基于分治和贪心相结合的排课算法研究

排课问题是高校教学管理中的一个重要问题,也是一个NP问题.提出一种基于分治贪心相结合的排课算法,并进行算法设计及复杂性分析.该算法思想简单,排课结果可靠,在解决排课冲突问题上也比较便利.     

求解多重序列比对问题的蚁群算法

多重序列比对是生物信息学特别是生物序列分析中一个重要的基本操作。提出求解多重序列比对问题的蚁群算法,利用人工蚂蚁逐个选择各个序列中的字符进行配对。在算法中,蚂蚁根据信息素、字符匹配得分以及位置偏差等信息决定选择各序列中字符的概率,通过信息素的更新与调节相结合的策略较为有效地解决了局部收敛的问题,加强了算法寻求全局最优解的能力。另外在该算法的基础上,提出了基于分治策略的多序列比对蚁群求解算法,不但减少了原算法的计算时间,而且显著改善了算法所求得的解的质量。     

贪心算法求解k-median问题

文章讨论了用贪心算法解k-m edian问题以及其试验结果。首先提出了一个解k-m edian问题的简单贪心算法,然后对求解质量和求解的近似性能比进行了探讨。主要讨论了公制空间和非公制空间初始解的产生,用贪心算法解k-m edian问题以及全局最优解的计算。试验结果表明:贪心算法解公制空间的k-m edian问题效果要好于解非公制空间的k-m edian问题;用贪心算法解公制空间和非公制空间k-m edian问题都能得到较好的结果。     

一种并行求解方法的研究及相关算法的分析

本文研究在分布式系统中如何利用分治算法来并行求解问题，并给出并行算法有效性度量和分析方法。     

一种求解集合覆盖问题的启发式算法

集合覆盖问题是运筹学研究中的一个基本的组合优化问题,它通常描述成如下的一个覆盖问题:从一个m行、n列的0-1矩阵(aij)m×n中选出若干列盖住所有的行,使得付出的代价最小.集合覆盖问题被广泛应用到航空人员行程安排、电路设计、运输的车辆路线安排等领域.对这一问题,国内外学者提出了诸如遗传算法、模拟退火算法、蚁群算法、人工神经网络算法等求解算法.本文以贪心算法为基础,利用人类的智慧和经验,提出了一种求解集合覆盖问题的启发式算法.算法的主要思想为:从某个解出发,随机移除一定比例的列,再用贪心策略加入若干列.用本文提出的算法,对Beasley提出的45个测试实例进行了实算测试,所得结果和最优解的平均相对差值为0.44%,并且得到了其中33个实例的最优解,实算结果表明,本文提出的算法对求解集合覆盖问题是行之有效的.     

改进的遗传算法求解TSP问题

实际应用中经常用人工智能算法如遗传算法求解TSP等一类NP难题．针对原有的遗传算法在初始化种群随机性的缺陷以及在产生子代过程中无法保存最优个体的问题．给出基于贪心算法的种群初始化和交叉变异后最优个体保存算法相结合的改进遗传算法,并在VC＋＋平台上对该算法的实现过程进行动态演示。     

基于多Agent的可满足性问题求解系统研究

为了得到高效可扩展的可满足性问题求解方法,融合目前解决可满足性问题(SAT)的诸多最新策略:快速DPLL、启发式极性决策算法等,提出了一种基于多Agent(Multi-Agent)的可满足性问题(SAT)验证方法.该方法给出了基于多Agent的可满足性问题求解系统的总体结构、工作流程和消息协议,详细分析了有关Agent的结构原理,在JADF(Java Agent development framework)基础上设计出智能仿真模型,通过实例研究表明该方法比传统的一般性求解方法精度高、速度快,且有较好的扩展性和可移植性.     

求解矩形packing问题的贪心算法

在货物装载、木材下料、超大规模集成电路设计等工作中提出了矩形packing问题。对这一问题,国内外学者提出了诸如模拟退火算法、遗传算法及其它一些启发式算法等求解算法。该文利用人类的智慧及历史上形成的经验,提出了一种求解矩形packing问题的贪心算法。并对21个公开测试实例进行了实算测试,所得结果的平均面积未利用率为0.28%,平均计算时间为17.86s,并且还得到了其中8个实例的最优解。测试结果表明,该算法对求解矩形packing问题相当有效。     

求解背包问题的贪心遗传算法及其应用

分析了文献[2]中求解背包问题(KP)的混合遗传算法(HGA)所采用的贪心变换方法缺陷;重新定义了贪心变换的概念,并给出了一种新的且更高效的贪心变换方法,将此方法与遗传算法相结合得到一种新的混合遗传算法,称之贪心遗传算法(简记GGA).利用GGA得出了文献[2,4]中一个著名KP问题实例的目前最好结果;同时,对于文献[7]中的KP问题实例和一个随机生成的KP问题实例,将GGA算法与求解KP问题的最有效算法HGA算法进行对比计算,结果表明GGA算法远远优于HGA算法.     

基于任务分配与调度的GSAT算法求解3-SAT问题

基于不同分配策略的云计算任务调度以及任务分配与调度的主要目的,提出了一种新的算法—求解3-SAT问题的基于任务分配与调度的GSAT算法。该算法将3-SAT问题中的每一个变量形成一个任务,在GSAT算法的基础上,引入任务分配与调度指导贪心搜索;同时,在保留原有贪心搜索的前提下,根据任务分配与调度的思想和3-SAT问题的特点,设计了两种新的策略—分配策略和调度策略共同完成整个贪心搜索过程。以标准的SATLAB库中变量个数从 20～250的3 700个不同规模的标准Uniform Random 3-SAT 问题对新的算法的性能进行了合理的测试,并与高效和普通性能改进的GSAT算法的结果作了比较,结果表明,该算法具有更高的成功率和更少的翻转次数。     

精英交叉二进制蝙蝠算法求解0-1背包问题*

针对基本蝙蝠算法收敛速度慢,易早熟的问题,提出了一种精英交叉二进制蝙蝠算法。该算法借鉴精英策略和遗传算法中的交叉机制,按照一定比例选择蝙蝠群中的精英个体进行交叉,将得到子蝙蝠群和父蝙蝠群进行混合择优,保证蝙蝠群的多样性和优秀性,提高了全局搜索能力;为提高局部搜索能力,算法在对每个个体计算适应度值时加入贪心策略;另外,通过对蝙蝠群最优解进行动态监测,适时对种群进行柯西变异,使算法具有跳出局部极值的能力。通过对5个实例的仿真计算比较表明,该算法与改进贪心遗传算法,贪心二进制蝙蝠算法和病毒协同蝙蝠算法相比,无论是收敛速度还是寻优能力都表现优异,为求解0-1背包问题提供了一个实用的算法。     

求解0-1背包问题的混合蝙蝠算法

针对基本蝙蝠算法易陷入局部最优、收敛速度慢等缺点,对其进行优化研究。基于0-1背包问题的具体特征,在基本蝙蝠算法原有概念和框架的基础上,引入遗传算法中的交叉机制以及反置算子建立全新的位置转移方式和局部搜索规则;加入贪心策略进行解的可行化和充分利用,增强局部搜索能力,加快算法收敛速度,构建全新的混合蝙蝠算法。将混合蝙蝠算法应用于两组0-1背包算例,仿真实验结果优于自适应元胞粒子群算法、基本蝙蝠算法和贪心二进制蝙蝠算法。结果验证了该混合算法求解0-1背包问题的可行性和有效性。     

求解0-1背包问题的二进制蝙蝠算法

为了求解离散空间中的最优化问题,提出了一种二进制蝙蝠算法,并引入时变惯性因子来提高算法的全局收敛速度;在此基础上,为提高求解0-1背包问题时找到最优解的机率,利用贪心优化策略对无效的蝙蝠个体进行优化,从而给出了贪心二进制蝙蝠算法（GBBA）。仿真计算结果表明,GBBA算法在寻优能力和收敛性能方面比已有的GMBA算法都更优越。     

改进麻雀搜索算法求解作业车间调度问题

针对最小化完工时间的作业车间调度问题(JSP),提出改进麻雀搜索算法(ISSA).首先设计有效的编码转换方式,形成JSP离散决策空间与麻雀搜索算法(SSA)连续搜索空间的对应关系.然后,针对SSA在求解后期易陷入局部最优,利用量子计算、正余弦搜索和警戒者数量递减策略对SSA进行改进,同时引入多邻域搜索和高斯扰动策略以弥补SSA在求解离散问题时深度发掘能力不足的弊端.最后,进行FT、LA系列10个测试问题、6种算法和2个应用实例的对比实验.结果表明,ISSA在求解JSP时,能获得更好的最小值、平均值和寻优成功率,验证了ISSA求解JSP的有效性.     

基于遗传算法的混合优化策略研究

最优化问题是工程设计、科学研究、经济管理等众多领域经常遇到的一类问题。随着待解决问题范围的不断扩大以及优化算法研究的不断深入,混合优化策略已成为解决大规模、高复杂度优化问题的一种重要而有效的方法。介绍了遗传算法、贪婪法、模拟退火算法、禁忌搜索的基本原理,阐述了各种算法的优缺点;针对各单一算法存在的缺陷和不足,对三种以遗传算法为主体框架的混合优化算法进行了分析;最后,指出了混合优化算法存在的问题及今后的发展方向。     

k分搜索的时间复杂度分析

分治策略的思想是将一个规模较大的问题分解为多个形式相同的子问题来解决。搜索是指在一个排好序的数组中寻找与给定数值x相等的元素,传统的搜索算法是遍历,而二分搜索是一种基于分治策略的搜索算法。二分搜索是将数组每次分为相等的两部分,将待查元素x与数组中间的元素比较,若相等则搜索成功;否则将搜索范围缩小为原来的一半,之后以此类推,直到找到待查元素,与遍历相比,二分搜索复杂度明显降低。以二分搜索为基础,每次可以将数组分为更多部分,即k分搜索,探寻k为何值时k分搜索算法的时间复杂度最低,能够对搜索算法进一步优化。通过分析、归纳与证明,得出k分搜索的时间复杂度为O(klog_kn),由于该函数是递增的,因此二分搜索是效率最高的搜索算法,复杂度为O(log₂n);此外,当k=n时,k分搜索退化为遍历,复杂度退化为O(n)。     

采用捕鱼策略的优化方法

引入一种采用渔夫捕鱼策略的新的优化方法。该优化方法主要采用移动搜索、收缩搜索和加速搜索三种搜索技术。设初始时在搜索域中随机分布有若干个点,每个点看作一个“渔夫”,每个“渔夫”通过移动、收缩和加速三种搜索方式在搜索空间中独立开展寻优活动,以搜寻全局的最优解或最优点。测试结果表明,该算法具有较好的全局搜索能力,因而该优化方法是有效的和可行的。     

基于动态行为选择的和声搜索算法

和声搜索算法是一种模拟音乐即兴创作过程的元启发式搜索,已成功应用于解决许多实际问题.针对高维函数优化问题,提出一种基于动态行为选择的和声搜索算法.在算法中新和声的即兴创作有3种策略,迭代过程中通过计算每个策略的即时价值和综合价值选择和声的即兴创作策略,并通过个体即兴创作策略选择方法提升寻优速度或避免陷入局部最优解.将所...