基于TSP问题的混合遗传算法研究

文章在介绍遗传算法和混合遗传算法思想的理论基础上,分析了遗传算法的主要优缺点和改进算法的有效性原则,利用模拟退火算法的局部寻优能力提出了一种改进的遗传模拟退火算法。结合两者的优点,对其中的选择、交叉和变异操作进行了改进,并将其运用到TSP问题的求解之中。同时,给出了算法的具体实现过程,并进行了仿真实验,证明了混合算法的有效性。     

基于MATLAB的蚁群算法求解旅行商问题

旅行商问题的传统求解方法是遗传算法,此算法收敛速度慢,并不能获得问题的最优解。为了求取旅行商问题的最优解,本文在阐述蚁群算法的基本原理、模型以及在旅行商问题中的实现过程的基础上,提出了一种以蚁群算法构建的基于MATLAB的求解旅行商问题的方法,并最后通过仿真实验获得了目前已知的最好解。     

基于协同合作的蚁群优化算法

蚁群优化是一种模拟蚂蚁觅食的群集智能搜索算法,基本蚁群算法收敛性较差,易陷入局部最优解。本文在基本蚁群算法的基础上,提出一种新的蚁群优化算法,通过在信息素局部更新中引入信息素扩散模型,在信息素全局更新中引入随机扰动机制,发挥蚂蚁之间的协同合作能力,提高了算法的收敛速度。以TSP为例的仿真实验表明,该算法具有较强的寻优能力、较好的鲁棒性和有效性。     

基于蚁群算法的旅行商问题的研究

群居性昆虫行为的研究为计算机科学家提供了设计分布式控制和优化算法的有力方法。对以蚁群算法为代表的群集智能的研究已经逐渐成为一个研究热点。蚁群算法在实际的生活中有很大的用处,比如求解旅行商问题,本文介绍了一种求解复杂TSP的蚁群算法,阐述了该算法的基本原理及实现过程,并且在本文中尝试用编码的形式将基本蚁群算法应用到求解旅行商问题中去。     

基于蚁群算法的旅行商问题的研究

群居性昆虫行为的研究为计算机科学家提供了设计分布式控制和优化算法的有力方法。对以蚁群算法为代表的群集智能的研究已经逐渐成为一个研究热点。蚁群算法在实际的生活中有很大的用处,比如求解旅行商问题,文章介绍了一种求解复杂TSP的蚁群算法,阐述了该算法的基本原理及实现过程,并且在本文中尝试用编码的形式将基本蚁群算法应用到求解旅行商问题中去。     

基于少样本学习和知识迁移的继电保护压板状态识别

针对变电站中保护压板开关状态自动识别问题,提出了一种基于少样本学习和知识迁移的压板开关状态识别模型,使用残差网络提取图像特征,基于度量方法计算查询图像与支持图像之间的相似度,在此基础上使用KNN实现压板开关状态的分类识别。将残差网络在公用数据集上预训练的模型直接迁移到基于少样本学习的压板开关状态的识别任务,并研究了KNN算法中不同的最近邻个数对压板开关状态分类结果的影响。所提方法可在图像样本少的情况下实现压板开关状态的识别。实验结果表明,在支持图像的样本数为30时,图像识别精度达到99.49%。相比于其他大样本的分类方法,所提出的利用少量样本的分类方法能够实现令人满意的分类效果,提高了图像分类的效率。     

TSP的DNA算法

由于Adleman和Lipton的开创性工作,最近DNA计算引起了人们的极大兴趣,他们提出的分子算法解决了图形的表示方法,但是没有给出如何处理图中节点的弧线的信息。本文的目的是通过提出在图中城市间的距离用简单的弧线代表,延伸了Adleman和Lipton提出的基本的分子算法。并提出只有当算法步骤由当前的需要人工干预被可执行的可在试管中操作的DNA链代替,解决计算难题的真正可行DNA计算可以实现。该算法的创新之处在于表示城市和路径的DNA链长度的设计,能使我们在合理的范围内寻找旅行商问题的解,较大地简化了问题的复杂度。     

蚁群算法在Matlab中的程序设计

蚁群算法是近些年来兴起的一种智能算法,具有较强的鲁棒性。介绍了蚁群算法的工作原理和数学模型,并提出了基于Matlab的算法程序步骤,以旅行商问题进行了算法实现,给出了运行的最优结果。就蚂蚁个数的不同对结果的影响进行了深入研究,为蚁群算法在实际问题中的改进提供了借鉴。     

求解旅行商问题的蚁群遗传混合算法

根据蚁群算法与遗传算法的特性,提出了求解旅行商问题的混合算法.该混合算法以遗传算法为整个算法的框架,根据旅行商问题的特点,给出了4种变异策略;针对遗传算法存在的过早收敛问题,加入2-Opt方法对问题求解进行了局部优化;利用蚁群算法根据信息素产生若干个路径,替代部分差的解.与模拟退火算法、标准遗传算法和标准蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好.     

基于OPENMP求解旅行商问题的并行蚁群算法

蚁群算法具有自组织性、正反馈性、较强的鲁棒性和天生的并行性等优点,不足之处是需要较长的搜索时间.为了解决其搜索时间过长的问题,文中提出了一种并行实现策略,用OPENMP应用编程接口采用C++语言编程实现,能明显减少搜索所用的时间.给出了一种解决旅行商问题(TSP)的并行蚁群算法,并通过串并算法执行时间的比较,说明并行算法的优越性.     

基于路径选择的自适应蚁群算法研究

本文提出样本空间经过K-均值聚类算法聚类加工处理后,算法通过动态地调整选择路径概率,优化TSP求解过程中解的分布均衡性,可以在加速收敛和防止早熟、停滞现象之间取得很好的平衡。这种新的算法提供了在样本空间预处理情况下,动态自适应地解决TSP问题最优解的新方法。比起普通蚁群算法,此算法对大规模数据的最优解的求解更有显著效果。     

Cloud Based Software Computing as a Service in Hybrid Evolution Algorithm with Feedback Assistance

This paper develops cloud based software computing as a service (SCaaS) in the hybrid evolution algorithm with feedback assistance to solve the data optimal NP-complete problems such as travel salesman problems and job shop scheduling problems. Suitable steps, methods, or procedures of the genetic algorithm can be adopted from various evolution procedures or methods of the genetic algorithms based on the fitness evaluation results and survival ratio of different crossover methods in the current generation. The proposed system can dynamically emphasize the corresponding methods or procedures for the better performance in optimal solution searching. In addition, according to the proposed XML format, system users can upload only the coding of chromosomes without implementing the genetic algorithm program. Furthermore, by using the feedback assistance, the convergence time of the optimal solution can be enhanced.     

基于知识聚合和迁移的跨领域推荐算法

传统的推荐算法受限于单领域中用户和项目的稀疏关系，也存在用户冷启动等问题.跨领域推荐能够通过学习辅助领域的知识去丰富目标领域的稀疏数据以提高推荐准确率.本文提出了一种知识聚合和迁移相结合的跨领域推荐算法ATCF.与已有算法不同，在对共性知识和个性知识的表示学习中，ATCF均充分融合了辅助域和目标域的知识，通过基于矩阵分解的两级矩阵拼接和两次矩阵填充，得到在群集矩阵及评分矩阵上的共性知识表示；通过知识迁移，构建了重叠用户和非重叠用户的个性知识表示，有效避免了负迁移.在两个跨领域数据集上开展的实验表明，ATCF算法与已有单领域和跨领域推荐算法相比RMSE降低了3%~7%，准确率召回率增加了8%~15%.     

基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题

提出了一种基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题.该算法在布谷鸟搜索算法原理的基础上,构造了旅行商问题的路径求解策略.由于算法的局限性,随着算法的调整和迭代次数的增加,容易破坏已形成的路径,从而使得算法通用性不强.针对这一局限性,本文提出了一种自适应局部调整算子和全局随机扰动策略.采用简单的2-opt算子作为局部优化算子加快算法收敛速度,引入模拟退火机制防止算法陷入局部最优.采用标准TSPLIB多组数据进行测试,并与有代表性的优化算法进行结果比较.实验结果证明了该算法在精度和稳定性方面的优势.     

基于"矩阵乘法"的网络最短路径算法

 网络最短路径问题可以作为许多实际应用问题的模型,但传统的求解算法其迭代过程复杂.本文描述了基于矩阵乘法的最短路算法,其时间复杂度与Dijkstra算法相同.在给定的一个网络图中,在不改变网络图中的最短路的条件下,删除"多余"的结点或边,可以达到简化网络图和提高求解速度的目的,从而降低计算复杂性.最后,研究了该方法在最短路径问题和旅行商问题中的应用.实例表明,这种算法与传统的动态规划技术相比,具有运算简便、易于理解的优点.     

Improved artificial bee colony algorithm for large scale colored bottleneck traveling salesman problem

In the fields such as intelligent transport and multiple tasks cooperation, the model scale constructed by colored bottleneck traveling salesman problem (CBTSP) tends to large scale, and therefore it is necessary to study the large scale CBTSP and its algorithms. An improved artificial bee colony algorithm (IABC) was applied to solve the large scale CBTSP. IABC employed generating neighboring solution (GNS) to improve artificial bee colony algorithm for CBTSP. GNS generated new solution by deletion and reinsertion operations, during this process, and it can optimized the existed solution for this problem. Experiments show that IABC can demonstrate better solution quality than other compared algorithms for large scale CBTSP.     

基于模拟退火算法的全国最优旅行方案

以如何走遍全国各省会、直辖市、香港、澳门、台北为基础设计旅行方案，对旅行时的路径最短，费用最少等现实问题进行分析，在充分考虑旅行费用与路线，时间与交通工具的关系后，以实现路径最短与费用时间最少为目标，进行系统建模，并应用模拟退火算法对模型进行求解，得出了一条综合考虑省钱、省时的旅行路径。结果表明了该旅行方案的正确性和现实价值。     

基于算法适用知识的挖掘算法选择交互系统

为具体挖掘任务选择合适的挖掘算法需要用户对挖掘任务、各种挖掘算法和数据特征都非常熟悉,一般用户是很难达到这个要求的。针对以往研究的系统存在实现困难、不能适应动态添加算法等不足,文中形式化表示数据挖掘算法的适用知识,并基于此设计算法选择交互问题和选择逻辑,实现了一个易于实现的数据挖掘算法选择交互系统。实例验证了系统的有效性。     

具有隐私保护功能的知识迁移聚类算法

传统聚类算法在数据量不足或数据被污染的场景下聚类效果较差,针对此问题,在经典模糊C均值(FCM)技术的基础上,该文提出融合历史类中心和历史隶属度两类知识迁移机制的聚类算法。该算法通过有效利用历史数据中总结得到的辅助知识来指导当前由于数据不足或数据污染带来的聚类困难问题,从而提高聚类效果。同时,由于该算法仅利用历史数据的类中心和隶属度,对历史数据具有隐私保护的优点。通过在模拟数据集和真实数据集上的仿真实验,证明了该算法的有效性。