求解满瓶颈Steiner树

首先对Steiner树,瓶颈Steiner树研究现状加以介绍,指出满瓶颈Steiner树就是在已知图中找一颗树S,使给定的点集在S中的点都为叶子,且最大的边权值最小,然后给出满瓶颈Steiner树的定义,利用分解,转化,组合的思想,给出求解满瓶颈Steiner树问题的一个多项式算法,证明算法正确性,说明该算法的时间复杂性,最后给出相应的数值例子,说明算法正确性.     

基于进化规划的网络多目标路由算法

多目标路由问题要求极小化网络带宽资源消耗 ,它与图论中 NP完全的 Steiner问题等价 ,不存在多项式时间算法 ,只能采用近似算法或启发式算法 .进化算法是一类有效求解优化问题的新算法 .应用进化算法中的进化规划方法 ,求解 Steiner问题 ,提出了一种新的多目标路由算法 .仿真结果显示 ,该算法性能高于启发式方法     

关于满Steiner树问题的一个近似算法

满Steiner树问题(TST)是求解一个正则点都是叶子的最小Steiner树问题.Fabio Viduani Martinez等人给出了此问题的近似算法,它的性能比为2ρ-ρ/(3ρ-2)≈2.52,而目前求解Steiner树问题的近似算法的性能比,最小值约为1.550.对满Steiner树问题给出了一个近似算法,并将它的性能比改进为2ρ-3ρ/(6ρ-2)≈2.463.     

Steiner最小树问题及其应用

Steiner最小树问题是一个历史悠久的经典的组合优化问题,由于应用广泛,多年来一直受到研究者的广泛关注。介绍了各种Steiner树问题及其求解算法和实际应用。     

扩展Steiner树问题的选址应用研究

提出扩展Steiner树问题的选址模型,给出了该模型基于最小生成树的启发式算法.在此基础上,分析了一个居民点只能与一家连锁店相关联的选址问题,并用算例验证了该选址方案的可行性.     

扩展Steiner树问题的选址应用研究

提出扩展Steiner树问题的选址模型,给出了该模型基于最小生成树的启发式算法。在此基础上,分析了一个居民点只能与一家连锁店相关联的选址问题,并用算例验证了该选址方案的可行性。     

基于范数下的反瓶颈Steiner树问题

讨论了在l1范数下的反瓶颈Steiner树问题.对于给定的一个可行解,修改带限制的边权使其成为瓶颈Steiner树问题的最优解,并且在l1范数下边权的修改费用最小.讨论了最优目标值的范围,在此基础上给出了一个求解反瓶颈Steiner问题的多项式时间算法.     

基于电势的最优加权Steiner树蚂蚁算法及其选址应用

在传统欧氏Steiner树的基础上,提出加权Steiner最优树模型,适用于求解必须考虑结点权值情况下的最短路问题.借用电场理论中电势的概念给出了模型的蚂蚁算法实现,并以某大型电子商务企业物流中心选址问题为例,验证了模型的实用性及算法的有效性.     

一种修复网络拓扑的Steiner树移动控制算法

针对无线Ad Hoc网络中拓扑修复成功率低、节点移动开销大的问题,提出了一种Steiner树移动控制算法(SMC).采用三近似最少Steiner点算法建立一棵包含网络节点和Steiner点的Steiner树,然后将引入的Steiner点作为节点移动的目的点,选择并调度一些节点移动到这些Stei-ner点上,最后更新网络拓扑,迭代执行算法直到建立一个连通的网络拓扑.仿真结果表明,与基于分区最小生成树的移动控制算法相比,SMC算法不仅修复网络拓扑的成功率可达到100%,而且还显著降低了节点移动开销,其中节点移动总距离减小了37%~45%,节点移动总数减少了9%~29%.     

基于层次分析法与加权Steiner树问题的物流配送中心选址研究

物流配送中心一般是在备选点已知的情况下进行选址的。对于备选点的选取,选用层次分析法解决;对于配送中心地址的选取,选用图的Steiner树问题解决,并给出该问题的基于多Agent系统的启发式算法。在此基础上,分析和实现了电子商务环境下物流配送中心的选址问题,并通过示例验证了该选址模型的可行性。     

一种快速的近似最小代价多播路由算法MCTH

提出一种快速近似最小代价多播种由算法。算法通过动态调整结点与当前躜上树的代价值,依次选择和当前路由树有最小代价的结点来逐步生成总体代价小的多播路由树。Ｍｉｎｉｍｕｍ Ｃｏｓｔ Ｐａｔｈ Ｈｅｕｒｉｓｔｉｃ （ＭＰＨ）是一个性能很好的Ｓｔｅｉｎｅｒ对近似算法,算法分析和实验比较得出,本文的算法与ＭＰＨ有相同的性能,但复杂性更低,并且建立路由时仅需了解相邻结点之间链路的代价信息。     

进化规划方法在并行多机调度问题中的应用

并行多机调度问题是一类重要的车间调度问题,但迄今为止,在解决工件和机器数较多的大规模并行多机调度问题还存在着许多困难。进化规划方法与遗传算法一样是一种重要的进化计算方法,但与遗传算法相比,进化规划算法的应用还刚刚开始,特别是在调度领域的应用还很少见文献报道,第一次将进化规划方法应用到并行多机调度问题中,并在问题的描述、可行解的表示、变异方法、提高进化规划方法的局部寻优能力等方面作了研究。不同规模的计算实例表明了本文提出的进化规划算法是有效的,能用于解决较大规模并行多机调度问题,且解的质量优于启发式算法和模拟退火算法。     

一种启发式的分布式最大独立集算法

从最大独立集问题的0-1整数规划数学描述入手,首先针对树图情形提出了一种基本的分布式树（Tree）算法,并证明该算法在树图情形下是最优的,然后将该Tree算法针对一般图情形进行了启发式的修正,得到一种新的分布式修正树（m-Tree）算法.理论分析表明,当图为树或二分图时,m-Tree算法可以简化为基于信用传播（BP）的分布式算法,是对BP算法的一种推广.仿真结果表明,对于树或二分图情形,m-Tree算法与BP算法都能收敛至最优解;对于一般图情形,m-Tree算法的收敛性能与权和性能均远优于BP算法,并且其权和性能接近最优解.     

八角形斯坦纳树问题的文化基因算法

针对多端线网互连问题,提出以超大规模集成电路物理设计中布线阶段应用较多的斯坦纳树为切入点,采用一种基于种群的全局搜索和基于个体的局部启发式搜索相结合的文化基因算法,对八角形斯坦纳树的结构进行优化,从而进一步缩减线长. 使用Prim算法预处理取得初始种群,并重新修改了原本的文化基因的编码以及相关操作,以便可以处理八角形斯坦纳树构建这一离散问题,利用八角形结构,使其能在全局范围内,快速收敛并全局寻优. 实验结果表明,所提算法能获得较好拓扑的八角形斯坦纳树,快速得到多端线网最优或者较优的布线结果,缩减布线的线长.     

动态障碍物环境下移动机器人路径规划

以机器人基本避障碍策略与启发式动态规划法相结合的方法，研究了在障碍物轨迹已知的动态环境中机器人的路径规划问题，根据机器人与单个障碍物可能的碰撞情况，分别提出了几种避障碍,伙子目标和相应的速度。根据这些策略，在机器人当前视窗内，将形成一个策略树，采用启发式动态规划算法，依据时间和路径费用最小原则，找出一个最优策略集，即最优子目标集，这种规划方法大大缩小于机器人子目标搜索空间。     

度、半径约束最小生成树问题及其算法

提出了度、半径约束最小生成树问题,证明了该问题是NP-完全的.建立了该问题的数学规划模型.进一步给出了快速启发式求解算法,并分析了该算法的时间复杂性.分析和实例实验表明该算法具有良好的效果.     

基于进化规划算法的背包问题求解研究

背包问题是一个具有较强应用价值的NP完全问题.如何设计求解此类问题的算法,则具有很强的实用价值和理论意义.目前已有很多的求解方法,但背包问题并没有完全解决.本文在启发式算法的理论基础上,改进了进化规划算法求解背包问题,此方法简单通用、易于操作.数值实验表明该方法具有较高的准确率,能较快的收敛到全局最优点.