首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 140 毫秒
1.
多点网络拓扑结构设计问题是NP-完全问题。该文提出了一个基于多目标决策的遗传算法(MCGA)来解决多点网络拓扑结构问题。和其它多目标遗传算法不同的是:首先,对网络节点进行预划分,使得Pareto优的节点归于候选分枝节点集合;其次,修改了Prüfer编码,使得编码中的码元代表候选分枝节点,以利于对分枝节点的搜索;最后,构造了分枝变异算子与非分枝变异算子作为主要的进化算子。该算法以概率1收敛于全局最优解集。数值实验表明该算法优于其它多目标遗传算法。  相似文献   

2.
分析目前基于聚类思想的遗传算法的不足,提出一种基于生长树聚类的改进型遗传算法。采用最小生成树的聚类方法,能对形状复杂且非重叠样本的候选解进行聚类形成家族;新的族间交叉算子保持了种群的多样性;改进的族内交叉算子和改进的变异算子使得算法在后期仍能快速收敛;实验对经典算法测试函数进行优化,并与其他算法的优化结果对比,从而说明改进型遗传算法的性能。实验结果表明:基于生长树聚类的改进型遗传算法能有效提高求解精度,快速搜索到最优解。  相似文献   

3.
针对度约束最小生成树问题的特征,设计了一种新的编码方式,并在此基础上提出了一个新遗传算法来求解该问题。该算法采用新的启发式杂交算子、变异算子和局部搜索算子,以概率1收敛到全局最优解。数值实验表明该算法优于文中提出的其他4种算法。  相似文献   

4.
基于混合蚁群算法的WTA问题求解   总被引:3,自引:0,他引:3  
武器-目标分配问题(Weapon-TargetAssignmentProblem)是一种典型的NP问题。该文提出了一种基于遗传算法和蚁群算法的混合算法(GAACO)以解决武器-目标分配问题。首先,使用遗传算法对火力分配问题形成初始解;然后,将遗传算法的结果传递给改进的蚁群算法,对问题求精确解。实验结果表明该算法求精度优于遗传算法,时间性能优于传统蚁群算法。  相似文献   

5.
传统的蚁群算法具有收敛性好、鲁棒性强等优点,但在解决旅行商(TSP)问题方面存在收敛时间长,容易出现停滞等问题;为了提高传统蚁群算法的解的质量,本文提出了基于遗传-模拟退火的蚁群算法(G-SAACO),将遗传算法和模拟退火算法引入蚁群算法中;其方法是在传统蚁群算法中引入遗传算法的变异与交叉策略来得到候选解,增加解的多样性;同时引进模拟退火算法机制,使得在高温时以较高概率选择候选集中比较差的解加入最新集,温度控制上加入了回火机制,进一步提高解的质量;为了检验改进的蚁群算法,随机选用了TSPLIB中的部分城市进行仿真,结果与传统蚁群算法、模拟退火蚁群算法、遗传蚁群算法相比,算法具有较强的发现较好解的能力,同时增强了平均值的稳定性。  相似文献   

6.
粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于群智能(Swarm Intelligence)的随机优化计算技术。PSO和遗传算法这两种算法相比较,PSO收敛快速准确,但编码形式单一,局限于解决实优化问题,而遗传算法编码形式灵活,解决问题广泛,但执行效率低于PS00。将粒子群算法的信息传递模式与遗传算法的编码和遗传操作相结合,提出一种混合算法。并推导了两个算法之间的密切联系。并通过组合优化和函数优化的基准测试集对算法进行测试,试验结果表明,该算法在收敛精度和速度优于传统遗传算法。同时,也观察到该算法取得了与粒子群算法一致的收敛现象。  相似文献   

7.
本文在分析克隆遗传算法的几种主要遗传算子及其性质的基础上,提出了一种针对电力系统的遗传算法,即提出一种配电网络的简化、染色体编码策略和修正克隆遗传算法.该方法的使用能减少配电网络重构中不可行解,提高有效候选解的比例,从而使GA算法的收敛速度大为提高.算例结果表明本文提出的方法具有较高的计算效率.  相似文献   

8.
基于遗传算法的系统发生树构建方法   总被引:1,自引:0,他引:1       下载免费PDF全文
提出了一种基于遗传算法的系统发生树构建方法。将遗传算法应用于系统发生树的构建,首先,用后缀表示法将树的拓扑结构表示成编码的形式。其次,针对系统发生树的性质,设计了交叉和变异操作方法,确定了对个体的评价及选择策略,从而通过遗传操作,最终搜索到最优解。实验结果表明该算法可以得到与传统UPGMA算法拓扑结果一致的系统发生树,并且除了最优拓扑结构的树之外,该算法还可以输入多个具有相似质量的树。  相似文献   

9.
基于改进的遗传算法的多目标优化问题研究   总被引:1,自引:0,他引:1  
孔德剑 《计算机仿真》2012,29(2):213-215
研究多目标优化算法问题,针对传统的多目标优化算法由于计算复杂度非常高,难以获得令人满意的解等问题,在图论和遗传算法基础上,提出了一种改进的遗传算法求解多目标优化方法。首先采用二进制编码表示最小树问题,然后采用深度优先搜索算法进行图的连通性判断,给出了一种新的适应度函数,以提高算法执行速度和进化效率。最后仿真结果表明,与经典的Prim算法和Kruskal算法相比,新算法复杂度较低,并能在第一次遗传进化过程中获得一批最小生成树,适合于解决不同类型的多目标最小树问题。  相似文献   

10.
基于极值遗传算法的QoS组播路由   总被引:1,自引:1,他引:0       下载免费PDF全文
储萍  王康泰 《计算机工程》2009,35(9):220-221
基于遗传算法和极值优化思想,提出一种极值遗传算法,将其应用到QoS组播路由。极值优化的非自衡性可以防止算法陷入局部解,加快算法的收敛速度。根据网络拓扑结构特点,采用特殊的编码、交叉、变异操作,保证解的可行性。实验结果表明,该算法能达到较高的QoS组播路由速度和精度。  相似文献   

11.
在无线内容分发网络中,为减轻骨干网络的传输压力,可将网络拓扑结构构建为以基站和Wi Fi接入点为根的若干棵最小生成树,并对生成树的深度和每个节点的度数进行约束。这种深度和度数约束的最小生成树问题是一个NP完全问题。针对该问题,首先提出能够生成优质近似解的启发式算法,该算法在不违反深度以及度数约束的情况下构建生成树,算法思想为在服务性节点相连的边中选择与当前生成树相连且权值最小的边加入生成树。然后在生成初始近似解的基础上采用定制的禁忌搜索算法和模拟退火算法对该近似解实施进一步优化。实验结果表明,在给定的约束条件下,禁忌搜索算法求得的解优于现有的遗传算法,在深度约束为4以及度数约束为10的条件下,解的改进幅度可达18.5%,所提算法的运行速度比遗传算法提高了10倍。  相似文献   

12.
交通选线优化算法的设计与实现   总被引:2,自引:1,他引:1       下载免费PDF全文
将交通选线问题求解转化为最小生成树(Minimun Spanning Tree,MST)的求解,对比了经典MST求解算法,以图论为基础,采取一种求最小生成树的改进遗传算法.该算法以二进制编码表示最小树问题,用深度优先搜索算法进行图的连通性判断,并采用相应的适应度函数、单亲换位算子和单亲逆转算子及多种控制进化策略,能在一次遗传进化过程中获得一批最小生成树,可供决策部门综合评价与决策.  相似文献   

13.
度约束最小生成树是一个经典的组合优化NP难题,其在网络设计和优化中有广泛的应用;现有求解方法往往不能很好地兼顾求解效率和求解精度;为了在缩短求解时间的同时,更好地获得最优解,提出了一种结合模拟退火算法和单亲遗传算法的改进求解算法;首先,改进遗传算法中变异因子的生成方式,避免不可行解个体的产生,并且设计自适应变异率,以提高算法的求解效率;其次,针对单亲遗传算法仅有变异操作可能导致最优解个体跳跃的问题,结合模拟退火的思想,来保证解的全局最优性;最后,在具体的度约束最小生成树问题中进行了三组实验,从运行时间和最优解的情况等方面与传统单亲遗传算法进行对比,实验表明该算法在求解效率和获得最优解方面都有较好的改进效果。  相似文献   

14.
提出了一种基于多生成树和子网-节点度联合权重的静态无线网络极小连通支配集MCDS构造算法SWNMCDS。算法首先设定一个概率p,每个节点随机生成一个概率并与p对比后决定是否成为候选根节点。两跳范围内的候选根节点相互交换信息,确定最终的根节点。每个根节点基于节点权重的连通树生成算法生成多棵连通树。最后基于子网-节点度联合权重选择连通节点,将多棵连通树连成极小连通支配集。经分析,SWNMCDS算法近似比上限为2β(2+H(Δ)),时间复杂度为O(Δ2),消息复杂度为O(Δ2)(Δ为最大一跳邻居节点集合的大小,β为生成树数目)。仿真实验表明,与经典MCDS算法比较,SWNMCDS所构造的连通支配集具有较小的规模。  相似文献   

15.
Inducing oblique decision trees with evolutionary algorithms   总被引:2,自引:0,他引:2  
This paper illustrates the application of evolutionary algorithms (EAs) to the problem of oblique decision-tree (DT) induction. The objectives are to demonstrate that EAs can find classifiers whose accuracy is competitive with other oblique tree construction methods, and that, at least in some cases, this can be accomplished in a shorter time. We performed experiments with a (1+1) evolution strategy and a simple genetic algorithm on public domain and artificial data sets, and compared the results with three other oblique and one axis-parallel DT algorithms. The empirical results suggest that the EAs quickly find competitive classifiers, and that EAs scale up better than traditional methods to the dimensionality of the domain and the number of instances used in training. In addition, we show that the classification accuracy improves when the trees obtained with the EAs are combined in ensembles, and that sometimes it is possible to build the ensemble of evolutionary trees in less time than a single traditional oblique tree.  相似文献   

16.
Due to their ability to detect clusters with irregular boundaries, minimum spanning tree-based clustering algorithms have been widely used in practice. However, in such clustering algorithms, the search for nearest neighbor in the construction of minimum spanning trees is the main source of computation and the standard solutions take O(N^{2}) time. In this paper, we present a fast minimum spanning tree-inspired clustering algorithm, which, by using an efficient implementation of the cut and the cycle property of the minimum spanning trees, can have much better performance than O(N^{2}).  相似文献   

17.
《国际计算机数学杂志》2012,89(14):3175-3185
Efficient polynomial time algorithms are well known for the minimum spanning tree problem. However, given an undirected graph with integer edge weights, minimum spanning trees may not be unique. In this article, we present an algorithm that lists all the minimum spanning trees included in the graph. The computational complexity of the algorithm is O(N(mn+n 2 log n)) in time and O(m) in space, where n, m and N stand for the number of nodes, edges and minimum spanning trees, respectively. Next, we explore some properties of cut-sets, and based on these we construct an improved algorithm, which runs in O(N m log n) time and O(m) space. These algorithms are implemented in C language, and some numerical experiments are conducted for planar as well as complete graphs with random edge weights.  相似文献   

18.
传统的最小生成树立体匹配算法对低纹理区域和遮挡区域不敏感,虽然最小生成树立体匹配算法后处理的中值滤波能够消除噪点,但是不能够消除边缘模糊。本文提出一种改进算法来克服这些局限性。首先,由于最小生成树匹配成本区分度不够高,研究并提出新最小生成树的匹配成本,使其可以减小不敏感区域的误匹配。其次,在后处理中使用加权中值滤波,以改善深度图像边缘。实验结果表明,在最小生成树立体匹配算法中使用改进匹配成本算法和加权中值滤波算法,在Middlebury数据集中平均误匹配率达到6.9%,本文算法在Middlebury和KITTI场景中都优于最小生成树立体匹配算法。  相似文献   

19.
赵玲  刘三阳 《计算机仿真》2006,23(10):164-166,198
针对度约束最小生成树问题,对基本的蚁群算法进行改进。提出了度信息的概念来改进转移概率,保证算法获得可行解;同时采用基于度的禁忌表这种数据结构来表示度约束生成树,并与深度优先搜索的思想结合,保证得到树的连通性;将遗传算法中的变异特征引入蚁群算法,对生成树进行局部优化。不仅提高算法的效率,而且避免早熟收敛。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。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号