项目式数学在程序设计中的应用

传统的程序设计课程的教学存在语句语法过细过多、忽视基本问题求解过程、算法意识薄弱等问题,项目式教学通过一些趣味性的实际问题的求解来贯穿各个知识点,抓住主线,突出基本概念与方法,重点放在思路、算法、编程构思与程序实现上,可以很好地激发学生学习兴趣,提高教学效率和质量.     

分布式两阶段混合流水车间调度

针对分布式两阶段混合流水车间调度问题(DTHFSP),提出一种教学优化算法(TLBO)求解工厂分配问题并设计一种启发式算法解决机器分配问题,以最小化最大完工时间.首先,采用均衡工厂负载的方法生成初始班级;然后,引入淘汰机制以加强对优势解的局部搜索效率,并在自学阶段增加反思过程强化教学结果;最后,通过大量实例实验验证了教学优化算法在求解分布式两阶段混合流水车间调度问题时的搜索优势.结果分析表明教学优化算法在求解分布式两阶段混合流水车间调度方面具有更好的稳定性和求解质量.     

基于二次插值教学优化的化工动态参数估计方法

动态参数估计问题的有效求解对于化工过程精确建模具有重要意义。针对动态参数估计问题,通过将二次插值算子引入到教学优化(TLBO)算法来加强其局部搜索能力,提出了二次插值教学优化(TLBO-QI)算法。此外,将TLBO-QI用于3个化工过程动态参数估计问题的求解,并与TLBO、蜂群优化以及粒子群优化进行了对比,计算结果表明了TLBO-QI可以获取精度更好的解。     

利用拉格朗日松弛算法求解三维分配问题

将拉格朗日松弛算法与最优求解算法的复杂性进行了分析比较，并将该算法应用于求解3-D分配问题,分析与算例结果表明，该算法可大幅度降低3-D分配问题的求解计算量，是求解3-D分配问题的一种有效算法．     

元素判别值分配法的综合求解算法设计

元素判别值分配法在用于求解运筹学一般运输调配与货郎担问题时,鉴于两类问题求解的不同,故使用的算法与调用的程序也不同．现已研制成功综合的求解算法与求解程序。则调用综合算法的程序．它既可求解一般运筹学的调配问题,也可求解货郎担问题;既可求最小值的问题,也可用于求解目标函数为最大值的问题．由于它只需一次调用,便可求解所属问题的最优解,是目前最有效的求解新方法．     

求解FDCP模型问题的ABC算法

为了对模糊规划领域中存在的模糊相关机会规划(fuzzy dependent-chance programming,FDCP)模型问题进行计算,提出了模糊模拟技术与人工蜂群算法相结合的求解FDCP模型问题的求解方法。该算法运用模糊模拟技术来求解模糊机会函数,ABC算法则用于寻优,给出了完整的求解FDCP模型问题的ABC算法流程。通过与经典的求解算法相对比,本文的算法搜素效率更高,具有一定的求解优越性。     

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。     

基于人类进化算法的背包问题求解方法

背包问题是计算机算法中的一个NP完备类困难问题,使用传统的优化方法在求解较大规模的背包问题时,都存在计算量大、迭代时间长的缺陷．人类进化算法是模拟人类进化机理而建立的一种智能优化算法,本文阐述了人类进化算法的基本原理和实现方法．为提高背包问题的求解速度和精度,将人类进化算法应用于背包问题的求解,演示了算法的工作过程．试验结果表明,使用该方法求解背包问题是完全可行的和有效的,与众多优化算法相比,人类进化算法具有更高的求解效率．     

量子粒子群算法求解整数规划的方法

粒子群算法主要用于优化连续性问题。如果用于求解整数规划问题,算法的粒子位置必须解决取整问题;而量子粒子群算法求解整数规划问题具有更高的效率。利用三种取整方法与量子粒子群算法结合,求解非线性整数规划问题,并且与标准粒子群算法求解整数规划问题进行比较。通过对基准函数仿真实验,比较了六种方法求解整数规划问题。实验结果表明,基于随机取整的量子粒子群算法搜索成功率优于其他五种方法,其综合搜索效率更佳。寻找了一种更优的求解整数规划方法。     

改进单纯形表算法

改进单纯形法,是求解线性规划问题的主要算法之一,与一般单纯形法相比,具有节约计算机内存,计算速度快等优点,但在教学中,却不象一般单纯形法,有单纯形表可循,通过表的计算便可掌握算法要领,改进单纯形的学习,需按照算法,一步一步地迭代,既繁琐,又容易出错,难于掌握。所述改进单纯形表算法,采用表上作业,便于初学者对改进单纯形法的理解。该算法可作为改进单纯形法的过渡算法在教学中使用,也可以直接用于求解线性规划的实际问题。     

递归程序设计教学方法的研究

递归程序设计基于分治法和全息的思想方法,将大规模系统中的复杂问题转化为小规模系统问题进行求解(如Hanio塔问题)。递归算法是一种自然且合乎逻辑的解决问题的方式,但其执行效率通常比较差。因此,在求解某些问题时,常采用递归算法来分析问题,用非递归算法来求解问题;递归程序设计在算法设计中具有重要的理论意义和实用价值,但其在C语言、数据结构、程序设计教学上是难点,主要是思想方法的不同。介绍了在教学中通过一组例题从简单到复杂的程序实例,引导学生由浅入深地掌握递归程序及搜索的编写技巧,取得较好的效果。     

一种资源约束项目调度问题的遗传算法

资源约束项目调度问题是项目管理研究的大问题,对于项目管理的研究者和实践者都非常重要,该问题理论上属于NP难题。针对经典资源受限项目调度问题,本文结合教学算法和遗传算法,提出了一种新的智能优化算法——教学遗传算法来求解。通过对资源受限项目调度标准数据集PSPLIB中多个项目调度问题的仿真及与现有文献中的相关算法的比较,验证了所提算法的有效性。     

基于莱维飞行和高斯分布的改进教与学算法

教与学优化算法(TLBO)是一种基于课堂教学学习过程的新型元启发式算法,在解决众多科学和工程问题方面表现出了卓越的性能.然而,许多研究表明,TLBO在问题的求解过程中搜索能力较差,算法易陷入局部最优.针对这一问题,提出了一种基于莱维飞行和高斯分布的教与学优化算法(LTLBO-GD).一方面,将原有的TLBO算法与莱维飞行策略相融合,在教学阶段前期增强老师的学习能力,选择出教学能力突出的老师.另一方面,在学习阶段加入高斯分布局部搜索算子,引导学生进行自学习模式,高斯分布主要是对班级中某一维度进行搜索,从而增强算法单维搜索能力和收敛速度.测试实验结果表明,LTLBO-GD算法在求解精度和收敛速度上都有了显著的改善,并且在求解效果上也明显优于TLBO算法,在典型的标准测试函数优化问题中其优越性更加突出.     

华容道、开窗等经典智力问题的求解算法研究

本文在前人对华容道、孔明棋、九宫拼图问题求解算法研究的基础上,针对这些经典智力问题的特点,利用广度优先和深度优先搜索思路设计算法,并对算法进行搜索减枝优化,设计出了一个相对优化的算法。对于开窗问题,本文通过对该问题规则的分析,设计出了一种效率较高的求解算法。通过使用C#语言编写程序实现算法以及软件的求解功能,经测试与运行证实了本文求解算法的正确性和有效性,并给出了算法的核心C#代码。     

一维下料问题的自适应广义粒子群优化求解

针对现有粒子群优化算法在求解组合优化问题时粒子速度迭代难以定义的问题,首先将粒子群优化算法与遗传算法相结合,利用交叉算子、变异算子,提出一种广义粒子群优化算法来求解一维下料问题;然后引入模拟退火算法作为自适应策略,避免算法陷入局部最优.仿真实验结果表明,采用自适应广义粒子群优化算法求解一维下料问题具有高效性和鲁棒性.     

一种改进的基于教与学的优化算法求解旅行商问题

提出了一种改进的基于教与学的优化算法(TLBO)求解旅行商(TSP)问题,阐述了TLBO算法的基本思想和求解步骤,给出了算法流程,针对算法在解决大规模问题时易陷入局部最优的缺陷,引入混沌搜索机制对其进行了改进.着重研究了改进后的TLBO算法求解TSP问题的求解结果和性能分析,通过benchmark实例进行了仿真实验,结果表明:与诸如遗传算法和粒子群优化算法等已有启发式算法相比,改进后的TLBO算法在求解TSP问题时性能更为优越,从而为TSP问题的求解找到了一条新途径.     

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势.针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较.通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法.     

模拟进程调度的时间表求解算法

从分析进程调度与时间表问题的共性、探索时间表求解的数学模型出发,介绍了一种时间表问题求解的算法,并分析算法复杂度．该算法适用于时间表在现实环境中的各种应用．     

基于离散灰狼算法的资源分配问题求解

针对标准灰狼优化算法(GWO)只适合求解连续优化问题,无法直接求解离散域上的资源分配问题,提出一种基于马太效应的离散灰狼优化算法(DGWO)来求解资源分配问题.首先,根据数学映射思想给出一种将连续空间转化为离散空间、实数变换为整数的编码转换方法;然后,对其中的不可行解采用基于马太效应的修复与优化方法处理;最后,将DGWO计算结果与遗传算法结果进行对比发现不论是收敛速度,还是求解质量,DGWO算法均优于遗传算法.实验结果表明了DGWO算法求解资源分配问题的可行性、正确性和优越性.     

蚁群算法在服务选取问题中的分析比较

在对蚁群算法进行总结分析的基础上,提出了求解该问题的蚁群优化模型,定义了针对服务选取问题的信息素及启发式信息,并采用6种蚁群算法对该问题进行了求解.最后通过试验对这些算法在服务选取问题中的适用性进行了分析,并与最近提出的服务选取算法进行了比较.结果表明,设计的不同蚁群算法在求解该问题时性能差异较大,其中ACS算法不但收敛速度快,其求解质量也好于被比较的其他算法.