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．     

基于改进蚁群算法的TSP问题研究

蚁群算法作为解决TSP中组合优化问题方案,其搜索路径能力较其它算法优异,但传统蚁群算法的选取策略较随机,导致进化速度慢。为了优化传统蚁群算法速度较慢、过早收敛以致停滞现象,针对概率选取公式随机搜索下一节点,以延缓其收敛速度。对信息素调节公式进行更新以提高蚁群的搜索能力。实验结果表明,改进算法在最短路径、平均路径和搜索最短路径时间上较蚁群算法提高很大,改进的蚁群算法能有效提高算法的收敛速度和搜索能力。     

改进型遗传算法求解TSP问题

旅行商问题(TSP)是一个典型的NP难题,优化TSP求解问题有着重要的意义。遗传算法(GA)是解决这类问题的有效方法之一。标准遗传算法有一定的局限性,该文对遗传算法选择算子改进而引入了精英保留策略,保证选择的质量;在变异操作中采用自适应算法选择变异算子,提高变异质量和算法的搜索效果;在个体进化后再引入单向进化逆转操作,使子代继承亲代优质基因机会提高,提高算法搜索最优解的能力。经过国际公认的TSPLIB的实验数据的验证,优化后的遗传算法搜索最优解能力提高。     

基于进化策略的函数优化问题研究

针对进化策略算法在解决具体问题是熟练速度较慢这一问题的原因进行分析,提出自适应变异步长的方法,以在全局和局部范围内进行搜索．变异步长的值依赖于目标变量与全局最优解之间的距离．步长随距离自适应变化,可避免局部熟练和早熟．通过对经典dejong函数和Shubert函数的仿真试验,验证了文中算法的有效性．仿真结果表明,该算法收敛速度快,搜索精度高,且具有良好的全局搜索能力．     

求解NP难度问题的几种有效的快速算法

提出三种有效的快速算法——局部搜索、多空间搜索和全局搜索来解决NP难度问题。     

八数码问题解法效率比较及改进研究

八数码问题是人工智能中的一个典型问题,目前解决八数码问题的搜索求解策略主要有深度优先搜索、宽度优先搜索、启发式A*算法。对这些算法进行研究,重点对A*算法进行适当改进,使用曼哈顿距离对估价函数进行优化。对使用这些算法解决八数码问题的效率进行比较,从步数、时间、结点数、外显率等各参数,通过具体的实验数据分析,进一步验证各算法的特性。     

求解TSP问题一种混合进化算法

进化算法是解决优化问题的一种新型方法.与现存的优化算法相比,这种方法有几个优点:它不仅能用于非线性函数,还通常能以概率收敛到全局最优解.基于一种新的变异算子和局部搜索技术,提出了一个求解旅行商问题的的新的进化算法.新的进化算子可以保证约束条件自动满足,局部搜索技术简单易行.另外,对迭代方法做了收敛性分析,给出了收敛的必要条件和充分条件.并进行了计算机模拟.结果表明本文算法是有效的,是一种适用于很多类型组合优化问题的有效方法.     

基于中文分词算法的英语学习资源查询系统研究

针对人工智能在信息搜索领域的实际应用,本文介绍了一种基于中文分词算法的英语学习资源查询系统。该系统通过一种基于中文分词算法的搜索策略,结合事例推理技术实现对英语学习资源的智能搜索。系统测试结果表明,用户可以通过该系统搜索到所提问问题的类似事例以及解决该问题的相关知识条款。     

一种改进的人工蜂群算法及其应用研究

针对传统的人工蜂群算法具有较强的勘探能力,但是算法局部开采能力较弱,演化后期收敛速度慢,容易陷入局部最优,提出了基于混沌算法和逆向学习算法相结合的初始化种群方法,有效改进种群的多样性;提出了一种新型的搜索策略来改进观察峰与侦察蜂的搜索过程,加快了算法的收敛速度;通过5个标准函数进行测试,文中算法在搜索效率、最优解质量、稳定性均优于传统的人工蜂群算法.     

Wolfe线搜索下一类新的共轭梯度法

共轭梯度法是一类解决无约束优化问题的有效方法,尤其适用于大规模优化问题的求解.提出一族包含DY方法的新的共轭梯度法,并证明了该算法在Wolfe线搜索条件下具有全局收敛性,数值结果表明该算法是有效的.     

基于Christofides算法的白车身焊接机器人路径优化

为了解决汽车白车身焊接机器人路径规划不合理的问题,将路径规划问题抽象为TSP模型.本文从图论的角度出发,采用Christofides算法,编写相应的MATLAB程序对一个具体的实例进行仿真.该算法可以有效地解决焊接机器人路径规划问题.     

“与或图”与递归算法

介绍了用递归算法解决问题的基本方法以及与或图的定义,并通过两个实例介绍了借助"与或图"设计递归算法的方法。     

基于多邻域的并行混合局部搜索算法与时间表问题

This paper presents a parallel composite local search algorithm based on multiple search neighborhoods to solve a special kind of timetable problem. The new algorithm can also effectively solve those problems that can be solved by general local search algorithms. Experimental results show that the new algorithm can generate better solutions than general local search algorithms.     

基于信息论遗传算法药物分子对接设计

本文建立了一种约束优化的演化模型,并构造出求解此模型的多种群空间收缩遗传算法,将信息熵概念引入进化过程,控制各种群寻优搜索时解空间的收缩 本算法用种群的多样性避免遗传进化的早熟现象,并以空间收缩尺度作为停机判据,有效地控制了算法的收敛 利用基于小种群的多种群进化策略,在保证种群多样性的前提下,极大程度地减少了计算量,提高了计算效率 数值算例表明,熵的介入增强了随机搜索类进化算法的寻优目的性,使收敛过程平稳且迅速 算例表明此算法能有效地应用于药物分子对接设计     

赋权图的最小环路遍历路径分析与研究

文章联系实际问题,结合旅行商问题和中国邮递员问题,提出赋权连通图中最小环路遍历路径以及求解该路径的方案.该方案参考最小生成树的普里姆算法,依据狄杰斯特拉算法,通过往返最短路径逐次比较,在赋权连通图中实现寻找最小环路遍历路径.     

M—DFS：求解迷宫问题的DFS算法

在对传统求解迷宫问题解法的不足进行分析的基础上,提出一种改进的深度优先搜索算法M—DFS（Maze Depth First Search）．M-FDS采用有向图来存储迷宫,降低了迷宫问题的空间复杂度,利用改进的深度优先搜索算法来寻求迷宫的可行路径,减少了每个位置的探索方向及回避绝路顶点,有效提高迷宫中可行路径的搜索效率,在迷宫很复杂、绝路节点较多时M—DFS算法的效果会更好.     

基于有向图的频繁集挖掘算法

针对Apriori算法寻找频繁项集问题,提出了一种基于有向图的频繁集挖掘算法DGFM,该算法将事务数据库表示成二进制矩阵,利用有向图的思想,将频繁项的二进制位串作为有向图的权值,再将二进制矩阵用邻接表存储,通过搜索邻接表来生成频繁项集,最后试验证明该方法比Apriori算法具有更高的效率和性能.     

基于遗传和禁忌搜索算法的随机抽题研究与实现

针对大型试题库的随机抽题问题,在考虑遗传算法早熟收敛问题和禁忌搜索算法自适应优点的基础上,将遗传算法和禁忌搜索算法结合起来,用遗传算法做全局搜索,用禁忌搜索算法做局部搜索,实现随机抽题．实验结果表明,算法的抽题效率和质量显著提高．     

图着色算法研究及其在时间表问题中的应用

时间表问题是组合优化中典型的非确定多项式(NP)完全问题。本文介绍了图顶点着色理论,分析了几种着色算法的差异和性能,提出利用一种带启发策略的图顶点着色算法,解决资源受限的时间表问题。通过实验模拟分析,本文提出的算法在应用问题中具备现实可行性。     

Hybrid discrete particle swarm optimization algorithm for capacitated vehicle routing problem

INTRODUCTION The vehicle routing problem (VRP), which was first introduced by Dantzig and Ramser (1959), is a well-known combinatorial optimization problem in the field of service operations management and logis- tics. The capacitated vehicle routing problem (CVRP) is an NP-hard problem for simultaneously determining the routes for several vehicles from a central depot to a set of customers, and then return to the depot without exceeding the capacity constraints of each vehicle. In pr…