度约束最小生成树(DCMST)的竞争决策算法

度约束最小生成树是网络设计和优化中的一个NP难题，介绍了一种基于竞争造就优化和决策左右结果的新型算法——竞争决策算法，利用竞争决策算法的通用模型，给出了一种基于竞争决策思想求解度约束最小生成树的快速求解方法，经过数据测试和验证，并与其它算法的结果进行了比较，得到了较好的结果．     

基于最小生成树的LAPLACE谱图像匹配算法

提出了一种基于最小生成树的Laplace谱图像匹配算法.首先分别对两幅待匹配图像的特征点集构造完全图,其次寻找最小生成树,然后通过各自的最小生成树构造Laplace矩阵,接下来进行分解并利用分解结果构造匹配矩阵,最后通过匹配矩阵实现两幅图像匹配.实验验证了该算法能够降低匹配的时间复杂度和获得较高的匹配精度.     

求解度约束最小生成树的单亲遗传算法

提出了求解度约束最小生成树问题的单亲遗传算法.该算法首先利用Prufer数对生成树进行编码;然后精心地设计了一个随机地产生初始种群的方法,用这种方法产生的初始种群,不会含有任何不可行解;在遗传操作中只使用选择和变异操作,共设计了三种变异操作,其中两种变异操作均不会产生不可行解,只有一种变异操作可能会产生不可行解,需要作树的度的检查和修改;这样就大大的降低了不可行解产生的机会,从而提高了遗传算法的效率;而且只使用变异算子,有效的避免了早熟收敛现象的产生;通过大量的数值试验,表明该算法简单,高效,收敛率高;最后对此算法做了适当推广,并给出了它求解TSP问题的具体步骤和实例。     

运输问题的最小生成树解法

运输问题是线性规划中一类特殊类型问题,实际应用很广。本文是叙述运输问题中的平衡情况。以物质调运为例,设A_i为发点i的运出量,B_i为收点j的需要量,C_(ii)为由发点i运至收点j的流向上的参数,此参数或表示运价或表示距离,也可以根据实际问题表示其他相应的含义,X_(ii)为由发点i运至收点j的运量。平衡情况下运输问题的约束方程为     

非线性多目标决策的一个交互式算法

给出了一个求解多目标决策问题的新交互式算法。该算法适用于线性和非线性的情形,能保证解的非劣性,具有计算量小,交互过程简单明确且易于在计算机上实现等特点,有良好的实施前景.     

多目标优化的生长竞争蚁群算法

提出一种求解多目标优化的生长竞争蚁群算法。该方法将生长竞争规则引入蚁群算法,给出了在连续空间多目标函数优化的算法描述,定义了生长竞争规则及蚁群邻域的转移概率,并提出了实现算法的具体步骤。算法在MATLAB环境下,对一些典型的测试函数进行了求解和验证,实验结果表明该方法具有向真实的Pareto前沿逼近的效果,是一种求解多目标优化的有效方法。     

基于最小生成树与概率松弛结合的谱匹配算法

提出了一种基于最小生成树与概率松弛结合的谱匹配算法。该算法分别对给定的两个待匹配的特征点集构建最小生成树,通过最小生成树构造Laplace矩阵,由奇异值分解该矩阵得到的特征值和特征向量,计算出特征点匹配的初始概率,利用概率松弛迭代法,获得最终匹配结果。用大量的真实序列图像进行比较实验,结果验证了该算法的有效性和准确性。     

广义最小生成树的遗传算法求解及应用

介绍了最小生成树的概念,分析了最小生成树在实际应用中的局限性。引入了节点的度的定义,据此提出了广义最小生成树的概念。采用遗传算法来求解最小生成树,并针对普通遗传算法求解该问题的不足,提出了自调整的变异算子和限制父代个体数目的混合选择策略。通过一个有线电视网络的建模与仿真,表明了广义最小生成树模型的适用性。分别采用普通遗传算法和改进后的遗传算法进行求解,并将结果进行比较,证明了改进后的遗传算法的有效性。     

求解度约束最小生成树的快速近似算法

针对带有度约束的最小生成树问题,给出了一种快速近似算法.首先给出了快速近似算法的核心思想:在不违反度约束和不形成圈的前提下,每次加入权最小的边.其次给出了实现快速近似算法的具体步骤,并且证明了该算法的计算时间复杂度是图的顶点数的多项式函数,证明了算法的有效性定理.大量的数值试验表明该近似算法性能良好.最后在此算法的基础上,给出了求解TSP问题的一种快速近似算法.     

一种基于生成树的多服务器动态区域调整算法

在基于多服务器结构的分布式虚拟环境中,各服务器之间的负载平衡是系统有效运行的关键问题,围绕该问题开展了工作并主要针对动态区域调整算法中存在的问题进行了改进.首先分析了现有动态区域调整算法在迁移目标服务器选取和待迁移区域选择中的不足,给出了一种基于生成树的动态区域调整算法.算法通过建立生成树选择路径组合的方式,改进了服务器集选取的策略,并在此基础上对集合内的服务器进行基于Cell的待迁移区域选择方法,从而在产生较小开销的同时,提高了负载平衡效果.通过实验对比分析,验证了算法的有效性.     

多目标攻击空战决策WBG模型及其蚁群算法

针对解决空战决策分配问题的已有算法稳定性差、局限于数学描述、没考虑目标威胁评估因素等不足,通过分析战场模型,建立了多目标攻击空战决策的赋权偶图(WBG)模型,该模型是具有二分类的赋权完全偶图模型,使空战决策分配问题转化为求解WBG模型的最优匹配问题。利用蚁群算法对WBG决策模型求解,提出了具体实现算法。数值试验和仿真结果表明,提出的空战决策WBG模型及其蚁群算法实现具备精确有效的决策能力,从而为多目标空战提供了一种有效的决策方法。     

基于最小生成树的上证50指数分层结构

针对常用的参数分析方法在证券风格投资分析中容易导致结果的差异性问题,提出将亚超度量空间方法引入到风格投资研究中,因为具有准确定义拓扑序列的亚超度量空间与指数分层结构、风格能够一一对应.首先利用股票价格计算出股间距离,并采用关联该证券组合的最小生成树(Kruskal)优化方法,从而得到亚超度量空间;其次将此亚超度量空间转换成指数分层结构树图,最后得到风格的分布特征.2004～2007年的上证50实证结果表明:横向来看以行业分类的风格较为显著,其中以银行和钢铁也最为明显,此外还有与地区差异、交叉持股相关的风格效应显现;纵向则在股改后行业风格效应更显著,其它的风格也显现得更多.结论为此方法是有效的,同时结果也可为证券投资组合配置提供依据和参考.     

赋权有向图最小生成树的表上作业法

每一赋权有向图可用一个赋权表来表示。本文在借助于赋权表而不是赋权有向图本身讨论圈和生成树的基础上,给出了一种求解赋权有向图最小生成树的新方法——表上作业法,证明了方法的最优性。该方法简单易行,借助于计算机Ｓｐｒｅａｄｓｈｅｅｔ软件,如ＭｉｃｒｏｓｏｆｔＥｘｃｅｌ,可很方便地进行大规模复杂问题的求解。     

基于决策融合的多无人机协同目标检测识别算法

针对现阶段单无人机不能高效完成大区域巡视的问题,提出一种多无人机决策融合的目标检测识别算法。首先改进Retinanet算法进行单无人机的目标检测,根据航拍图像目标特性,调整anchor参数和训练策略。同时利用特征提取算子配准多无人机航拍图像,实现多机图像坐标一致,并进行图像拼接。然后综合目标的位置信息和属性信息对多机图像进行目标关联。最后提出一种基于冲突度量的动态切换策略,自适应选择DST(dempster-shafer theory)或DSmT(desert-smarandache theory)融合关联目标信息。在多无人机协同目标识别数据集上进行实验,结果表明所提算法能在增大单次巡视范围的同时,提高无人机巡视系统的检测精度。     

基于量子多目标进化算法的多任务Agent联盟生成

多Agent联盟生成是多Agent系统的关键问题之一, 主要研究如何在多Agent系统中动态生成面向任务的最优联盟. 为使Agent能稳定的组织起来完成单Agent不能完成的任务并在成本、资源、利益等方面达到一个良好的平衡性能并达到全局最优, 提出了联盟多目标综合评价模型, 并将量子进化多目标算法应用于多目标多任务Agent联盟问题, 运用编码的映射, 将资源组合和任务分配合并为一个过程, 降低了问题的复杂性. 对比实验结果表明该算法求得的解的质量高, 平衡性好, 能有效避免了联盟死锁和资源浪费.     

多目标决策的对比系数法

工程设计及产品开发或其它领域中,经常用“多目标决策”方法选优。本文给出“对比系数法”,按此法求得对比系数,然后对方案排序,得出满意解。     

多层多目标决策方法的综述

本文对多层多目标决策问题进行了分析研究,探讨了该领域有待研究的几个方向,这对进一步研究多层多目标决策问题是有意义的。