神经网络求解图最短路径问题的一种新方法*

本文给出一种求解图最短路径问题的实用反馈式神经网络，并证明这种网络的求解稳定性．这种网络基于最小值选择网而构成，对任意有向图和无向图均能收敛到其唯一的稳定点．由此求得图所有顶点对阃的最短路径及最短路径长度．本文结果是神经网络求解非NP—难解类优化问题的一种新尝试．     

一种非完全图最短遍历路径的新型求解方法

本文提出一种通过非完全图虚拟化完全图,并利用遗传算法求解虚拟完全图的最短 遍历路径,最终解决非完全国最短遍历路径问题的新方法,实验证明：该方法能有效 求解非完全图最短遍历路径问题,为工程应用提供了一种强有力的数学工具。     

基于瞬态混沌神经网络的动态路径诱导路由技术

将最短路径问题映射到混沌神经网络提出了一种基于瞬态混沌神经网络的动态路径诱导路由技术.仿真研究表明:将混沌神经网络应用于动态路径诱导系统中求解最佳路径,总能保证网络收敛到全局最优,具有很高的搜索效率.对于单个和多个分组请求均能快速地找到最短路径.     

基于加权标识S-图的最短路径研究

为解决智能交通系统中交通运输网络分析和最短路径问题,提出加权标识S-图最短路径算法。根据Petri网基本原理和加权S-图的特点,给出交通网络加权S-图的网模型。阐述加权标识S-图最短路径的基本原理、求解加权标识S-图的最短路径定理及证明。通过交通运输网络示例和实验对算法进行验证,对比分析算法性能。结果表明,加权标识S-图最短路径算法能够更有效地求解交通网络最短路径。     

基于混沌神经网络的最短路径路由算法

将最短路径问题映射到混沌神经网络，提出了一种带有混沌噪音的神经网络最短路径路由算法。首先设计了与最短路径有关的网络费用和路径表达方法；其次结合混沌神经网络的数学模型建立神经元的运动方程；最后依据网络费用和约束条件构造神经网络的能量函数。分别在具有9个结点和15个结点的网络拓扑结构上进行了实验，单个和多个分组请求均能快速地找到最短路径。结果表明，该文提出的最短路径路由算法用于高速交换网络是有效可行的。     

求解最短路径问题的Lotka-Volterra回复式神经网络模型

有向图的最短路径(SP)问题是一个优化问题。通过构造有向图的最短路径问题的能量函数,提出了一种Lotka-Volterra (LV)回复式神经网络(RNN)模型,用于求解有向图的最短路径。当LV神经网络迭代收敛到稳定吸引子时,对应的能量函数也达到其能量最小点。因此,通过稳定吸引子可以获取最短路径。实验结果表明,利用LV神经网络模型可以有效地求解有向图中任意两个顶点之间的最短路径。     

一种基于脉冲耦合神经网络的最短路径算法

提出了一种基于脉冲耦合神经网(Pulse—Coupled Neural Network，PCNN)的最短路径算法。通过对PCNN做很小的改变，该算法不但具有和Hopfield神经网络相同的并行处理特性，适用于求解大规模实时问题，而且还能一次求出源点到其它所有目的点的最短路径．根据PCNN的模型和运算规则，本文证明了该方法的正确性并分析了其复杂度．文中还将该算法运用于通信网络的路由选择．     

一种并行模糊神经网络最短路径算法

给出了模糊网络期望最短路径问题的定义,提出一种并行模糊神经网络最短路径（PFNNSP）算法解决模糊网络最短路径问题。PFNNSP算法首先通过模糊模拟对网络中的边权进行估计,接下来脉冲波在神经元之间的并行传播,相互激活搜寻任意一对结点之间的最短路径,最后,算法回溯输出路径表示和路径长度。在随机生成的小规模数据集上的仿真实验表明,PFNNSP算法在边权服从三角模糊分布的网络中执行时间优于Dijkstra算法,在大规模路网信息数据集上的仿真实验表明,PFNNSP算法能够有效求解网络中的最短路径,并且算法在迭代次数和收敛速度上要优于Dijkstra算法和A*搜索算法。     

复杂网络中最短路径问题的求解算法研究

本文以时间代价作为目标函数,针对复杂网络的优化问题进行研究,给出了目标评价函数模型的建立过程,提出了改进的A＊算法求解复杂网络中最短路径问题的算法,并以城市交通为例,对算法进行了验证,实验结果表明所提出的算法可适用于一般多重图中最短路径问题的快速求解,具有广泛的应用价值。     

网络最短路径的一种更新策略

求解最短路径问题被广泛用于求解现实中的搜索相关问题。然而现实瞬息万变,一个连通网络的节点常常发生变动,而一旦发生改变,传统算法必须再次计算从源点到各节点的最短路径。然而虽然节点发生了变动,可是最短路径却未必全部发生了改变,这就造成了不必要的浪费。鉴于此提出一种基于Dijkstra算法的最短路更新策略,将Dijkstra算法做了改进,使其不必重新计算也能在连通图发生改变的时候更新最短路径。     

一种基于路径阻断的求解最短路径算法

全源最短路径的求解是计算机科学、交通工程、地理信息系统等学科中的一个研究热点。随着网络规模不断增大,求解全源最短路径的时间复杂度急剧上升,这制约了复杂网络相关研究与应用的快速发展,因此最短路径算法的效率问题是普遍关注并且在实际应用中迫切需要解决的问题。本文在BFS的基础上,引入路径阻断策略,利用已求得的单源最短路径节点的结果,加速全源最短路径的求解。实验结果表明该方法对大规模网络全源最短路径实现了加速计算。     

基于最短路径查询的城市公交网络拓扑建模研究

最短路径分析是地理信息系统（GIS）中网络分析的一项重要功能，等价于图论中的节点间求解最短路径问题。对地理网络进行地理分析和建模，以实现最短路径搜索已经有大量论文讨论。但是专门针对城市公交网络的建模和路径寻优，则少鲜有研究，而且已有的一些网络模型也不能直接应用到公交网络寻优中，本文应用图论理论，讨论公共交通网络的拓扑建模，实现公交网络最优路径的查询。     

公交车网络的最短路径算法及实现

最短路径问题是图论研究中的一个经典算法问题．旨在寻找图中任意两结点之间的最短路径。一般在交通道路网络中最短路径问题就是单纯地求解两点问的最短路径。为了保证实用性，公交车网络的最短路径算法以转车次数最少为首要目的。文中借鉴广度优先搜索的思路来求解最短路径，即逐个找出经过起点站和终点站的车次以及这些车次沿途可转的车次。首先说明了算法的计算机实现方法，再举例详细说明其过程，最后指出此算法的扩充用途。     

移动卫星网络中的最短路径算法研究

移动卫星网络的拓扑时变性对其最短路径求解带来新的问题。文章利用提出的移动卫星网络模型,证明了基于传统网络的最短路径算法在移动卫星网络中使用存在局限性,提出了一种适用于移动卫星网络的最短路径求解方法和优化算法,并进行了仿真验证。     

基于梯形模糊中智数的最短路径求解方法

最短路径的选择是图论中的经典问题之一.复杂环境中对象之间的关系通常具有模糊性、犹豫性、不确定性和不一致性,而中智集是元素的真实程度、不确定程度及谬误程度的集合,更有能力捕捉不完全信息.基于此,基于中智集理论和图理论的中智图最短路径选择成为一个关键问题.针对边长表述为梯形模糊中智数的中智图最短路径求解问题,提出一种扩展的动态规划求解方法.利用基于梯形模糊中智数的得分函数和精确函数来比较路径长度,并给出扩展的动态规划求解最短路径方法,从而得到最短路径和最短路径长度.最后,通过两个算例验证此方法的可行性,通过与Dijkstra算法对比分析说明所提出方法的合理性和有效性,并且分析了采用不同排序方法对中智图最短路径选择的影响.     

带杂交算子的蚁群算法求解动态网络中的最短路径问题

动态网络与传统的网络模型相比更具有现实意义,具有广泛的应用领域。本文对动态网络模型进行了描述,用实例证明了著名的Dijkstra算法在动态网络中不能有效地求解最短路径问题,提出了一种用带杂交算子的蚁群算法来求解动态网络最短路径问题的新算法。此算法不仅能够以较大的概率找到最优解而且对网络没有任何约束条件,即对离散
散和连续的动态网络模型都有效,而且用实例证明了算法的稳定性。     

基于遗传算法的最短路径探索

最短路径问题是图论中的典型问题,在生产和生活中具有广泛的实例。它介绍了最短路径的遗传算法的表示与实现、适应函数、交叉和变异操作等问题,对遗传算法求解最短路径问题作了有益的尝试,详细分析了求解最佳路径的遗传算法的构成要素,着重探讨遗传算法求解最短路径问题的可行性,最后通过两个实例求出了两幅图的最短路径。     

一种求解旅行商问题的LV回复式神经网络模型

旅行商问题是一个组合优化问题。首先,构造一个能量函数来表示旅行商问题,该能量函数的能量最小点对应一条有效的近似最优访问路径;然后,构造一种LV神经网络模型来求解该能量函数的能量最小点。实验结果表明,本文提出的LV神经网络模型能够收敛到能量最小点,并且与Hopfield网络相比,该LV神经网络模型具有更好的求解性能。     

Dijkstra算法在蛋白质序列比对中的研究

提出一种基于Dijkstra算法的序列比对方法,该算法主要用于求最短路径,而序列比对可以转化为在有向无环图中寻找最短路径问题。对于少量序列比对,使用该算法可以求出最优解。对于多序列比对,可将在N维空间求解最短路径问题转化为在二维空间求解最短路径。该算法可以简化问题复杂度,能求得相对最优解。     

基于神经网络的自主车辆导航路径计算

本文提出一种基于Hopfield神经网络的自主车辆的最短路径计算的新方法，具有计 算速度快、不需要改变神经网络结构的内部参数便能实时调整算法来适应网络边的费用及其 图的拓扑关系的改变的特点．适用于城市交通线路上自主车辆的智能导航系统．