货郎问题的算法

本文介绍货郎问题的方阵算法，即对图Ｇｎ的线值方阵的等差变形，与求ｄ（Ａｎ）的降价计算方法。     

货郎张老三

多年前,我在一个边远的山区支教。学校坐落在一座林木茂密的大山中,风景十分秀美,可交通非常不便,赶一趟集得步行三四个小时,我平常所吃的菜多半都是学生家长送来的。     

论元杂剧中的货郎形象

指出元杂剧有13部作品描写了货郎形象,其形象重利、计较、勤劳、善良,富有冒险精神。论述在元杂剧中,对货郎贩货、传信、叫卖、被害情况的描写,反映了元代的都市情况、通讯状况、市场特点和旅行设施情况。阐述这些货郎形象的塑造既推动了故事情节的发展,又丰富了元杂剧中的人物群像。     

谈谈P和NP问题

对“21世纪的数学问题”之一的“P=NP7”问题作了论述。     

南宋货郎风俗画之艺术魅力

南宋是风俗画创作的高峰期,也是理学形成的重要社会时期,该时期的风俗绘画作品深受理学的影响,画面内容亲切真实,生动形象,表现出了一种平淡质朴的美。南宋货郎风俗画家们通过艺术作品来表达他们主观感受到的社会生活,以及“艺术来源于生活”的绘画创作理念。通过对南宋货郎风俗画的题材和技法的研究,可以进一步夯实当代风俗画的民族根基。     

整数分划问题及其时间复杂性分析

本文提出了NP类完全问题-整数分划求解的一种算法及实现程序,并对之进行时间复杂性,给出了一个近似的估算式。     

浅析李嵩《货郎图》的创作思想

在我国美术史上,两宋时期是风俗画发展的鼎盛时期,因此,宋代出现了一大批风俗画家,如张择端、苏汉臣和李嵩等。《货郎图》属于风俗画的一种,研究《货郎图》的创作思想,不仅对于今人研究宋代风俗画具有重要的意义,而且,也便于考察南宋时期百姓的生活习俗。从分析李嵩的几幅《货郎图》入手,对其创作思想进行初步的探讨。研究发现,李嵩是用现实主义手法表现当时劳动人民的生活情况,表达自己的爱憎,在针砭时弊中抒发忧国忧民的情怀。     

离散数学中NP完全问题的DNA计算

随着数学研究逐渐深入,对于离散数学问题探究越来越多。离散实现是数学领域中的重要分支,在离散数学中包含着很多NP完全问题,为了有效的解决这些完全问题,需要借助DNA计算方式。目前DNA计算已经成为了数学、生物、化学乃至计算机科学领域中的重点研究对象。基于此,在本文中对离散数学中NP完全问题的DNA计算进行研究。     

用归约原理求解凸壳问题的计算复杂性的研究

分析了利用归约原理求解凸壳问题的时间复杂度。     

二次规划中K-T点的复杂性

将二次规划中K-T点复杂性问题转化为线性互补复杂性问题,并结合背包问题得出二次规划是NP难问题.     

瓶颈旅行售货员问题算法

旅行售货员问题是一个著名的组合优化问题,已经被证明是NP-完备问题。提出一个新问题:瓶颈旅行售货员问题,并给出两个多项式时间算法。     

货郎担问题的指派解法

货郎担问题是组合优化中的著名问题，到目前为止它还没有一个有效算法。本文把它转化为增加限制条件的指派问题，对图邻接矩阵形对角进行分析，给出了这一问题的一个较好近似算法。     

浅谈旅行商问题与蚁群算法

蚁群算法是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法之后的又一种应用于组合优化问题的算法。根据蚁群算法的特性,求解旅行商问题,利用仿真实验程序对蚁群求解旅行商问题进行模拟。     

基于遗传算法的旅行商问题的研究

巡回旅行商问题(TSP)是一个组合优化方面的问题,已经成为测试组合优化新算法的标准问题。应用遗传算法解决TSP问题,首先对访问城市序列进行排列组合的方法编码,这保证了每个城市经过且只经过一次。接着生成初始种群,并计算适应度函数,即计算遍历所有城市的距离。然后用最优保存法确定选择算子,以保证优秀个体直接复制到下一代。采用有序交叉和倒置变异法确定交叉算子和变异算子。最后用MATLAB来实现算法,仿真后,观察路径,得出最终结果。     

多种群自适应模拟退火遗传算法求解TSP问题

TSP问题是一个具有广泛应用背景和重要理论价值的组合优化NP难题。遗传算法是求解NP完全问题的一种方法。针对传统遗传算法求解TSP问题的不足,提出了一种多种群自适应模拟退火遗传算法,并给出了多种群分级、混合变异算子的设计。最后,对CHN31、ATT48和EIL51的TSP问题进行求解．仿真结果表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。     

旅行商问题分支限界法的一个注解

在旅行商问题传统的分支限界法基础上提出一个新的方法,最后用算例检验了该方法能有效地求得最优解.     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

几种解决TSP问题的蚁群算法的性能研究

文章对解决TSP问题的几种蚁群算法模型的性能进行了比较,得出了蚁群算法中参数如何对性能产生影响的分析报告．     

基于自适应蚁群算法的旅行商问题的求解

提出一种解决旅行商问题的改进自适应蚁群算法.在传统蚁群算法的基础上,引入自适应算法进行种群初始化;从对选择策略的改进、蚁群信息量的全局修正和引入变异三个方面实现遗传参数自适应调节,在加快寻优速度的同时防止寻优陷入局部最优;采用基于贪婪方法的启发式交叉算子优化交叉结果;对交叉前后的种群分别实施精英个体保留策略,保证最优基因结构得以延续.实验结果分析表明,改进的遗传算法可以在种群规模较小的情况下具有更可靠的寻优能力.     

基于免疫单亲遗传算法在TSP中的应用

基本遗传算法保持群体多样性的能力较差,所以经常在问题求解的过程中极易陷入局部最优解。根据生物的免疫原理和单亲遗传算法并结合最近邻域算法思想提出的一种改进算法———基于免疫单亲遗传算法（IPGA）。免疫遗传算法中的基因重组、免疫记忆以及免疫元动态等特性,这些特性有助于改进基本遗传算法群体多样性的保持能力。最后结合48个城市旅行商问题进行了求解,仿真结果表明,基于免疫单亲遗传算法具有更好的性能,相对于传统的遗传算法收敛速度提高了30%。