一种求解简单网络路由问题的混合蚁群算法

蚁群算法是一种新型的模拟进化算法,为求解复杂的组合优化问题提供了一种新的思路。该文提出了一种求解网络路由问题的混合蚁群算法,该算法根据概率取值的不同选取三种不同的状态转移规则,通过仿真实验,获得了较好的效果,并与禁忌搜索算法进行了对比,结果表明,混合蚁群算法比禁忌搜索算法运行的时间更短,具有更好的求解性能。     

一种求解压缩感知问题的新方法

本文主要研究一种求解压缩压缩感知问题的新算法。通过将压缩感知问题等价转化为新形式的线性互补问题,构建了一种通过求解线性规划来得到最优解的新算法。最后证明了算法的全局收敛性。本文通过数值实验,进一步验证了算法的合理性以及稳定性。     

求解非线性方程组的智能新方法

求解方程组是工程研究中的基本问题,因此将非线性方程组的求解问题转化为函数优化问题,应用一种新的智能优化算法-布谷鸟搜索算法求解此优化问题,数值实验结果表明了该算法在求解非线性方程组时的可行性和有效性。     

浅谈旅行商问题与蚁群算法

蚁群算法是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法之后的又一种应用于组合优化问题的算法。根据蚁群算法的特性,求解旅行商问题,利用仿真实验程序对蚁群求解旅行商问题进行模拟。     

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。     

非线性二层规划的一种混合粒子群算法

基于扩展的K-T条件和罚函数方法并结合改进的粒子群算法提出一种求解非线性二层规划问题的新算法,数值计算结果表明,该算法能够在较短的时间内得到问题的近似最优解,是一种求解非线性二层规划问题的有效方法．     

扰动谱尺度BFGS算法及其收敛性

在谱尺度BFGS算法基础上提出了一种扰动谱尺度BFGS算法,即在谱尺度BFGS算法的矩阵迭代公式中加入一个扰动因子,该因子能保证该算法求解非凸函数极小值问题时具有全局收敛性.在求解大规范问题时,该算法也能改善拟牛顿矩阵条件数,从而降低求解子问题的难度.通过数值试验对该算法进行检验,结果表明：在相同条件下,求解大规模问题时,该算法优于谱尺度BFGS算法.     

求解0-1背包问题的粒子群优化算法

设计了一种用于求解0-1背包问题的粒子群优化算法,阐述了算法求解0-1背包问题的具体操作过程.通过对其它文献中仿真实例的计算和结果对比,表明了该算法对求解0-1背包问题的可行性和有效性.     

精化调和Arnoldi方法的一种变形

本文利用调和Arnoldi算法的一种变形和求解大规模矩阵特征问题的精化思想给出了一种求解大规模矩阵内部特征问题的精化调和Arnoldi算法,理论分析表明精化变形更有效,数值试验表明了新方法能够达到更快的收敛速度。     

动态规划法及其在矩阵链乘问题上的应用研究

动态规划法是求解最优化问题的一种方法,本文主要研究其求解问题的基本思想及具体步骤,详细分析其用于矩阵链乘问题上的算法设计,并给出其算法实现.     

贪心核加速动态规划算法精确求解适用范围

针对背包容量折扣系数在 0.8~0.9 时,贪心核加速动态规划算法（GCADP）无法求得逆向强相关折扣｛0-1｝背包问题实例（IDKP）精确解的问题,为求得 D｛0-1｝KP 实例的精确解,在对 IDKP 实例参数进行分析的基础上,给出 GCADP 算法能精确求解 D｛0-1｝KP 实例的限定条件：任意项集的价值系数满足价值最小项大于价值次大项的 0.99 倍。将该条件应用到 4 类 D｛0-1｝KP 实例的参数设置中,生成新的大规模 D｛0-1｝KP 实 例。对 4 类 D｛0-1｝KP 实例运用 GCADP 和动态规划（DP）进行计算,计算结果表明,新的 4 类 D｛0-1｝KP 实例均得到精确解,并且 GCADP 随着数据规模的变大,求解时长增长平缓。     

蚁群优化算法在物流配送车辆路径问题中的应用研究

车辆路径问题(VRP)是一类物流配送领域具有广泛应用的组合优化问题,属于NP难题。一种改进的蚁群优化算法可以用于求解VRP。实验结果表明,采用蚁群优化算法能有效求解VRP问题。     

一种求解DGA图中具有长度约束的简单路径问题算法

具有长度约束的简单路径问题具有较高的应用价值。在一般图中,它是一个NP完全问题,除非NP=P,否则没有多项式时间算法。而对于一些特殊的图,如有向无环图,可以找到多项式时间算法。因此对有向无环图中具有长度约束的简单路径问题进行研究。首先根据有向无环图的特点,建立递归方程,然后根据递归方程给出一个在有向无环图中求解具有长度约束的简单路径问题算法,同时给出一个有向无环图中具有长度约束的简单路径构造算法。为证明算法正确性,进行相应实例验证,把求解该问题的时间复杂度由O（N×T×L）改进为O（（N+|E|）L）,空间复杂度改进为O（|E|+N）。     

结合遗传算法的粒子群算法改进与应用

标准粒子群算法（PSO）容易陷入局部最优解,导致收敛速度慢、效率低．文章结合遗传算法提出了改进的组合粒子群算法,在每次迭代后应用随机函数随机选择下一次迭代所使用的变异策略或交叉策略．由测试数据表明组合粒子群算法在求解TSP时性能上有很大提高．     

一种用于点云配准的改进迭代最近点算法

经典的迭代最近点算法（ICP）收敛速度慢,在源点云和目标点云初始姿态不佳时存在容易陷入局部最优解等问题。针对上述问题构建一种结合快速点云粗配准的改进 ICP 算法。改进的 ICP 算法首先利用重心重合法进行两个点云集预处理,缩小平移误差,提高点云重叠度;然后采用随机采样一致性算法（RANSAC）实现两个点云集的粗配准,使两个点云集具有相对较好的初始位置姿态;最后利用体素栅格和 KD 树对 ICP 算法进行改进,实现点云精配准。将改进算法和经典 ICP、GICP 算法进行对比实验,结果表明：相较于经典 ICP 和GICP 算法,改进算法精度更高、速度更快。     

基于遗传算法的二维排样问题求解新策略

针对采用自然编码的遗传算法在排样问题（CSP）过程中初始群体设置和交叉变异操作过于复杂的缺点,采用了顺序编码（Grefenstette编码）作为遗传算法编码方案,并对排样问题进行求解。采用这种遗传算法策略对CSP试算的结果表明,该策略利于排样问题的求解,算法操作简单,可推广应用到制造业及其他规划领域的排样规划中。     

基于主成分的稀疏贝叶斯信用分类研究

针对传统信用评价方法分类精度较低、数据集属性变量间存在相关性等问题,提出基于主成分分析的稀疏贝叶斯学习（PCA-SBL）算法。首先对数据集特征变量进行主成分分析,使降维后的变量无相关性|其次,对主成分分析后的数据进行稀疏贝叶斯分类|最后将 PCA-SBL 分类方法分类精度与传统分类方法精度进行比较。分析发现,在 German Credit Data 和 Australian Credit Data 上,与传统 KNN、朴素贝叶斯、SVM、随机森林、决策树相比,改进的 SBL 算法分类精度平均提高了 5.26%、4.65%、2.11%、2.125%、4.66%,与稀疏贝叶斯学习算法（SBL）相比,平均提高 0.965%,从而证明 PCA-SBL 算法具有更高的分类效果。     

基于可满足性问题的有用工作量证明共识机制

为减少在公链上基于哈希的工作量证明中无意义计算消耗,合理利用区块链网络算力,创建一个促进可满足性问题（SAT）研究的有用工作社区环境,基于 SAT 问题求解,开发一种有用工作量证明共识机制,通过竞争解决困难 SAT 问题的方法获得区块链中区块构造权,并使各节点间达成共识。实验证明,基于该共识算法的区块链系统性能稳定,且各算法在系统中运行平稳,基于 SAT 求解的工作量证明共识机制有助于解决基于哈希计算工作量证明的无意义消耗问题,更好创造 SAT 问题的研究环境。     

一种改进的自适应差分演化算法

差分演化是一种简单、有效的全局数值优化算法,相关研究表明,参数的自适应能够有效提高算法的性能．提出了一种集成的混合参数自适应差分演化算法,并巧妙利用一种自适应选择机制来选择算法池中的算法,通过对25个国际标准测试函数进行测试,实验结果表明,该方法在最优解质量、稳定性、收敛速度优于其它被比较的算法．     

一种新的求解P＊（k）阵原始一对偶路径跟踪算法

对P＊（k）阵线性互补问题提出了一种新的原始一对偶路径跟踪算法,算法是基于一种新的工具找到搜寻方向和中心路径邻域,并证明了此算法的迭代复杂性为O（√n log [n＋4（1＋k）δ2/ε] μ0）,与目前最好的算法迭代复杂性一致。