二次分配问题及其求解方法的研究进展(Ⅱ)

二次分配问题(Quadratic assignment problem,QAP)属于NP-hard组合优化难题.过去几十年,线性化技术和下界计算方法是利用经典算法求解二次分配问题的关键所在.本文简要回顾了目前QAP问题的线性化技术和下界计算方法的研究进展,最后讨论了利用线性化技术求解二次分配问题及其下界的发展趋势.     

基于蚁群算法的TSP问题求解

人工蚁群算法是受到蚂蚁在觅食过程中能发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来的一种群体智能算法、蚁群算汝在求解一系列困难的组合优化问题上取得成效,成为解决TSP,VRP,QAP,JSP等典型问题的一种新型的强有力算法.本文对蚁群算法的起源和发展历史、算法理论研究的主要内容和方法以及应用等进行了系统的论述.     

数据结构与算法课程的入门教学范例——迷宫问题

完整地分析了作为数据结构与算法课程入门教学范例的迷宫问题的求解.迷宫问题包含两个完备的求解问题,求一个解与求最优解.问题的求解过程包含了问题的计算机表示方法,以及分别基于数据结构栈和队列的深度优先和广度优先搜索算法.     

解多元方程组问题

求解方程组一般使用线性的方法,当方程组的次数比较高的情况下,解多元方程组的问题是一个困难问题.2000年Shamir等人在欧洲密码学会议上提出了著名的求解低次数非线性方程组的XL算法,为代数攻击的成功奠定了数学基础.本文对该方法进行了介绍.     

蚁群算法理论及应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性。本文首先介绍了蚁群算法的基本原理,然后讨论了蚁群算法的应用,最后评述了蚁群算法未来的研究方向和主要研究内容。该算法用于解决组合优化问题,如TSP、QAP、JSP等效果很好。     

基于并行文化微粒群优化算法的非线性方程组解法

并行文化微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力.将非线性方程组的求解问题转化为函数优化问题,应用并行文化微粒群优化算法求解非线性方程组的解.计算中不需要使用目标函数的导数信息和初始点信息,数值实验结果表明了该算法的有效性和可行性.     

改进的TSP算法求解供应链一对多配送问题

TSP问题即旅游最优路线问题,是数学领域中著名问题之一.如今,把TSP用于解决物流行业中运输线路优化已成为一种新的趋向.针对TSP问题没有一种简便、统一的求解方法,提出了改进的TSP算法,即把问题转化为求解最小树和图中悬挂点的匹配问题,从而大大缩小了TSP问题解的搜索空间,降低了求解难度,得到一种改进的求解方法,解决了供应链一对多配送问题.     

基于改进蚁群算法的带时间窗的多目标车辆调度研究

蚁群算法是模仿蚂蚁寻找路径的一种智能化启发武算法.带时间窗的车辆路径问题(VSPTW)是在基本的车辆路径问题(VSP)上增加了时间窗约束条件的一种变化形式,是一个典型的NP难问题.通过采用一种改进的路径构建方法和信息素更新策略,构造一个改进的蚁群算法来求解多目标的VSPTW.与基本AS(Ant System)算法比较结果显示,该算法对于求解VSPHTW问题具有较好的性能.     

求解RCPSP算法简介

资源约束项目排序问题是一类NP-Hard问题,求解困难,复杂度很大.已有一些求解的方法,本文对这些方法进行总结,并简单介绍了各种算法的基本思想.     

基于遗传算法的有时间窗车辆路径问题研究

本文在建立有时间窗车辆路径问题数学模型的基础上,构造了求解该问题的启发式算法--遗传算法,并进行了实例计算.模拟结果表明,利用遗传算法进行求解有时间窗车辆路径问题,可以方便有效地求得问题近似最优解.