FIFO分支定界算法初探

分支定界(brarch and b叫d)算法是一种在问题的解空间树上搜索问题的解的方法。与回溯算法不同的是，分支定界算法采用广度优先或最小耗费优先的方法搜索解空间树，并且，在分支定界算法中．每一个活结点只有一次机会成为扩展结点。     

求有向图的所有Euler回路算法

首先利用图的深度优先搜索方法给出了有向图为强连通图的判定算法,然后利用图的广度优先搜索方法给出了有向图是欧拉图和有向边是桥的判定算法,最后给出了求有向图的所有欧拉回路算法,并通过实例验证了算法的有效性．从而有效地解决了欧拉回路的判定、计数和求解问题．     

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。     

基于分治与递归策略的快速排序算法

论述了运用分治法的思想实现快速排序算法.首先阐述分治法的基本思想,其次应用分治与递归策略用Java语言实现快速排序算法,然后再用实例说明此算法的工作过程,最后分析了最好情况、最坏情况和平均情况下的时间复杂性,得出快速排序算法在渐进意义上最优.     

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。     

动态规划算法和贪心算法的比较与分析

介绍了动态规划算法与贪心算法,然后通过2个经典的组合优化问题阐述了这2种算法的主要差异。     

人工智能中求解八数码问题算法的实现与分析

针对八数码问题的求解,给出了深度优先搜索、广度优先搜索和启发式搜索(譬如A*算法)之间的算法比较,通过实验验证各种算法并得出结论:在通常情况下,采用启发式搜索算法来进行状态空间的搜索更为方便、高效。     

贪心算法与动态规划的比较

介绍了计算机算法设计的两种常用算法思想:贪心算法与动态规划算法。通过介绍两种算法思想的基本原理,比较两种算法的联系和区别。通过背包问题对比了两种算法的使用特点和使用范围。     

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。     

动态规划算法分析与研究

分析多阶段决策问题,总结动态规划的基本概念、原理以及解题。通过0-1背包问题的具体解题步骤,阐述动态规划算法一般解题思路。并分析常用经典算法在解决最优问题中的差异性,比较各自优缺点,探讨其研究方向。     

基于贪心算法的光伏板布置及智能分区

背包问题可分为0/1背包问题、完全背包问题以及多重背包问题等,一直是算法与复杂性研究的热点之一,应用于多个行业和领域。贪心算法在求最优解问题过程中,依据某种贪心标准,从问题初始状态出发,直接计算出每一步的最优解,通过若干次的贪心选择,最终得出整个问题的最优解。在光伏电站布置及分区过程中,分别应用解决背包问题的动态规划算法和贪心算法划分规则形状以及边界部分非规则形状。     

一类排序问题的最优化算法

本文讨论了具有调整时间的多类工件单机排序问题I|MCS|∑Ci|尽.管该问题是强NP—完全的,但本文证明了一个最优解的必要条件,由此给出了一个复杂性为O(M~2(n/M 1)~M)的动态规划算法.这是一个相当满意的结果.本文还对表现测度为加权完工时间和的情况做了一些讨论,在权为类权时得到了与上述同样的结果.     

一个增强算法学习兴趣的算法实验设计

算法是计算机科学领域最重要的基石之一,但却受到了国内高校相关专业及学生的冷落。他们认为学习计算机就是学习各种编程语言,对算法学习没有兴趣。但是算法的学习更加重要,因为计算机语言和开发平台日新月异,但万变不离其宗的是那些算法。本文论述一个增强学生算法学习兴趣的算法实验设计方法。让学生在实验中体验算法学习的重要性,通过实验发现问题,分析问题出现的原因,寻找解决问题的办法,从而将原来的被动学习转化为主动学习。     

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。     

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。     

浅析求解最大子段和问题的算法

用计算机解决复杂的问题,往往把一个大的、复杂的问题根据其功能划分为不同的模块,每一个模块完成一独立的功能.如果每一个模块用计算机语言来实现,那么当所有模块都实现时,即为对复杂问题的解决.最大子段和问题就是一具有独立功能的小模块,在很多大的问题中都涉及到此问题,用不同的算法解决此问题,并分析其优劣.     

与开工时间有关的加工时间的超前有奖迟后受罚的排序问题的动态规划算法

In this paper, a single-machine scheduling model with a given common due date is considered. Job processing time is a linear decreasing function of its starting time. The objective function is to minimize the total weighted earliness award and tardiness penalty. Our aim is to find an optimal schedule so as to minimize the objective function. As the problem is NP-hard, some properties and polynomial time solvable cases of this problem are given. A dynamic programming algorithm for the general case of the problem is provided.