差最小的OFDM系统信道划分优化问题。首先证明了该问题属于NP完备问题,因此必须使用随机算法代替穷举来求解。主要讨论了遗传算法和粒子群算法在此类问题中的应用。通过仿真所给出的具体结果,可以证明尽管随机算法不能保证解的最优性,但搜索时间较短;同时在相同条件下,粒子群算法可以显示出比遗传算法更强的搜索能力,因此对于OFDM这类实时性要求较高的系统,具有更大的实用性。     

可分拟满Steiner树的结构与生成算法

本文给出可分拟满Steiner树的结构性质及生成算法,利用此算法可直接构造出具有这类结构的Steiner最小树。     

改进子空间跟踪算法的直扩通信系统抗干扰

在深入研究基于特征分析的干扰抑制方法的基础上,先对特征相消器的权矢量进行简化,然后提出一种改进算法—正交稳健最小递归二乘（ORRLS）算法来实现特征相消器。ORRLS算法可以保证所得特征矢量矩阵具有正交性,还可以自适应地估计子空间维数。理论分析和仿真试验表明,ORRLS算法在强干扰的情况下,仍能稳健地收敛,更适合于直接序列扩频系统中的干扰抑制。     

基于交叉覆盖神经网络的人脸识别

提出一种利用交叉覆盖神经网络(ACNN)进行人脸识别的方法.该方法应用基于几何意义的MP神经网络模型——球面邻域模型,将神经网络的训练问题转化为点集覆盖的问题.通过分析交叉覆盖算法,阐述了人脸识别的训练算法,该算法克服了传统BP算法识别率低和易陷入局部最小的问题.实验结果表明,在采用多样本训练后,该算法具有较高的识别率。