贪心算法在智能导检中的应用研究

基于贪心算法建立可靠的智能导检路径优化模型,依据预测多个检查项目的体检顺序及时间节点信息,优化健康体检时间.将2021年3月份江苏省中医院体检中心的体检数据作为初始数据样本,经过数据清洗最终选择29126条数据作为研究对象,利用最小二乘法拟合数据构建体检客户到达率与时间的函数关系,将误差平方和(SSE)及R-squar...     

贪心算法与动态规划的比较

介绍了计算机算法设计的两种常用算法思想:贪心算法与动态规划算法。通过介绍两种算法思想的基本原理,比较两种算法的联系和区别。通过背包问题对比了两种算法的使用特点和使用范围。     

条形装箱问题的基于后缀表达式的混合遗传算法

装箱问题作为一种常见的运筹问题,在很多领域有着重要的应用,装箱问题可以分为一维、二维和三维装箱.主要讨论了二维装箱中条形装箱问题的遗传算法的求解,其中采用后缀表达式的形式对装箱方案进行编码,并详细提出了解码的算法和有关的证明,最后通过实例证明了该算法是可行的.     

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。     

运用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,文章在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法试验结果的对比表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。     

基于贪心边的MMAS改进算法及在TSP中的应用

最大最小蚁群算法通过对信息素更新和限制的改进,有效提高收敛速度,但难以避免出现停滞并陷入局部最优的困境。基于贪心边的MMAS改进算法规定一种新的搜索停滞状态,设定不同等级贪心边,并在停滞状态下利用搜索过程中寻找到的贪心边进行优先搜索。该算法使搜索能够尽早地集中在有效边进行,丢弃“无用”搜索,提高发现更优路径的可能性。利用TSP标准实例进行测试,结果表明改进算法的最优解更加接近实际最优解,具有更高的全局寻优能力和更快的收敛速度。     

顶点覆盖问题的贪心算法在网格简化中的应用研究

针对三角网格简化,设计了求解顶点覆盖问题的贪心算法,通过贪心选择最小的顶点集去＂覆盖＂边集,同时保留被简化网格的特征信息,自动实现最大程度简化。给出的实例也表明简化后的网格质量良好,算法既降低了时间复杂度又保持了原形状的特征信息。     

初识动态规划算法

多阶段决策过程（multistep decision process）是指这样一类特殊的活动过程，过程可以按时间顺序分解成若干个相互联系的阶段，在每一个阶段都需要做出决策，全部过程的决策是一个决策序列。动态规划（dynamic programming)算法是解决多阶段决策过程最优化问题的一种常用方法     

基于贪心策略优化欺负算法

在分布式操作系统中,存在一个“协调者”的进程。当该进程发生停止工作后需要产生一个新的“协调者”,新的协调者的产生过程称之为选举过程,该过程的一个基本算法就是欺负算法,但是利用基本的欺负算法做选举过程时需要进行大量的消息传递,这就可能会导致系统整体性能降低。这里对基本欺负算法进行仔细分析,并在分析参考了其他的一些相关优化措施的基础上,我们提出了一种新的优化算法,它利用了贪心算法的策略对基本的欺负算法做了一定的优化,改善了系统的性能。     

0/1背包问题的贪心算法

0／1背包问题属于动态规划问题，部分背包问题属于贪心算法的范畴，通过比较两种算法的联系和区别，来寻求0／1背包问题的贪心算法的条件，用贪心算法来解决部分0／1背包问题的求解。     

动态规划算法和贪心算法的比较与分析

介绍了动态规划算法与贪心算法,然后通过2个经典的组合优化问题阐述了这2种算法的主要差异。     

基于贪心算法的光伏板布置及智能分区

背包问题可分为0/1背包问题、完全背包问题以及多重背包问题等,一直是算法与复杂性研究的热点之一,应用于多个行业和领域。贪心算法在求最优解问题过程中,依据某种贪心标准,从问题初始状态出发,直接计算出每一步的最优解,通过若干次的贪心选择,最终得出整个问题的最优解。在光伏电站布置及分区过程中,分别应用解决背包问题的动态规划算法和贪心算法划分规则形状以及边界部分非规则形状。     

贪心方法与动态规划的比较

算法是解决问题方法的精确描述,算法设计的任务是对各类具体问题设计良好的算法及研究设计算法的规律和方法。通过介绍贪心算法与动态规划算法的基本原理以及具体实例,来比较两种算法的联系和区别。最后以背包问题为例子对比两种算法的使用特点和使用范围的不同。     

Dijkstra算法在单源最短路径求解中的应用

为使航海工作中制定的计划航线航程最短、航行时间最短、航行最安全，提出了利用最优化技术中的Dijkstra算法，通过作贪心选择扩充特殊顶点集合解决该问题的方法，并举例说明了该方法的应用。模拟结果表明，此方法是切实有效的。     

贪心核加速动态规划算法精确求解适用范围

针对背包容量折扣系数在 0.8~0.9 时,贪心核加速动态规划算法（GCADP）无法求得逆向强相关折扣｛0-1｝背包问题实例（IDKP）精确解的问题,为求得 D｛0-1｝KP 实例的精确解,在对 IDKP 实例参数进行分析的基础上,给出 GCADP 算法能精确求解 D｛0-1｝KP 实例的限定条件：任意项集的价值系数满足价值最小项大于价值次大项的 0.99 倍。将该条件应用到 4 类 D｛0-1｝KP 实例的参数设置中,生成新的大规模 D｛0-1｝KP 实 例。对 4 类 D｛0-1｝KP 实例运用 GCADP 和动态规划（DP）进行计算,计算结果表明,新的 4 类 D｛0-1｝KP 实例均得到精确解,并且 GCADP 随着数据规模的变大,求解时长增长平缓。     

基于MapReduce的海量数据动态装箱算法研究

针对传统装箱算法在处理海量数据时所存在的的运行效率与空间利用率低的问题,在深入研究已有装箱算法的基础上,在分布式系统中定义一种可变大小的箱子,结合动态和静态算法的优势,提出基于MapReduce的动态装箱算法。实验结果表明,针对海量动态数据,运用基于MapReduce的动态装箱算法,结果接近最优解,同时具有很高的处理效率。     

一维装箱问题的交叉算法分析

2004年孙春玲等研究了一维装箱问题,给出了一个近似程度最好的近似值为3/2的近似算法-交叉算法.遗憾的是他们的交叉算法的近似值分析是错误的,本文通过两个反例说明了他们的错误所在,并给出一个正确的近似值分析.     

0-1背包问题的贪心局部搜索算法研究

为了提高求解0-1背包问题的效率,提出了两种贪心局部搜索算法,分别称为固定候选算法和变化候选算法.算法都以有效的方式构造好的初始解,随后执行局部搜索对其进行解质量上的改进.实验结果表明了两种算法的有效性、可行性及与价值密度贪心算法相比的优越性,同时进一步看出两种算法中变化候选算法相对较优,能够取得更好的结果.     

活动安排问题的算法研究

面对资源的日益紧缺,研究如何高效地安排一系列争用某一公共资源的活动和如何使用最少的资源安排全部活动具有很高的现实意义。本文利用贪心策略,给出了求解两个活动安排问题算法的详细设计和代码,并用实例验证了算法的有效性,为资源组合规划问题的探索研究提供了有效的途径。     

改进遗传算法在TSP问题中的应用

旅行商问题是典型的NP组合优化问题。提出一种旅行商问题求解应用上的改进遗传算法。引入贪心算法优化初始种群,在轮盘赌选择基础上,融入最优保存策略和掺杂算子进行选择操作,以保证群体的多样性;基于两点三段随机交叉算子优化交叉结果,基于启发式倒位变异算子提高算法的收敛速度;给出了求解旅行商问题系统的体系结构。实验结果表明,改进的遗传算法具有更好的寻优能力。