最小生成树聚类方法研究

由聚类所生成的簇是一组数据对象的集合,在同一个类中的对象之间具有较高的相似度,而不同类中的对象差别较大.图的最小生成树具有最优子结构性质,删除最小生成树的最大边后的两颗子树依然分别是两个子图的最小生成树,因此可由生成图的最小生成树获得聚类.此方法适用于所有欧氏空间数据的聚类.     

最大生成树聚类算法研究

在生物学研究中,需要对基因进行分类,以获得对种群固有结构的认识,有效鉴别基因表示数据的模式是研究DNA序列的重要基础。在已有最大树聚类理论基础上,引入模糊聚类思想,提出了最大树基因聚类算法,同时将该方法用于基因的聚类分析,实验结果表明它们是有效可行的。     

最小生成树问题的Kruscal算法的一种实现方法

本文讨论了针对带权连通图的一种可行性存储结构———单链表结构的构造问题 ,并研究了在该结构上构造最小生成树的算法 .算法已在机器上得到了实现     

最小生成树算法及其应用

Kruskal算法和Prim算法是求最小生成树的常用算法,文中设计了这两种算法的C语言程序,并通过实例说明了算法的应用.     

用遗传算法求最小生成树

以图论和遗传算法为基础,给出了一个改进的求最小生成树的算法,提出了"无性生殖"的方式,舍弃了逆转算子,改进了换位算子,调整了选择算子,更简单,因而编程更容易,效率更高.使用该算法可以在较短的时间内以较高的概率获得一组最小或次小生成树,而传统算法一般只能得到一个最小生成树.     

破圈法构造最小生成树算法探讨

求解最小生成树是《数据结构》课程教学中的一个学生重点学习的图论问题,但是目前的教材中普遍讲解Prim算法和Kruskal算法,这两个算法的基本思想均是基于避圈法。而从相反的角度求解最小生成树:破圈法构造最小生成树算法,虽然该算法的时间复杂度较高(O(n3)),但从教学的角度来看,有利于训练学生深刻理解和掌握最小生成树算法。     

求解度约束最小生成树问题的自适应遗传算法

在遗传算法中一个关键问题是必须采取措施保持种群多样性，防止算法出现早熟收敛。本文提出了一种基于父个体相似度的自适应遗传算法，使用新的自适应遗传操作策略以保持种群多样性。将新算法用于求解图的度约束最小生成树问题，实验结果表明本方法到比不使用父个体相似度信息的普通遗传算法权值更低的度约束最小生成树。     

求解DCMST问题的模糊离散粒子群优化算法

提出了一种求解度约束最小生成树问题(DCMST)的模糊离散粒子群优化算法(PSO),粒子编码采用Prüfer数编码机制,并引入模糊矩阵产生Prüfer数,迭代过程中加入归一化运算对位置矩阵进行修正,利用最大数法进行解模糊化。通过仿真实验验证了算法的有效性。     

广义最小生成树的遗传算法研究

本文考虑到节点度的代价问题 ,提出了广义最小生成树的概念 ,并分析了最小生成树在实际应用中的局限性 .针对一般遗传算法求解该问题的不足 ,提出了自调整的变异算子和混合选择策略 .通过仿真 ,证明了广义最小生成树模型的适用性 .最后将改进前后两种算法的仿真结果进行比较 ,证明了改进后遗传算法的有效性 .     

最小生成树的应用及拓展探讨

最小生成树的求解在很多关于最小成本的问题中具有多种应用,本文探讨了求最小生成树的拓展问题的算法,并给出了这种算法的应用.     

Minimum Spanning Tree(MST)的计算方法

给定一个图形 (Graph) (以下简称G)G =(V ,E) ,V是G的所有顶点 (vertex)的集合 ,E是G的任意两个顶点之间连线(edge)的集合 ,对于 e∈E(e=(v,w) )都有一个实数c(e)与之相对应 ,作为顶点v与顶点w之间的费用(cost)。那么对于给定的G ,怎样计算它的MST ?有好多计算MST的方法 ,本文介绍一种简捷、快速、有效、省时、省力的方法 ;一、计算MST的基本原理 :1 构造集K(collection) :构造集K的方法是将V的每个元素都构成一个单元素集合 ,则K就是所有这些单元素集合的全体。2 将G的每个edge都按cost的大小 (按从小到大的顺序 )编号 ,然后…     

基于最小生成树的通信网络设计优化

针对通信网络的设计,利用最小生成树的KRUSCAL算法与改进的哈密顿回路等方法,建立了最小生成树模型、结点故障的环形改进模型、链条破坏的环形改进模型,运用MATLAB编程计算,得出兼顾可靠性与成本费用的合理优化铺设方案,通过比较不同可靠程度下边际新增费用大小,给出了边际新增费用最小的优化网络结构,并将规划后的网络结构拓扑图直观呈现.