A quasi-physical algorithm for solving the problem of a radar group monitoring an object group

The basic problem of a radar group monitoring an object group that has all along been a problem of concern in the international circles of military science has been solved for the first time.A mathematical model for solving the 3-D monitoring problem has been developed based on the quasi-physical concept and a practical fast algorithm has been found.A high-efficiency tracking and monitoring system can be designed for use by radar troops and the administrative and commercial departments concerned using this algorithm.     

A quasi-physical algorithm for solving the linear separation problem in n-dimensional space

A quasi-physical algorithm was proposed for solving the linear separation problem of point set in n-dimensional space. The original idea of the quasi-physical algorithm is to find an equivalent physical world for the primitive mathematical problem and to observe the vivid images of the motion of matter in it so as to be inspired to obtain an algorithm for solving the mathematical problem. In this work, the electrostatics with two kinds of matter is found to be the equivalent physical world. As a result, the proposed algorithm is evidently more efficient and robust than the famous LMS algorithm and ETL algorithm. The efficiency of the quasiphysical algorithm is about 10 – 50 times of the LMS algorithm’s for representative instances. A typical Boolean-valued instance shows that it is hard for ETL algorithm but very easy for the quasi-physical algorithm. In this instance, point set A and B is {000, 010, 011, 111} and {001, 100}, respectively. Foundation item: The National Key Basic Research Program (973) (No. G 1998030600) Biography of the author: HUANG Jia-yuan, born in 1979, majoring in intelligent computing.     

一种新的求解集合覆盖问题的启发式算法

给出一种新的求解集合覆盖问题的新的启发式算法,对该算法的合理性,时间复杂性以及解的精度进行了分析,主要创新点是用完备策略建立启发式算法。该方法具有一定的普遍性,可以应用到其它的ＮＰ困难问题。本算法应用到规则学习问题建立了新的规则学习算法,示例分析表明了该算法的有效性。     

定位-运输路线安排问题的一种启发式算法研究

定位-运输路线安排问题（LRP）是分销网络设计和物流管理决策中的难题,属于NP难问题,求解有一定难度.文章通过构造辅助函数对优化问题约束条件的处理,基于分层次实现多个目标的思路将LRP看作一个整体,利用具群体智能的粒子群算法进行求解,避免了基于两阶段算法的不足,减小了在进化过程中停滞于局部最优解的概率.为粒子群算法在大规模组合优化问题中实际应用做了有益的尝试.     

一种有约束矩形排样问题的求解算法

对属于NP完全问题的有约束矩形排样问题，国内外多采用计算复杂度较小、时间较快、便于控制问题约束条件的启发式方法.分析了启发式排料算法影响优化程度的原因，提出利用回溯寻求优化零件组合的混合启发式策略，并利用排样过程中产生的小剩余区域划分与合并的方法和现有的矩形排样启发式算法相比，说明该方法可以更大地提高板材的利用率.     

一种求解TSP问题的改进遗传算法

遗传算法(GA)是基于生物进化论的一种全局优化搜索算法,是求解TSP问题的一种方法,但它存在如何较快地找到最优解并防止"早熟"收敛的问题.结合TSP问题最优解一般包含城市与其最近城市的相连的特点,提出了贪婪两点插入变异算子,改进了启发式杂交算子,并根据个体适应度与群平均适应度根据个体的适应度赋予不同的变异概率,使得较好的个体探测路径,较差个体开发新个体.对初始群体作局部优化提高其质量加快算法的收敛速度,最优个体连续几代一直保留,则采用局部微调算子使子代中的最优个体跳离局部解.通过实验分析,改进的算法能较快的收敛到TSP问题的已知最优解;其测试结果与国际标准测试库TSPLIB中的最优路径相比,或接近或优于.     

面向不等圆Packing问题的群智能劳动分工方法

针对具有非确定性多项式难度（NP-hard）的全局优化问题—不等圆Packing问题（UCPP）,基于空间分配思路提出新的求解方法—群智能劳动分工（SILD）方法. 从空间的角度来看,不等圆Packing问题就是将容器空间合理高效地分配给圆形物体. 所提出方法的核心思想在于将不等圆Packing问题抽象为空间分配问题,利用群智能劳动分工的任务分配来实现不等圆Packing问题的空间分配. 从分配的角度对比分析不等圆Packing问题和群智能劳动分工,将圆形物体执行的动作看作个体执行的任务,分别为动作和圆形物体设计环境刺激和响应阈值. 在群智能劳动分工刺激-响应原理作用下,圆形物体选择恰当的动作完成空间分配. 实际工程算例和基准函数算例的测试结果表明,所提出方法是求解不等圆Packing问题的有效算法.     

Memetic算法求解多维背包问题

针对多维背包问题较难找到全局最优解的情况,提出了一种求解多维背包问题的Memetic算法,该算法主要由带反馈机制的禁忌局部搜索算法、交叉算子和种群更新策略组成.其中,种群更新策略需要同时考虑种群中解的质量与种群的多样性,以提高算法搜索的多样性.测试表明,该算法能够有效避免陷入局部最优解并找到比现有算法更好的结果.     

布局问题的模型及求解策略

在研究现有布局问题的基础上，提出了布局问题的复合知识模型及相应的求解策略，从而为布局问题的求解奠定了理论基础．     

装箱问题的一种新算法及其性能比的证明

给出了一个一维装箱问题的新算法－－ＥＰＦＦ算法，并证明了此算法在最坏情况下的性能比ｒＥＰＦＦ＝１．６。