一种混合化学反应优化算法求解最小顶点覆盖问题

最小顶点覆盖问题是组合最优化问题,在实际应用中有较广泛的应用,是一个NP难问题。论文针对最小顶点覆盖问题给出了一种混合化学反应优化求解算法。首先根据无向图的邻接矩阵表示法,设计了参与化学化反应的分子编码和目标函数;同时把贪心算法思想创造性地融入到化学反应优化算法的四个重要反应算子中,以加快局部较优解的搜索过程;最后通过模拟化学反应中分子势能趋于稳定的过程,在问题的解空间中搜索其最优解。模拟实验结果表明,该算法对于求解无向图的最小顶点覆盖问题是有效的,并且在求解效率等方面有一定的改善。     

基于可满足解空间的DNA算法--解决最小顶点覆盖问题

论文给出了基于可满足解空间的最小顶点覆盖问题的DNA算法,该算法直接生成可满足解空间,无须在全体解空间中进行各种过滤过程。在对图中的顶点进行适当的编码后,使用常规的生物操作完成可满足解空间的产生及最终解的分离。最后指出了该算法的优点、存在问题及下一步的研究方向。     

一种求解顶点覆盖问题的混合遗传算法

顶点覆盖问题是一个NP难问题,在排序、计算机网络等现实生活中有许多的应用。使用基本遗传算法进行搜索时,存在着局部搜索能力较弱的不足,本文提出了一种新的求解最小顶点覆盖问题的混合遗传算法,将基本遗传算法与局部优化策略相结合,改善遗传算法的局部搜索能力,加快求解该问题的速度。对几种典型无向图的实验证实了新方法的有效性,其整体性能优于现有的一些顶点覆盖问题遗传算法。     

一种求解平面图的最小顶点覆盖算法

最小顶点覆盖问题是图论中经典的组合优化问题,在实际生活中有着广泛的应用价值。根据最小顶点覆盖与最大独立集在图论中事实上是属于等价问题这一特性,从最大独立集的角度出发,根据最大独立集的特性,设计了一种求解简单平面图的最大独立集算法,从而求出最小顶点覆盖。通过实验结果的比对验证算法的正确性和有效性。     

最小顶点覆盖问题的闭环DNA算法

提出了闭环DNA计算模型的基本概念及其基本生化实验,并给出了解决最小顶点覆盖问题的闭环DNA算法。在闭环DNA算法中,提出并实现了用删除实验直接构造顶点覆盖补集的构想;再通过电泳实验得到最小顶点覆盖的补集,由补集得到最小顶点覆盖。这使得算法的设计独特而新颖;由于算法仅用到基本的生化实验,这使得算法的实现简捷、可靠。     

最小顶点覆盖问题的竞争决策算法

竞争决策算法是在分析大自然生物世界特别是人类的各种竞争机制和决策原理的基础上,利用竞争造就优化、决策左右结果的特性来达到优化目的的新型寻优算法。采用竞争决策算法原理,利用竞争决策算法的通用模型,求解图的最小顶点覆盖问题。     

一种增量式约简方法求解最小顶点覆盖问题

最小顶点覆盖问题是一个应用很广泛的NP难题,针对该问题给出一种增量式属性约简方法。首先将最小顶点覆盖问题转化为一个决策表的最小属性约简问题;利用增量式属性约简思想,随着图中边数的增多,提出一种更新最小顶点覆盖的增量式属性约简算法;该算法时间复杂度低于计算整个图的最小顶点覆盖的时间复杂度,同时针对大规模图问题,可随着边的增加动态更新最小顶点覆盖,因此降低了属性约简的方法求解最小顶点覆盖问题的运行时间;实验结果表明该算法的可行性和有效性。     

最小顶点覆盖快速降阶算法

通过定义判别函数来判别顶点覆盖作用的优劣,得出一个把顶点加入到最小顶点覆盖集的一般化规则,并得出该规则在多种具体情况下的应用定理,在此基础上给出了一个快速降阶算法,该算法能确定某些顶点应该在最小顶点覆盖中,某些顶点不应该在最小顶点覆盖中,达到降低原问题的规模和求解难度的目的.该算法既可以单独使用,又可以与算法结合来达到更好的结果,文中还给出了应用实例及其分析.     

基于弱顶点覆盖的网络链路使用带宽监测模型

对于许多网络应用而言,精确的网络链路实际使用带宽的监测非常重要.首先,为了减少监测过程对实际网络带宽的影响提出一个网络链路实际使用带宽的监测模型.然后,证明求该模型最优解的问题是NP完全的.最后,通过进一步挖掘流量约束扩展该模型以进一步减少监测过程的影响.     

图的最小顶点覆盖问题的面上DNA解法

1994年，Adleman提出一种解决NP完全问题的新方法-DNA计算．之后又出现了许多关于DNA计算的改进操作并增加了其可靠性，其中面上操作是一种很有效的方法．本文利用DNA计算的固态处理(面上计算)解决了图论中又-NP完全问题一图的最小顶点覆盖问题．构造了含有6个顶点10条边的图的顶点集子集对应的数据池之后，进行了一系列的合成、杂交、清洗、变性等生物操作，得到所有覆盖对应的DNA序列，然后通过编址过程得到所要求的最小覆盖．     

图顶点覆盖问题决策神经网络模型

图的顶点覆盖问胚是一个困难的NP-完全问题,并且有许多良好的应用.文中将在已有的应用Hopfield神经网络模型来求解图的顶点覆盖问题的基础上,将人脑决策思维的思想加入其中,建立称为图顶点覆盖问题决策神经网络模型.该方法不仅简化了过去此领域的工作,而且通过增加决策约束项,加速了网络的运行速度.     

顶点覆盖变体问题的确定参数可解算法研究

参数复杂性作为算法研究的一个重要分支,近十年来在国际上受到了广泛的关注,确定参数可解算法是参数复杂性研究的一类重要问题,因此被广泛研究。本文主要研究了顶点覆盖问题的两个变体问题：一个是连接的顶点覆盖问题,二是含权的树型顶点覆盖问题。这两个问题都是对原始的顶点覆盖问题加入了一些限制的变体问题。本文给出了这两个问题的确定参数可解算法,并且是目前的最好结果。     

基于蚁群算法的集合覆盖问题

蚁群算法是一种基于群体智能原理的优化模型,用于解决组合优化问题。集合覆盖问题是NP完全问题中应用面最广的问题之一,它在模式识别、机器学习等领域中具有重要的应用。以SCHF[1]启发函数作为启发信息,用蚁群算法求得集合覆盖问题的优化解。通过几种算法的仿真结果对照表明,用蚁群算法求解集合覆盖问题是有效的,蚁群算法得到的解是比较理想的。     

几何算法求解货郎担问题

本文提出求解货郎担问题的一种几何算法。它的时间复杂性为：Ｏ（ｎ＾３／ｍ）次比较，Ｏ（ｎ＾２）次乘法，其中ｎ，ｍ分别是点集的点数和凸包顶点数。     

模糊环境下的最小权顶点覆盖问题*

最小权顶点覆盖问题在实际决策中应用广泛,但顶点上的权值在实际应用中通常代表费用、成本等,在很多情况下是不确定的。关注了最小权顶点覆盖问题中的模糊不确定性,对模糊环境下的最小权顶点覆盖问题进行了研究。引入了可信性理论以描述模糊不确定性,并根据不同的决策准则建立了求解模糊环境下最小权顶点覆盖问题的三个决策模型,结合模糊模拟和遗传算法设计了一种求解所建立模型的混合智能算法,并给出了数值实验。数值实验的结果验证了所提出的决策模型与算法的有效性。     

图的最小顶点覆盖问题的DNA表面计算模型

基于生化反应原理的DNA计算具有强大的并行运算能力,DNA计算机在求解NP问题上存在着硅计算机无法比拟的先天的优越性。采用荧光标记的策略,给出了一种新的图的最小顶点覆盖问题的DNA表面计算模型。该模型首先将问题解空间的DNA分子固定在固体载体上,然后通过进行相应的生化反应来求得图的最小顶点覆盖问题的所有解。新算法利用荧光猝灭技术,通过观察荧光来排除非解,具有编码、解读简单和错误率低的特点。     

求解哈密顿图判定问题的一个新算法

本文给出求解哈密图判定问题（即ＨＣ问题）的一个算法及其证明。     

求解最小码覆盖问题的实验算法

该文基于实验算法中的拟物方法,将获得的最小码覆盖问题的ＣＮＦ范式通过转换规则化为连续函数的最优化问题,该算法应用在具体的最小码覆盖问题上,获得令人满意的结果。     

化学反应蚁群优化算法

针对化学反应优化对反馈信息利用不足导致后期求解效率低的问题,提出化学反应蚁群优化算法.该算法利用化学反应优化生成较优解,通过信息素转换策略将较优解转换为蚁群算法的初始信息素,最后由蚁群算法累积更新信息素得到最优解.以TSP为例进行仿真,结果表明,与化学反应优化、蚁群算法、模拟退火算法相比,所提算法具有更高的寻优能力、收敛效率和计算效率.     

基因学习算法及其在集合覆盖问题中的应用

在用传统方法解决一些复杂而规模较大的组合优化问题,尤其是NP难题,出现困难时,一些近似算法相继推出。启发式搜索法、模拟退火算法及进化算法等的出现,为解决这些优化问题提供了非常好的手段。近年来,出现了一种概率学习的进化计算模型,如Baluja的PBIL算法与Corno的自私基因算法。概率学习的进化计算模型通过不断地学习每一代的最优个体,最终收敛于最优或较优的解的等位基因概率,其过程描述如下: