基于改进贪婪式算法的AMR任务分配

采用自主移动机器人AMR(Autonomous Mobile Robot)集群智能、高效处理机场行李时,为了解决机场环境中AMR集群的分配调度问题,提出一种改进贪婪式算法的任务调度策略.根据随机行李数量,分配合适的AMR数量执行处理任务.该算法综合考虑在机场环境下行李任务的到达规律和AMR特性,据此改进贪婪选择策略,使其较其他算法更好体现行李任务与AMR之间的调度分配关系.首先,采用A*算法计算代价,能够获得更加符合实际环境的代价值;其次,对AMR进行类型划分和使用预先出发的策略,减小了任务分配时间和系统运行时间.仿真结果表明,该算法与相关文献算法相比,能够获得更小的任务分配时间和系统运行时间.     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

基于遗传算法的机场调度优化算法

随着航班数量的不断增长,航空管理系统已不堪重负,机场容量将成为航空运输发展的瓶颈.为了解决机场容量不足问题,本文将机场调度问题分为杌位分配和滑行道分配两个过程,设计了适合于求解机位分配和滑行道分配问题的遗传算法.对停机位分配问题,在遗传进化过程中为促进算法收敛,采用贪婪算法对种群进行优化,并引入模拟退火思想对适应度函数进行修正.对滑行道分配问题,为适合遗传算法求解,首先将问题转化为图的形式,并设计了相应的遗传编码方式.数值模拟实验表明所提算法能够比较有效地解决机位分配和滑行道分配问题.     

一种改进的VANET地理位置路由协议

车载自组织网络(Vehicular ad hoc networks)技术发展迅速,但由于其特殊的节点类型和信道特性,采用传统Ad Hoc网络路由协议无法取得满意的性能。实现高速可靠的数据传输速率,需要研究新的路由算法。基于贪婪算法的地理位置辅助路由是目前VANET路由的主流思路。本文主要研究基于地理位置的路由协议,对GPSR(Greedy Perimeter Stateless Routing)协议进行改进,引入了向量的概念,改进GPSR路由协议的贪婪转发模式,即在选择下一跳节点时不仅要考虑到目的节点的距离而且还要考虑城市环境中的十字路口节点,并增加了预测模式来预测在十字路口车辆的移动来提高路由协议的效率。     

最小支撑树混合贪婪算法求解车辆路径问题

优化车辆路径可降低物资配送的服务成本,提高服务效率.建立了车辆路径问题的数学模型.针对一定规模客户的情形,先用最小支撑树算法将客户分区;然后对每个区域中路线用的贪婪算法进行优化;最后通过实例验证,该方法比四叉树混合蚁群算法的计算结果更优、计算速度更快.     

基于改进蜂群算法的城市公交网络设计

针对公交网络设计问题,基于OD矩阵提出了一种贪婪算法生成初始公交线路集,利用改进蜂群算法通过循环迭代对初始解集进行改进,从而生成最优公交线路集.模型以乘客总乘车时间与加权换乘次数之和为优化目标,以乘客平均乘车时间、乘客换乘次数占比为评价指标.最后,利用瑞士Mandl网络对算法进行验证,结果表明:与既有研究相比,利用改进蜂群算法所得的线路集合乘客平均乘车时间更少,直达乘客比例更高.与遗传算法、爬山算法和禁忌算法比较,改进蜂群算法耗时更少,能够有效的应用于大规模的公交网络设计.     

基于表面自适应的定向贪婪选路

针对无线传感器网络中基于位置的路由算法中存在的重复搜索和冗余计算问题,提出一种基于表面自适应的定向贪婪路由算法(DGAFR).该算法充分发挥贪婪转发、表面路由转发和定向选路的优势,依据局部区域节点的状态信息进行整个网络的路由选择.理论上分析证明DGAFR算法具备渐近最优性;仿真结果表明,相比于GPSR和GOAFR,该算法降低了大量额外的通信和计算开销,更适于大型的传感器网络.     

基于子空间追踪算法的稀疏子空间聚类

稀疏子空间聚类是处理高维数据聚类的有效途径,而相似度矩阵的构造是稀疏子空间聚类的关键一步。文章引入子空间追踪算法来构造相似度矩阵,并由此给出了保证特征选择和特征再选择的充分条件。数值实验表明,子空间追踪算法所选择的原子相比经典的正交匹配追踪算法,其选择的原子更具代表性,精确特征选择率更高,聚类误差也得到了保留甚至更低。     

双背包约束下下模函数最大值的贪婪算法

给出求解双背包约束下非减下模集函数最大值的近似算法,证明了该算法的性能保证是1-e^2-1。该算法结合了部分穷举法与贪婪算法,是对贪婪算法的一种改进。算法的时间复杂性为O（n^4）。     

求解大型线性最小二乘问题的贪婪Gauss-Seidel方法

基于一种选择系数矩阵A的工作列的策略，提出了求解大型线性最小二乘问题的一种不同的贪婪Gauss-Seidel方法，并对该方法进行了收敛性分析。数值实验表明，在相同的精度下，所提方法在计算时间上优于文献提出的贪婪随机坐标下降方法。