基于VC^＋＋的最短路径算法设计与实现

设计一种方便查找及显示最短路径的数据结构,对仅研究计算一条最短路径Dijkstra算法加以改进,并在VC下实现一个顶点到另一个顶点的所有最短路径的查找。     

浅议求解最短路径问题的两种算法

本文通过对比求解最短路径问题的Dijkstra算法和Floyd算法的设计思想、求解过程和应用实例,讨论了两种算法的特点及适用领域。     

基于Skyline的最短路径分析算法设计与实现

最短路径是网络分析的主要问题之一。本文结合Dijkstra算法思想，提出了Skyline三维场景中最短路径分析的设计与实现方案，并通过实例说明方案的可行性，为用户提供了一个更加真实沉浸的可视化环境。     

基于城市路网的最短路径算法研究

最短路径分析是城市路网分析的重要内容之一,本文分析了几种流行的最短路径算法,通过对比其优缺点,得出A~*算法比较适合城市路网最短路径分析的结论。基于常州市武进城区路网数据对A~*算法进行测试,试验结果表明,在时间效率和准确性方面,A~*算法都符合城市路网最短路径分析的要求。     

一种改进的最短路径算法在公交查询系统中的应用研究

提出查询算法HCCS,并将其运用在公交查询系统的设计中。算法能求解多点间的以最少换乘次数为第一目标、最少出行时间为第二目标的公交出行方案。     

基于最短路径路由原则的电力系统网络改进模型

为准确分析电力网络的复杂网络特性与脆弱性,根据电力网络中负载传输的特点,本文定义了电源-负荷节点对的输电通道与电力网络关联系数矩阵,提出采用节点间的关联强度系数作为复杂网络模型边的权重,将网络基本拓扑结构、节点类型差异等影响电能传输的网络全局信息引入到复杂网络模型中,给出了一种改进的复杂电力网络模型。     

蚁群算法在GIS最短路径求解中应用的初步研究

最短路径的求解是GIS应用中的主要问题之一。在传统的最短路径求解算法中,Dijkstra算法和启发式搜索算法-A＊算法具有较好的效果,得到了广泛的应用。蚁群算法是由意大利学者Dorigo等人于20世纪90年代初期通过模拟自然界中蚂蚁集体寻径的行为而提出的一种基于种群的启发式仿生进化系统。蚁群算法最早成功应用于解决著名的旅行商问题,该算法采用了分布式正反馈并行计算机制,易于与其他方法结合,而且具有较强的鲁棒性,是一种很有前途的仿生优化算法。本文将对该算法应用于GIS中最短路径的求解方面的问题进行初步的研究。     

消防车辆出动的最短路线优化算法

为使消防车辆以最短路径接警出动，并以最快的速度到达火灾现场，讨论了路网的描述及使道路权值最适于车辆出动的方法，并在理论上给出了相应的解决方案。     

带权图最短路径的一种算法

本文主要是,给出求带权图最短路径的一种算法,并通过图的邻接矩阵存储方式和C++语言实现.     

查找最优路径问题的几种方法

介绍了最短路径的查询方法是GIS软件中很关键的一项功能，阐述了传统的Dijkstra算法以及对其的改进，来解决不同的实际情况，不同的数据格式的最短路径查询问题。     

基于禁忌搜索和有限元的边坡稳定分析方法

与极限平衡分析方法相比,采用有限元分析边坡稳定性具有一定的优点,通过将有限元分析与禁忌搜索结合,计算边坡安全系数并同时确定其对应的最危险滑动面,既发挥了有限元在数值分析方面的优越特性,又利用了极限平衡的思想,同时,还充分展拓了禁忌搜索的全局搜索能力.算例分析表明,该方法是可行的,在边坡稳定性分析中具有很好的应用前景.     

基于改进和声搜索算法的项目工期—成本优化

工期—成本优化（time-cost trade-off problem,TCTP）是组合优化中 NP—hard 问题,其实现的科学性对提高企业经济效益有着重要意义。为解决这一问题引入了和声搜索算法,并针对该算法收敛稳定性差、不易获得全局最优的缺陷,对其进行了算法参数的自适应改进。利用 MATLAB R2012a 软件对改进的和声算法进行编程,实现了工期—成本最优解的搜索。最后通过实例分析,验证了改进的和声搜索算法对工期—成本进行优化是行之有效的。     

基于快速群搜索算法的双层球面网壳多目标优化

提出一种新的群智能算法,即多目标快速群搜索优化（MQGSO）算法,以双层球面网壳为研究对象,进行结构节点最大位移最小化和结构质量最轻化的多目标优化设计,网壳优化后的Pareto前沿分布均匀且范围较广,分别对多目标优化和单目标优化后的结构进行多维地震作用时程响应分析。结果表明:多目标优化得到的结构优于单目标的优化结果,所提出的多目标快速群搜索算法能很好地实现复杂空间结构的多目标优化设计。     

基于一维搜索算法的张弦桁架离散变量优化

本文采用Matlab语言编写张弦桁架结构模型程序,对张弦桁架在各荷载工况下的受力性能进行了分析;首先采用Matlab语言编写了张弦桁架结构各种约束条件程序,同时编写了基于离散变量的张弦桁架优化设计程序,采用基于离散变量的一维搜索优化算法对拟定的张弦桁架计算模型进行了优化,优化结果表明基于离散变量的一维搜索优化算法,由于目标函数和约束函数的单调性质,得到的解显然是最优解,而且优化结果可以直接应用于结构实际设计。最后,在确保编写的离散变量优化程序正确的前提下,对不同矢高的张弦桁架结构进行了离散变量优化设计,得出了最优矢高结论。     

Tabu Search Strategies for the Public Transportation Network Optimizations with Variable Transit Demand

Abstract:   Systematic tabu search (TS)-based heuristic methods are put forward in this article and applied for the design of public transportation networks with variable demand. A multi-objective nonlinear mixed integer model is formulated. Solution methodologies are proposed, which consist of three main components: an initial candidate route set generation procedure (ICRSGP) that generates all feasible routes incorporating practical bus transit industry guidelines; a network analysis procedure (NAP) that decides transit demand matrix, assigns transit trips, determines service frequencies, and computes performance measures; and a Tabu search method (TSM) that combines these two parts, guides the candidate solution generation process, and selects an optimal set of routes from the huge solution space. Comprehensive tests are conducted and sensitivity analyses are performed. Characteristics analyses are undertaken and solution qualities from different algorithms are compared. Numerical results clearly indicate that the preferred TSM outperforms the genetic algorithm used as a benchmark for the optimal bus transit route network design problem without zone demand aggregation .     

A Tabu Search Method for a Bi‐Objective Urban Waste Collection Problem

A bi‐objective model for the collection of waste bins in rural areas within a planning period is analyzed. This model is a real problem raised by local authorities in a rural region of northwestern Spain. The two objectives under consideration are: minimization of transport costs and improvements to the level of service. Specifically, the level of service depends on the frequency of waste collection at each point over the planning period. A solution method for this problem was developed by applying tabu search within the framework of Multiobjective Adaptive Memory Programming (MOAMP) and the results were compared with an implementation of NSGA‐II, a well‐known approach to multiobjective optimization.     

基于遗传算法给水管网优化模型的改进研究

目前基于遗传算法的给水管网优化模型存在很多缺陷,为提高其实用性,对优化模型进行了改进.在约束条件中,用流量约束代替最小管径约束,并加入了流速约束.在此基础上,采用罚函数法对目标函数进行改进,实现了给水管网多工况优化设计.通过实例计算对比了各种设计方案,验证了改进后的优化模型在供水安全性和经济性方面的优越性.     

差分进化算法的改进研究

本文提出了一种改进的差分进化算法,算法采用一种新的突变方式,同时在选择操作之前引入扰动机制以增强算法的全局搜索能力。之后对改进算法进行了Benchmark函数实验,得到的仿真结果证明了算法的有效性。     

基于高斯变异的自适应猴群算法

由于原猴群算法中的参数过多且固定,若设置不准确,会丧失猴群多样性且易陷入局部最优值。针对这些不足,本文提出了一种新型的自适应猴群算法——基于高斯变异的自适应猴群算法(GAMA)。GAMA改变了原本固定的步长及视野,使其随着迭代次数的变化而变化,这样无论在算法的前期或者后期,都有较强的搜索能力。对于猴群算法容易陷入局部最优的缺点,本文采用高斯变异的方法,对数次迭代过程中未改变的局部最优值进行高斯变异,不仅使猴群能够有效摆脱局部极值的束缚,也加强了对局域再搜索能力。最后通过对多峰测试函数验证,结果表明GAMA算法无论在精度,稳定性,克服早熟及收敛速度方面都有显著提高。     

云计算任务调度算法的改进

云环境下的工作流,进行合理的任务调度,可以克服地理限制,节省资源,从而提高用户的满意度。本文提出改进算法:快速非支配排序贝叶斯算法NSGAboa,该算法是快速非支配排序算法NSGAII和贝叶斯算法BOA的结合,根据种群中个体间的分布收敛程度来改变产生个体的方法,利用了种群个体信息和全局信息。实验证明该算法使得最优解的分布更加均匀,加快了个体产生的速度,缩短了种群的收敛速度。