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.     

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。     

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。     

基于模糊费用最小生成树问题的算法设计

考虑到通信网络系统架设费用存在着不确定性,针对修建费用为模糊数的最小生成树问题,本文根据改进的PR IM算法得到通信网络系统中关于模糊费用的一棵最小生成树.这种新算法充分考虑了架设费用的模糊性,它的时间复杂度为O(n2).     

基于最小生成树的基因分类算法

随着基因芯片技术的快速发展以及其在基因表达分析等过程中的应用，产生了大量的基因表达谱数据，如何处理和分析这些数据并从中提取出有价值的生物学信息成为一个极为重要的课题，基因分类是进行基因数据处理的常用方法。本文首先利用主成分分析法(PCA)把基因的多个属性转化为少数几个综合属性，将基因表达谱数据映射成一个带权图，并将图论的最小生成树理论引入基因分类分析方法，然后设计了基于最小生成树的基因分类算法，理论分析和仿真结果表明了该算法的可行性和有效性。     

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.     

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     

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     

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。     

基于最小生成树的图论模型及其在医学中的应用

样本数据分类是医学研究中常见的工具。本文提出了一种新的数据分类思想和方法。在分析分类过程及其主要矛盾的基础上，提出了极大λ-截子图的概念。作为示范，建立了三个基于最小生成树的图论模型，并分析了其在研究营养与疾病的关系以及基因分类中的应用。最后讨论了图论在医学中的应用前景。