0-1背包问题的递归算法

分析了背包问题的求解最佳解的经典算法 ,提出了一种求解 0 - 1背包问题的更有效的方法———递归法 .     

求解0-1背包问题算法综述

0-1背包问题是一个典型的组合优化问题。给出了0-1背包问题的数学模型,概述了各种求解0／1背包问题的算法设计方法,并指出各种方法的优缺点,提出了0-1背包问题的发展趋势。     

用蚁群算法解决0／1背包问题

为了使用蚁群算法来解决经典有0/1背包问题，本文根据TSP问题的蚁群系统模型及转移概率的公式，修改了蚁群算法模型，TSP问题和0/1背包问题的不同之处，在原有的蚁群优化模型的基础上扩展了它的应用范围，用来解决0/1背包问题，通过实验测试改进的算法，结果表明，改进算法的收敛速度得到提高.     

0/1背包问题的贪心算法

0／1背包问题属于动态规划问题，部分背包问题属于贪心算法的范畴，通过比较两种算法的联系和区别，来寻求0／1背包问题的贪心算法的条件，用贪心算法来解决部分0／1背包问题的求解。     

求解0-1背包问题算法综述

0-1背包问题是一个典型的组合优化问题。给出了0-1背包问题的数学模型,概述了各种求解0/1背包问题的算法设计方法,并指出各种方法的优缺点,提出了0-1背包问题的发展趋势。     

求解0/1背包问题的烟花算法研究

0/1背包问题是一个典型的NP难题,具有重要的理论研究价值,也具有广泛的应用基础。借鉴北京大学关于烟花算法的新近成果,尝试考虑二者的结合,初步设计并实现了求解0/1背包问题的烟花算法,开展了较为充分的实验,并作了相关分析与探讨。     

改进蚁群算法求解0/1背包问题

0/1背包问题是一类典型的组合优化问题,并且是NP完全问题。针对0/1背包问题和蚁群算法的特点,设计了一个标志表,使得蚁群算法可以应用到背包问题上。仿真结果表明,改进的蚁群算法在求解0/1背包问题上是相当出色的。     

0-1背包问题的求解算法设计与分析

0-1背包问题在信息密码学和数论研究中有着极其重要的应用。首先对背包问题作了简要描述,然后对0-1背包问题的两种经典算法:动态规划算法、贪心算法给出了具体算法设计及实现过程,最后对两种算法在实现的时间、准确性等性能方面进行了分析和对比。     

0-1背包问题的遗传算法求解及其改进

0-1背包问题是一个典型的组合优化问题,且为NP完全问题.目前常用的方法有贪心算法,动态规划,回溯法等.本文探讨了一种基于贪心算法的混合遗传算法求解0-1背包问题的方法,并在实验中获得了更佳近似解.     

求解多维0-1背包问题的蚁群算法研究

系统地阐述了蚁群算法,并对它进行改进、优化。将蚁群算法应用于求解多维0-1背包问题,提出一种新的求解多维0-1背包问题的算法——基于交换策略的蚁群算法。     

求解多维0/1背包问题的Memetic算法

根据多维0/1背包问题的特点,结合遗传算法和模拟退火算法的优点,设计了一种Memetic算法。该算法以基于模式替换的改进遗传算法作为全局搜素算法,采用模拟退火算法进行局部搜索。全局搜索算法引入了模式替换,使每代种群中的最好基因个体保存下来形成模式,引导种群搜索方向,提高搜索性能,然后进行选择、均匀交叉和变异操作,最后采用最大化修复策略,对不可行解进行修复,并对可行解进行修正。模拟退火算法以一定概率接受较差的解,从而避免陷入局部最优解。通过实验仿真和算法比较验证了Memetic算法的优越性和有效性。     

0/1背包问题的DNA计算

0／1背包问题是一个著名NP——复杂问题，以前人们主要用分支——限界法、贪心法等方法去解决该问题。本文主要论述了一种新的计算模式——DNA计算来解决0／1背包问题。依据分子生物学的实验方法，文中所提出的算法是有效和可行的。     

改进遗传—蚁群算法求解多维0/1背包问题

针对传统启发式算法难以平衡求解收敛次数与求解精度问题,通过充分分析GA和ACO两种算法的优缺点,设计了一种改进的遗传蚁群算法。将算法分为上下两步,分别以GA和ACO为主。在GA中引入信息素更新机制连接上下两部分算法|在ACO中引入遗传变异操作尽可能扩大解的范围。同时结合两种算法各自解的继承方式,采用合适的方法分别处理这两部分产生的不可行解。获得解后,通过引入交换邻域的爬山法思想进一步尝试优化解。最终在保证求解精度的前提下,减少求解所需的迭代次数。实验结果表明,在需要保证求解精度的前提下,相比传统GA,该方法的求解效率提高了一个量级。     

模拟退火算法解决0-1背包问题的研究与实现

阐述了模拟退火算法的原理及实现过程,研究了模拟退火算法参数的设置,给出了如何设置参数的思路,运用程序实现了该算法,并将其运用到解决0-1背包问题的优化之中,结果表明该方法能够对函数进行全局寻优,有效克服了基于导数的优化算法容易陷入局部最优的问题.     

一种求解0-1背包问题的热力学演化算法

为了提高演化算法的求解性能,提出了一种新的演化算法,该算法基于热力学中的自由能极小化原理,在变异算子的设计中融入了模拟退火策略。通过利用该算法对0-1背包问题实施的数值实验,测试了其优良性能。实验结果表明,该算法是求解0-1背包问题的高效算法。     

基于改进的贪婪算法在0/1背包问题中的研究与应用

对贪婪算法的概念、特性、及其解决问题的步骤进行了阐述,结合0/1背包问题重点对贪婪算法进行了分析,总结归纳传统贪婪算法的解决方案,提出改进的贪婪算法解决策略。     

一种改进的模拟退火萤火虫混合算法求解0/1背包问题

根据萤火虫算法自身特点,本文提出一种基于模拟退火的改进萤火虫算法,并用于求解0-1背包问题.该算法在模拟退火过程中利用萤火虫算法搜索新解,采用贪心修复算子对不可行解进行修正.每一次退火操作完成时,对萤火虫种群实行变异操作,增强萤火虫的全局搜索能力.本算法在求解0-1背包问题时,能及时跳出局部最优,在算法初期增强全局搜索能力,在算法后期加快收敛速度.通过仿真实验表明,该算法可较好的求解0-1背包问题.     

改进教与学优化算法求解0-1背包问题

为了有效快速求解0-1背包问题,提出了改进的教与学优化算法.在基本教与学优化算法的基础上,根据0-1背包问题离散化的特点提出了二进制编码方案,利用贪心算子修复不可行解并优化可行解,加快了算法的收敛速度;为了更好地平衡全局探索和局部开发的关系,使用正余弦算子和自适应的惯性权重在迭代过程中调整探索和开发的相对比例,避免算法...     

一类0/1背包问题融合神经网络的差分进化算法

将局部寻优能力极强的人工Hopfield神经网络融合到差分进化算法中,给出了一个解一类0／1背包问题融合神经网络的差分进化算法。在该算法中差分进化算法当前全局最优个体为初始态激活神经网络,生成一个局部最优态,用这个局部最优态代替种群当前全局最优个体,增强了算法的局部寻优能力,通过数值试验表明该算法具有很好的效果。     

基于改进的贪婪算法在0/1背包问题中的研究与应用

对贪婪算法的概念、特性、及其解决问题的步骤进行了阐述,结合0/1背包问题重点对贪婪算法进行了分析,总结归纳传统贪婪算法的解决方案,提出改进的贪婪算法解决策略。