自调节种群的演化算法求解旅行商问题

提出了一种自调节种群的演化算法(SaPEA)求解旅行商问题,算法根据当前最优适应度改进的情况提出一种更精细调节种群规模的模式,并根据演化的进程选择强化操作或者分化操作.这样不仅有利于保持种群的多样性开发新的解,还可以加快收敛速度探索到更好的解.同时,还对现有的启发式交叉算子和3-opt局部搜索算法进行了改进.通过对TSPLIB中实例进行测试,表明了SaPEA算法的优越性.     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法,文中针对遗传算法较快的找到最优解并防止"早熟"收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度,最后实验表明,改进的算法是可行和有效的.     

幂线性空间的商空间

给出了幂线性空间的商空间的概念,并研究了商空间上的基、维数及同态等的性质.     

基于场景规约的系统行为建模

提出一种基于场景规约的系统行为建模方法. 采用消息序列图描述场景,把场景规约中构件实例之间消息传递的事件序列作为一种显式的场景提取物并给出语义表示,通过场景正样本构造前缀树接受器. 此前缀树接受器是一个能接受正样本的最大确定有限自动机,通过合并状态得到商自动机,给出一个状态合并算法. 该算法支持交互式增量的场景产生.     

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.     

应用于二进制除法位数扩展N阶预测-校正迭代算法

提出了一种扩展二进制除法位数的N阶预测-校正迭代算法.该算法每次迭代将除数位长一分为二,直到除数位长与基本除法位长相同.相应地商分前后两步求出,每步中除数高半数位作为除法运算的除数预测商值,低半数位和部分余数形成部分积校正预测值.理论分析并论证了调整值集合为|0,-1,-2|,给出了32位以内的各次校正概率曲线图.实验结果表明,本算法与比较除法相比,计算效率可提高3到10倍(取决于基本除法的位长).本算法能得到准确余数,符合IEEE浮点数的舍入规范.     

商根系同构的判别

设Φ是典型型不可约根系 ,Δ是Φ的基 .若X Φ ,且X满足 :(1)X∩ (-X) = ;(2 ) x1,x2 ∈X ,当x1≠x2 时 ,有〈x1,x2 〉 ≤ 0 ;则称X为特殊的 .对这样的特殊子集X再定义一个图G(X) ,得到定理　设ΔJ,ΔK Δ ,若G(ΔJ)≌G(ΔK) ,则Φ/ΔJ ≌Φ/ΔK,其中Φ/ΔJ 表示Φ关于ΔJ 的商根系 .     

幂线性空间的商空间

给出了幂线性空间的商空间的概念,并研究了商空间上的基、维数及同态等的性质.     

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.     

用蚁群算法求解旅行商问题

介绍了一种用于解决复杂优化问题的新的启发式算法--蚁群算法.阐述了该算法的基本原理、算法模型和在旅行商问题中的具体应用过程.研究表明该算法具有并行性,鲁棒性等优良性质.