论贪心算法在图论中的应用

本文介绍了贪心算法的基本概念和解题思想,并通过两个典型的实例,说明了在图论中贪心算法的具体的应用。     

核矩阵逼近的贪心算法

在综合考虑数据之间的相关性与残差范数最小的基础上,本文分别提出向前贪心算法、向后贪心算法和混合贪心算法寻踪最佳低秩逼近.为此提出一种稀疏回归算法(SRA).SRA能有效减少"训练样本",并具备良好的推广能力.将SRA应用于2个实际的模式识别问题,并与支持向量机(SVM)、核主元回归(KPCR)和关键算法(KA)进行比较,验证SRA的有效性.     

堆与贪心算法

堆是一种特殊的树,堆的首元素常常是堆中结点的最小或最大值.堆排序是一种比较快的排序方法,贪心算法中常常要找到最小(大)值.本文介绍了堆在贪心算法中的运用,并分析了其时间优越性.     

贪心算法及其应用

本文首先介绍了贪心算法的概念，然后指出其特性，然后再阐述证明贪心性质的一种方法。紧接着通过一些简单的例子来讲述贪心算法的应用，再通过几个较复杂的应用来体现贪心算法在解决某些问题时的优越性。     

一种油井运输车调度的贪心算法

文章提出了一种评价标准,综合考虑油井运输车调度过程中车辆行驶路程和运油量这两方面的指标,并根据这一评价标准提出一种解决油井运输车调度问题的贪心算法,称为＂最小耗运比优先＂贪心调度算法。详细阐述了＂最小耗运比优先＂贪心调度算法的思想和具体步骤,并在原理上对此算法进行了解释。     

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.     

引入贪心鱼群的改进人工鱼群算法

针对人工鱼群算法(AFSA)局部寻优不精确等问题,提出一种引入贪心鱼群改进人工鱼群算法(IAFSASF)的方法.贪心鱼群具有不同于普通鱼群的行为策略,在觅食行为中贪心鱼群紧紧跟随在最优适应度的人工鱼的附近进行食物搜索,而不执行追尾和聚群行为,因此,贪心鱼群具有更好的局部寻优能力.实验证明:IAFSASF比原有算法在减少时间复杂度的同时有效提高了求解精度.     

0/1背包问题的贪心优化解法

介绍了0／1背包问题的基本贪心算法的解决策略，通过对贪心算法的改进和优化，找出0／1背包问题的最优解的很好近似。     

利用贪心法实现对磁盘文件的最佳存储

文章简要介绍了贪心算法的基本原理,详细阐述了怎样合理地分配文件在磁盘中的存储位置以产生最小的期望检索时间,并给出了相应的贪心算法描述程序。     

基于贪心算法思想的凸多边形最优三角剖分算法研究

当将多边形分割成互不相交的三角形的弦长之和最小时,称为最优三角剖分。在动态规划算法实现此功能的时间复杂度O(n3),空间复杂度O(n2)[1],采用贪心算法的时间复杂度是O(n2),空间复杂度是O(n),算法效率有明显的提升。贪心算法思想的最优剖分算法推广到三维空间,实现对多面体最优三角形椎体的剖分能得到非常现实的应用。     

人工蜂群算法综述

近年来群智能算法发展较为迅速并解决了很多大规模的复杂问题。人工蜂群算法是一种新型的群智能算法, 以其很强的全局收敛性、贪婪启发式的搜索特征以及求解问题的快速性等优越的性能受到广泛关注。简单介绍了人工蜂群算 法提出的生物学背景;由蜜蜂觅食行为与现实问题的求解类比给出了该算法的建模思想;并详细介绍了人工蜂群算法实现的 算法模型;从基于算法的改进以及基于算法的应用两方面讨论了近年来很多学者对人工蜂群算法研究的现状;最后对人工蜂群 算法的研究进行展望,从算法的弱点分析提出了该算法改进的方向以及进一步应用的领域。     

解决旅行商问题的改进算法

首先提出旅行商问题(TSP),然后实现了常见的解决TSP问题的算法:有传统算法中的贪心算法和回溯法,还有现代优化算法中的基本遗传算法。并针对这3种算法的缺点提出了一种改进的算法,即综合运用贪心算法和遗传算法,依据贪心选择的原则指导遗传操作,可以大大加快搜索的速度,仿真实验表明改进的算法是十分有效和实用的。     

一种基于归零矩阵的TSP求解算法

利用传统贪心算法的基本思路针对旅行商问题,提出了一种基于归零矩阵的验证算法.该算法以归零矩阵为输入规避矩阵陷阱,以完全贪心算法为求解思路来获得最短汉密尔顿回路.通过对若干TSP-LIB中问题的求解,结果表明所提算法能够以较快速度求得较好的满意解.     

K-median问题贪心近似算法的分析与实验

讨论K-median问题的贪心近似算法及其在实际计算中的表现。提出一个解K-median问题的贪心算法,证明该算法的近似度为O(ln(n/k)),通过实验证明该贪心算法在实际应用当中可以取得较好的效果,大约有90%的客户能被距离其最近、次近和第三近的设备服务。     

高校学分制环境下排考问题的改进图算法

本文利用图论模型的转化,改进传统贪心算法,设计了一种新的求解高校排考问题的图算法.改进后的算法可以更好应对在现实学分制环境下,跨年级、跨专业、主辅修等复杂的选课因素.为了解决传统算法中仅靠人工优化来实现的软约束目标,改进后的图算法首先将排考图着色模型,转化为无向赋权图的分团覆盖模型,通过深度优先策略和赋权机制,求解同时满足排考硬约束条件和软约束条件的排考方案.经过数据验证,改进算法的排考效果,在排考效果上优于传统贪心算法,在时间效率上优于人工排考方式.改进后的新算法在近年我校的期末考务工作中发挥了一定作用.     

一种属性约简的探测性贪婪算法

贪婪算法一旦做出贪婪选择就不能反悔,因此设计简单、执行速度快,但其搜索空间过于狭小,从而降低了贪婪解的精度.针对该问题,提出一种属性约简的探索性贪婪算法,采用前景探测策略提高贪婪解的精度.实验结果表明,该算法在时间略有增加的情况下能提高解的精度.     

多种群退火贪婪混合遗传算法

遗传算法是应用比较广泛的一种随机优化算法,遗传算法的收敛速度与问题解的质量是影响算法寻优性能的一对主要矛盾。为了提高遗传算法的性能,论文通过将局部搜索能力较强的贪婪算法引入遗传算法,并且同模拟退火和多种群并行遗传进化思想有机结合起来的方法,提出了一个改进型的算法——多种群退火贪婪混合遗传算法(MultigroupAnnealingGreedyHybridGeneticAlgorithm,简称MAGHGA)。仿真结果表明,该算法避免了在遗传算法中存在的早熟收敛问题,增强了算法的全局收敛性,同时也有效地提高了算法的收敛速度。     

寡核苷酸芯片的逐步探针选取算法

探针集的挑选是寡核苷酸芯片设计过程中最重要的部分。基于合成探针成本的考虑,探针的个数成为评价探针集优劣的一个最重要的指标。一个好的探针挑选算法应该挑选出尽可能少的探针。为此,对探针选取的贪心算法作了改进,提出一个类似于逐步向前回归算法的探针选取算法。该算法在每次向探针集加入边际效用最大的探针的同时,把边际效用没有或者很小的探针从探针集中剔除出去。对HLA等位基因数据的实验结果表明,逐步选取算法得到的探针集优于贪心算法挑选出的探针集。     

基于改进迭代贪婪算法的预制构件调度研究

迭代贪婪算法是一种具有较强局部搜索能力的元启发式算法,但由于传统迭代贪婪算法搜索范围过大,搜索效率有限,为了进一步提升传统迭代贪婪算法的搜索能力,考虑到阈值接受算法具有能缩小搜索范围的特点,提出了一种改进的迭代贪婪算法解决流水车间预制生产的订单接受与调度问题。该改进算法是在破坏原调度序列后加入一种基于构造启发式规则的重建策略,并结合阈值接受算法的自适应接受准则用以跳出局部最优。经大量仿真实验结果显示,与传统迭代贪婪算法、禁忌搜索算法以及遗传算法对比,改进的迭代贪婪算法具有更好的求解质量和鲁棒性。     

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。