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.     

量子遗传算法求解度约束最小生成树

度约束最小生成树问题属于NP完全问题,但在现实中具有非常重要的应用价值.针对度约束最小生成树问题,采用量子遗传算法来求解该问题.并对基本的量子遗传算法进行改进.针对度约束最小生成树问题的特征,设计了一种新的量子编码方式,保证算法获得可行解;并与深度优先搜索的思想结合,保证得到树的连通性;通过数值试验验证新算法的可行性,并与其他算法进行比较.取得了良好的效果.     

基于DNA计算的遗传算法解决最小生成树问题

给出了最小生成树问题（MST）的一个基于混合DNA计算的遗传算法模型。在该模型中,为了对最小生成树的解进行编码和解码,通过引入DNA计算,提出了一种最小生成树问题的改进遗传算法编码方案,该方案吸收了DNA计算和遗传算法的优点,具有固定的长度。为了搜索需要的最佳编码,引入遗传算法搜索技术,并给出了自适应的交叉算子和变异算子。最后,根据最小生成树问题的特点,通过实例仿真验证了所提出的基于DNA计算的遗传算法的有效性     

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。     

利用找环去边法求最小生成树的算法探析

章在对连通网的特征进行分析的基础上，提出了一种利用找环去边法求最小生成树的算法，并对此算法作了定性的分析。     

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.     

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.     

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.     

基于Spanning Tree的网络负载均衡实现研究

冗余的网络环境能够保证网络的稳定运行,生成树协议能够防止冗余的网络环境下产生的网络环路,生成树的默认配置导致整个网络运行效率低下,与VLAN配合可以提供链路负载均衡,实现网络的安全、稳定、高效运行.本文通过网络拓扑的构建以及具体的配置过程实现了基于生成树的网络负载均衡.     

一种基于遗传算法的特征选择和权重确定方法

在模式识别中,特征选择是其中非常重要的步骤,特征集的选择直接影响分类器的精度.该文提出了一种基于遗传算法的特征权重确定方法,首先使用传统遗传算法进行特征的初步选择,得到一个粗选的特征集;然后使用实数编码的遗传算法在第一步的基础上进一步精选特征,并确定每个入选特征的权重.通过实验和一些传统特征选择方法进行对比,结果显示,该文提出的算法取得了较好的效果.     

多亲遗传算法及其应用研究

针对传统遗传算法（TGA）所存在的一些不足，本文提出了一种多亲遗传算法（MGA），MGA对TGA的交叉算子进行了改进，这样MGA在应用中不要求初始群体具有广泛多样性，能有效地克服“早熟收敛”问题，仿真结果表明MGA是有效的。     

改进遗传算法求解TSP问题的Matlab程序设计

本文用改进遗传算法求解TSP问题,编制了完整的Matlab程序予以仿真实现。程序中选择算子使用的是最佳个体保存与赌轮选择相结合的策略,文章最后分析了最佳个体保持比例对寻优效果的影响。     

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.