知识约简的一种启发式算法

知识约简是Ｒｏｕｇｈ Ｓｅｔ理论研究中的核心内容之一，现已证明了寻找决策表的最小约简是ＮＰ－ｈａｒｄ问题，文中首先从信息的角度，对决策表中属性的重要性给出度量；在此基础上，提出了一种基于互信息的知识相对约简的启发式算法，并指出算法的复杂性是多项式的；最后，通过  

互联网络服务质量路由算法研究综述

如何提供不同的服务质量(quality of service,简称QoS)是互联网络面临的一个重要问题,而服务质量路由(quality-of-service routing,简称QoSR)则是其中的核心技术和热点问题.QoSR的主要作用是为QoS业务请求寻找可行路径,这体现了QoSR的两个目标:(1) 满足业务QoS需求;(2) 最大限度地提高网络利用率.由于QoSR是NP完全问题,研究者们设计了很多启发式算法进行了广泛深入的研究.在有权图和QoS度量的基础上介绍了QoSR的基本概念,详细分析了面向单播应用的QoSR算法中的热点问题,并按照所求解的问题类型和求解方法,将这些算法分成以下几类:多项式非启发类、伪多项式非启发类、探测类、限定QoS度量类、路径子空间搜索类、QoS度量相关类、花费函数类和概率求解类.在分析每类中典型算法的基础上,总结和对比了各类的特点,进而详细剖析了算法的有效性,并基于此总结了基于概率模型求解QoSR问题的方法.最后指出了该领域中需要进一步研究的热点问题.  

集装箱装载的一种启发式算法

多约束条件下的三维装箱问题是一个复杂的组合优化问题,属于NP-HARD问题，其求解是很 困难的．所以在实际应用中,往往采用一些启发式算法来求解．本文在考虑一些实际应用中 的约束条件下，提出了一种三维集装箱装载的启发式算法．此算法采用了三空间分割、平均 高度装载、货物合并、空间合并等策略，考虑了方向、重量、优先顺序、货物的配置位置等 约束条件．通过逐步淘汰差的装载方案，最后达到满意的装载．实例仿真说明了该算法的有 效性和实用性，能够直接用于实际应用中．  

定位-运输路线安排问题的两阶段启发式算法

重点研究了集成化物流中一类特殊的定位一运输路线安排问题(LRP)的解决方法．LRP问题包括设施定位和运输路线优化两方面决策，属于NP-hard难题．由于问题的复杂性，提出基于假设前提的LRP模型及其两阶段启发式求解算法．该方法分两步实现：首先，采用基于最小包络聚类分析的启发式方法确定被选择的潜在设施及由每一个选中的设施所要提供服务的客户群；其次，运用带有控制开关的遗传算法求解每一确定客户类中的优化运输路线．提出利用两阶段启发式算法求解LRP问题，此方法实现容易、运算简单，一定程度上避免了遗传算法中的“局部最优现象”．仿真实验证明了该算法求解单目标LRP的有效性和准确性．  

基于关键链的资源受限项目调度新方法

针对资源受限项目调度问题（RCPSPs）的实际需求建立了多目标优化调度模型，综合运用现有研究成果，设计了基于关键链的项目调度方法。该方法首先采用基于优先规则的启发式算法生成工期最小的近优项目计划，再在该计划中嵌入输入缓冲和项目缓冲，保证项目计划在非确定环境下的稳定执行。论文引用RCPSPs的标准问题库PSPLIB中大量案例对算法进行了的仿真试验，结果表明本文方法较传统项目调度方法有很大改进，论文最后对仿真结果进行了深入讨论，并指出了未来的研究方向。  

一种基于八叉树结构表达的三维实体布局启发式算法

本文在利用八叉树结构表达三维实体布局块及布局空间的基础上，根据八叉树同构节点匹配的思想设计了一个三维实体布局的启发式算法，并提出了三环图方法，解决了八叉树节点的同构识别问题．理论分析及计算的结果表明了该算法对于具有任意形状和大小的布局对象的三维布局问题来说效果理想．  

非对称网络环境中数据广播的启发式多盘调度算法

在以无线网络为代表的非对称网络环境中，数据广播是一种有效的数据访问方式。针对非均匀的访问概率分布，我们分析了数据广播访问时间的最优值，并提出了一种启发式多盘调度算法（ＨＭＤ），该算法能够根据给定的数据项访问概率分布，自动生成广播调度。 欠的理论分析和实验结果表明，ＨＭＤ算法是一种高效的数据广播调度算法，具有接近于理论最优值的性能，并且具有良好的可操作性。  

树型网格计算环境下的独立任务调度

任务调度是实现高性能网格计算的一个基本问题,然而,设计和实现高效的调度算法是非常具有挑战性的.讨论了在网格资源计算能力和网络通信速度异构的树型计算网格环境下,独立任务的调度问题.与实现最小化任务总的执行时间不同(该问题已被证明是NP难题),为该任务调度问题建立了整数线性规划模型,并从该线性规划模型中得到最优任务分配方案??各计算节点最优任务分配数.然后,基于最优任务分配方案,构造了两种动态的需求驱动的任务分配启发式算法:OPCHATA(optimization-based priority-computation heuristic algorithm for task allocation)和OPBHATA(optimization-basedpriority-bandwidth heuristic algorithm for task allocation).实验结果表明:在异构的树型计算网格环境下实现大量独立任务调度时,该算法的性能明显优于其他算法.  

蚁群优化算法及其应用

蚂蚁算法是由意大利学者M．Dorigo等人提出的一种新型的模拟进化算法。该算法首先应用于旅行商问题并获得了极大的成功，其后，又被用于求解指派问题、Job—shop调度问题、图着色问题和网络路由问题等。实践证明，蚂蚁算法是一种鲁棒性强、收敛性好、实用性广的优化算法，但同时也存在一些不足，如收敛速度慢和容易出现停滞现象等。  

基于遗传模拟退火算法的不规则多边形排样

将遗传授拟退火算法应用于计算机辅助排样领域，设计了一种基于遗传模拟退火技术的启发式排样算法．该算法能够处理不规则多边形的排样问题；同时，给出一种对象的几何表达方式，可以忽略高度不规则形状带来的复杂性影响．该算法通过基于遗传模拟退火算法的全局优化概率搜索，寻找排样件在排样时的最优次序及各自的旋转角度，然后采用基于左下角(BL)策略的启发式排样算法实现自动排样．