多态蚁群算法

在分析现有蚁群算法不足的基础上，提出一种新的含多种蚁群、多种信息激素的多态蚁群算法．该算法通过引入不同种类的蚁群，每一蚁群有不同的信息素调控机制，将局域搜索与全局搜索相结合，使搜索、收敛速度大幅度提高．针对TSP问题的仿真实验结果表明了该算法的有效性．     

一种基于插入法的禁忌搜索算法

结合插入法和禁忌搜索算法的优点，提出了一种基于插入法的禁忌搜索算法TIS(tabu-insert search)，该算法利用禁忌搜索算法较强的局部搜索能力和插入法在构造高质量解时的优越性来进行解空间的搜索．TIS能有效地帮助搜索程序跳出局部最优解，找到全局最优或次优解．以典型的组合优化问题TSP为例，验证了该算法的有效性，计算机实验的结果表明该算法有较好的寻优能力．     

一种改进的Hopfield神经网络算法用于单元布局

利用改进的Ｈｏｐｆｉｅｌｄ人工神经网络模型，提出了用于求解ＶＬＳＩ系统单元布局的优化 算法。该算法具有简单的能量函数表达式，较快的收敛速度，可避免无效解。利用此算法对于６ 种较复杂的布局实例进行运算，在布局优化结果和运算速度方面都比同类研究有较大改进。     

神经网络TSP问题仿真分析

描述了Hopfield神经网络和自组织特征映射神经网络解决TSP问题时的求解过程和仿真算法.通过对两种算法的仿真比较,得出以下结论:对于较大规模的TSP问题,SOFM模型的寻优结果要优于HNN模型寻优结果;HNN对网络模型参数和初始条件具有很强的依赖性且调整参数组合非常困难,而SOFM的参数设置和调整相对要简单得多;SOFM算法对待解决问题的拓扑分布不敏感,而HNN算法的收敛性对待求解问题的自身分布有很强的依赖性;当待求解问题的数目增大时,SOFM算法的运算时间增加缓慢,而HNN算法的运算时间增加较快.因此,在解决TSP问题时,自组织特征映射神经网络比Hopfield神经网络的效率高,随着问题规模的增大,其优势更为明显.     

千枚岩隧道破碎带 TSP 超前预报解译标志

千枚岩等软岩隧道施工中易出现垮塌等地质灾害。以典型千枚岩隧道———汶马高速公路鹧鸪山隧道为例,以地震波传播理论为依据,结合工程地质分析及地震波正演模拟,探讨TSP 预报中针对千枚岩构造破碎带在不同含水率状况下的地震波反射特性及解译标志,结果表明：纵波及横波遇千枚岩构造破碎带反射现象明显,横波较纵波反射更强烈;破碎带富水时,千枚岩泥化变软,纵波反射加强;从深度偏移角度分析,破碎带内正负反射频繁变化,单个反射层延伸性差。研究结果可以提高 TSP 在软岩隧道中的预报准确性。     

改善分支限界法求解旅行商问题效率的策略

叙述了NP完全问题的复杂性及分支限界法求解问题最优解的策略,分析了利用分支限界法求解旅行商问题过程中影响算法求解效率的主要原因。针对欧氏空间的旅行商问题求解,提出了通过化简初始边集的策略,改善算法的求解效率,通过实验说明了该策略的有效性。该策略可应用到求解旅行商问题的其他算法中。     

蚁群优化算法的原理及其应用

蚁群优化算法是近年来出现的一种新的启发式搜索算法,首先介绍了蚁群算法的基本原理,然后着重讨论了如何将其用于求解旅行商问题(TSP),最后分析了蚁群算法的一些基本特征.     

一种暂态混沌神经网络及其应用

讨论了Hopfield神经网络算法在优化计算中的应用,提出了一种暂态混沌神经网络模型,把混沌动力学与收敛动力学相结合,使网络逐渐由混沌神经网络向Hopfield网络过渡,达到控制混沌的目的,并且提供一个在全局最优解附近的初值,然后用Hopfield网络得到最优解,有效地解决了Hopfield网络的局部极值问题.仿真结果表明算法对于初始值是稳健的,并且具有很强的克服陷入局部极小能力.     

旅行商问题的一个精确算法

本文对经典的旅行商问题给出一种精确式算法,计算结果表明,它具有一定的优越性和实用性。     

兰州市城关区冬季春季大气气溶胶与大气污染

本文通过对兰州市城关区冬季，春季大气气溶胶的监测，分析了该地区冬季、春季大气气溶胶的污染状况。经过分析和比较表明，该地区总悬浮颗粒物（ＴＳＰ）和飘尘对大气的污染相当严重，尘占ＴＳＰ的比例偏大、飘尘的颗粒分布在冬季和春季相似。没有良好消烟除尘设备的多源排放和特殊地形条件下的因素是引起该地区严重大气气溶胶污染的主要因素。