阴阳对优化算法在旅行商问题中的推广与应用

YYPO算法是一个求解连续型优化问题的算法,TSP问题是一个经典的离散型优化问题。利用YYPO算法中保持开发点和探索点之间相互平衡的思想,并结合YYA算法中的交互算子,提出了一种求解TSP问题的新方法——离散型阴阳对优化算法(DYYPO)。选取TSPLIB中的10个节点数在300以下的算例测试了DYYPO算法的性能,测试结果表明,在求解TSP问题时,DYYPO算法在最优值、平均值和用时等方面具有一定的优势。     

算法与程序设计(VB)中递规算法讲解初探

江苏省高中信息技术学业水平测试(算法与程序设计(VB)选修)中的一个重要考点是递归算法。在学业水平测试中利用递归算法的题型经常出现,掌握递归算法十分重要。通过递归算法的学习可以使我们学会在解决相关问题时运用逆向思维的方法,对问题的解决有着事半功倍的作用。因此,有必要对如何讲好递归算法做一些探讨,这就要求教师在讲解递归算法时总结出相关的规律。     

求解装箱问题的一种模拟退火算法

装箱问题在现实生活中具有广泛的应用,如作业调度、最优任务分配等,是一个NP完全问题。针对一维装箱问题,提出了基于首次适应(FF)近似算法和模拟退火算法相结合的一种模拟退火算法,给出了具体的算法描述。实验结果分析表明,该算法是高效可行的。     

一个改进的求解无约束minimax问题的SQP方法

为了解决求解无约束极大极小(minimax)问题,采用模松弛序列二次规划(SQP)算法思想,结合积极集精确识别技术,建立了一个不需假设矩阵正定性的扰动SQP算法。在较弱的条件下,算法具有全局收敛性,初步的数值试验显示算法是有效的。     

指纹识别可视化测试平台的设计

利用matlab图像处理工具箱和GUI(Graphic User Interface)功能,设计了一个指纹识别演示软件.该软件能将指纹图像预处理、特征提取及识别中的细节和算法处理效果可视化,便于算法的比较和分析.解决了以往研究算法不够直观的问题,文章详述了软件的设计过程.     

混合交通网络设计问题的迭代降维算法(英文)

提出了一种优化的迭代降维算法求解混合交通网络设计问题. 混合(连续/离散) 交通网络设计问题常表示为一个带均衡约束的数学规划问题,上层通过新建路段和改善已有路段来优化网络性能,下层是一个传统的 Wardrop 用户均衡模型. 迭代降维算法的基本思想是降维,先保持一组变量(离散/连续) 不变,交替地对另一组变量(连续/离散) 实现最优化. 以迭代的形式反复求解连续网络设计和离散网络设计问题,直至最后收敛到最优解. 通过一个数值算例对算法的效果进行了验证.     

树上限制性k-node multicut问题的近似算法

树上的限制性k-node multicut问题(k-CMC(T))是NP难的,针对k-CMC(T)问题本文首先将问题分解成若干个最大流问题设计了近似值为k的算法其中k是参数.其次利用树的性质改进算法降低了算法的时间复杂度得到一个时间度为O(|V|~3log_2|V|)且近似值不变的算法.算法简单、易懂.     

一个网络选址问题

研究了在网络中的最优选址问题,此方案既考虑总距离(总费用)最小,又要使顶点间的最大距离小于或等于某一个给定的常数,并将此算法应用于上海浦江区的急救中心选址问题.     

物联网数据融合方法研究

目标跟踪是物联网数据融合技术的一个关键技术,相互作用多模型——概率数据关联算法(IMMPDAF)适用于电磁波较为复杂的环境中目标的跟踪问题,是一种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增,会出现计算组合爆炸现象。因此,有必要对算法进行改进和完善,即基于混合状态估计预测状态估计和量测,以量测的预测值为中心建立跟踪门,在每一个滤波器中用量测值进行估计,更新模型概率,最后以模型为条件进行组合优化。经算例验证表明,该方法克服了IMMPDAF算法在跟踪问题中的缺陷,提高了关联概率和跟踪精度,能有效解决杂波干扰和目标高度机动情况下的物联网中的目标跟踪问题。     

Pareto局部搜索算法的改进

针对一个Pareto局部搜索(PLS)算法在解决多目标组合优化问题中所得到的解集与初始点的选取有关,提出该算法的改进。改进算法从初始解开始进行PLS搜索产生一组改进解集VF,然后对VF中的所有解再进行PLS搜索,如此重复直到满足终止条件。实例计算表明,PLSⅠ算法和算法Ⅱ能得到很好的解且解的质量优于PLS算法。     

一种线性比式和问题的对偶界方法

对一般线性比式和问题(P)提出了一种全局优化算法,此方法利用拉格朗日对偶中的弱对偶定理建立原问题(P)的线性松弛规划,运用分枝定界方法只需解一系列线性问题。从理论上证明了算法能收敛到线性比式和问题的全局最优解。数值计算结果表明提出的方法是可行的。     

TSP问题在物流配送车辆运行路线中的应用分析

TSP旅行商(货郎担)问题是诸多领域内出现的多种复杂问题的集中概括和简化形式,同时也是一个典型的易于描述却难以处理的NP完全问题。基于不同的算法分析出现了许多解决TSP问题的方法。分析研究了大量TSP算法,例如遗传算法、神经网络法、回溯法、蚂蚁演算法、神经网络优化法、列表寻优(TABU)法及模拟退火法等,并对其中的两种算法作了较为详细的介绍,对环路构造法提出了一种优化算法。     

“问题解决”与中考数学试题

“问题”是数学的心脏.但什么是“问题解决”中的“问题”呢?在第六届国际数学教育大会上,“问题解决、模型化和应用”课题组的报告中指出:“一个(数学)问题是一个对人具有智力挑战特征的、没有现成的直接方法、程序或算法的未解决问题的情景”该课题组主席奈斯把数学问题分为两类:一类是数学的应用     

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。     

基于非局部平均滤波的MRI去噪算法研究

高效的MRI去噪算法是一个极具价值的挑战性课题。介绍了非局部平均(NLM)滤波算法在MRI图像的应用及改进方法,探讨了发展趋势及应注意的问题。     

课表问题的交通流模型

课表问题的数学模型通常是构造二分图G(V ,E) ,问题化为求图的边色数x′(G) .但对于一般图而言 ,求图的边色数问题尚无有效算法 .给出课表问题的一个交通流模型 ,并验证了一个适当规模的例子 .     

基于混合遗传算法的非线性问题求解及优化研究

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

基于SVM与强化学习的启发式算法

RSS(Random Sampling Scheme)随机抽样方案,是一种简单有效、基于优先级规则来求解著名的NP难问题(NP-hard)中的 RCPSP 问题(Resource Constrained Project Scheduling Problem,资源受限项目调度问题)的方法.基于此,本文提出了一种通用的机器学习方法来改进RSS,将强化学习的ROUT算法(ROUT-algorithm)与SVM(Support Vector Machine,支持向量机)方法相结合,得到一个更理想的值函数,以此来指导RSS给出更佳的搜索策略.由RCPSP的基准实例可以看到,将SVM与强化学习结合,算法结果的好坏在减少训练集数量之后不受影响,且可以在短时间的训练之后得到较为明显的改进,证明该方法有效、实用.     

组合优化问题求解的计算模型研究

优化技术是一种以各种形式的数学处理方法为基础,用于求解各种工程问题优化解的应用技术。如何有效地求解组合优化问题现在仍是一个公开的困难问题。以遗传算法、模拟退火算法和蚁群算法为代表的智能优化算法的出现,为解决组合优化问题提供了一条新的途径。但智能优化算法目前仍存在许多问题需要进一步研究,如数学基础不够完善,研究结论相对分散等。建立一个智能优化算法求解组合优化问题的计算模型,可以将各种算法形成一个统一的算法结构框架,并对该模型中的操作算子进行了相关研究。     

基于粒子群算法的可靠性优化

系统可靠性优化已被证明是一个NP完全问题,不存在精确的求解方法。人们构造了大量的启发式算法,如遗传算法(GA),蚁群算法(ACO),模拟退火算法(SA)等。针对各种算法所存在的早熟收敛,易陷入局部极值点的缺点,提出了将粒子群算法(particle swarm optimization,PSO)用于求解可靠性问题。给出了基于粒子群算法的可靠性优化求解策略,根据数学模型,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。