改进遗传算法求解TSP问题

改进遗传算法采用了顶端增强算子进行选择运算以强化其收敛性，并利用动态进化因子来进行交叉算子和变异算子的选择以防止早熟。用不同的TSP问题测试时，在分析了种群规模、最大遗传代数与最优解之间的关系之后，得出该算法有较强的鲁棒性和有效性。     

用于函数优化的进化非选择算法实验分析

进化非选择算法是将生物免疫系统的非选择机制和进化学习机制相结合而形成的算法,影响其求解效率的算子除了传统进化算法中的变异和选择算子外,还有非选择算子.通过函数优化实验验证了进化非选择算法的求解性能,结果表明非选择算子的引入使得进化非选择算法能够较好地跳出局部最优解,具有较为稳定的求解性能.与此同时,针对函数优化问题,给出了非选择算子相关的自我集大小和自我集每代更新数目这2个影响算法效率的重要参数的参考取值方法.     

移动IP中基于遗传算法的优化路由算法

提出了移动IP中带网络负载平衡的路由问题,通过建立网络模型,采用基于矩阵编码的改进遗传算法解决问题.遗传算法采用以矩阵编码为基础的交叉算子和变异算子,并使用排序选择算法作为选择算子.给出了改进算法的复杂度,从理论上证明了该算法的收敛性.仿真结果表明该算法具有很好的收敛性,并给出了在不同种群数(20～50)和交叉概率(0～75%)下最优解在一定值附近.采用此路由选择策略能够使移动IP网络中的网络带宽得到合理分配,优化了网络的性能.     

具有疫苗算子的可变模糊匹配阴性选择算法

为了建立可变模糊匹配阴性选择免疫算法的特异性免疫应答,基于模糊思想并采用疫苗理论,在监测异常过程中提取疫苗,研究疫苗算子和正选择算子对算法性能的影响.仿真结果表明：疫苗算子增强了抗体库的记忆功能,使算法二次应答时间明显缩短,而正选择算子是完成这种功能的具体实施者.可变模糊匹配阴性选择免疫算法经改进设计后,具有较强的自学...     

改进量子交叉遗传算法在TSP问题中的应用

为提高遗传算法求解旅行商问题的效率,提出了一种改进量子交叉算子遗传算法.与经典量子全干扰交叉算子中城市的选择完全依赖于其位置的选择策略相比,新算子在选择城市时加入了父代优质解的有用信息,从而在维持解的多样性的同时,提高交叉所产生新解的质量.仿真算例结果表明,改进交叉算子遗传算法有着良好的全局搜索和局部挖掘能力,针对TSP问题的最优解、平均解均优于传统算法.     

基于免疫遗传算法的网格工作流服务选择

随着OGSA(open grid service architecture)的提出,在网格环境中,如何进行服务的选择是一个热点问题.对于DAG(directed acyclic gragh)描述的网格工作流模型,考虑时间和费用两个Qos(quality of service)参数,即满足用户截止期的前提下,为工作流选择尽可能便宜的服务.对于一般遗传算法的求解问题时出现的早熟和退化现象,采用了免疫算子和遗传算子相结合的免疫遗传算法来进行搜索全局解,并且加入了自适应遗传交叉算子和疫苗提取来提高搜索能力.仿真试验证明文章的算法具有较好的解空间搜索性能.     

基于离差分析的供应商选择模型

供应商选择问题是供应链能否有效运营的前提,利用离差最大化的方法来确定供应商选择时的属性权重,然后再利用有序加权几何平均算子(OWGA)和组合加权平均算子(CWGA)的多属性群决策方法对待选供应商进行筛选,从而为企业合理选择最优供应商提供了依据.     

基于连通掩模的重构开算子及应用

为了有效地综合利用目标的多种信息进行融合,以提高重构开算子的滤波能力,提出一种新的基于二代连通掩模的重构开算子.基于不同的通道信息和约束条件得到连通掩模图、重构模板图和标识图,该算子根据二代连通的性质,由连通掩模图重新标识重构模板图中的连通成分,通过分割和聚类重构模板图形成新的连通空间,在该连通空间中标识图中的连通成分,有选择地重构模板图.通过灵活选择连通掩模和重构标识,融合图像多梯度信息、颜色信息和多通道信息,基于连通掩模的重构开算子有效地改善了传统形态重构算子标识图信息受限的问题.     

基于连通掩模的重构开算子及应用

为了有效地综合利用目标的多种信息进行融合,以提高重构开算子的滤波能力,提出一种新的基于二代连通掩模的重构开算子.基于不同的通道信息和约束条件得到连通掩模图、重构模板图和标识图,该算子根据二代连通的性质,由连通掩模图重新标识重构模板图中的连通成分,通过分割和聚类重构模板图形成新的连通空间,在该连通空间中标识图中的连通成分,有选择地重构模板图.通过灵活选择连通掩模和重构标识,融合图像多梯度信息、颜色信息和多通道信息,基于连通掩模的重构开算子有效地改善了传统形态重构算子标识图信息受限的问题.     

基于疫苗理论的变阈值免疫阴性选择算法

为了提高变阈值免疫阴性选择算法的检测效率,对算法的监测系统异常部分进行了改进设计,建立并实现了算法的"适应性免疫反应"功能.在算法中加入了疫苗算子和阳性选择算子,建立了具有动态刷新功能的抗体库.抗体库在动态刷新的过程中去掉了冗余,使冗余的消除也具有自适应性.仿真结果表明,变阈值免疫阴性选择算法经改进设计后,具有较强的自...     

用MAX_MIN蚂蚁算法解决中国旅行商问题

简要阐述了中国旅行商问题,介绍了MAX_MIN蚂蚁算法的原理和其在蚁群算法上的改进,使用M A X_M I N蚂蚁算法解决该问题,最后的试验结果证明该方法在解决这种问题上是有效的。     

A Simulated Annealing-Based Algorithm for Traveling Salesman Problem

ＡＳｉｍｕｌａｔｅｄＡｎｎｅａｌｉｎｇ－ＢａｓｅｄＡｌｇｏｒｉｔｈｍｆｏｒＴｒａｖｅｌｉｎｇＳａｌｅｓｍａｎＰｒｏｂｌｅｍＧＵＯＭａｏｚｕＣＨＥＮＢｉｎＨＯＮＧＪｉａｒｏｎｇ（郭茂祖）（陈彬）（洪家荣）（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａ...     

蚁群优化算法在TSP中的应用

提出了一种求解TSP问题的有效算法———蚁群优化算法。该算法通过模拟蚁群搜索食物的过程,求解TSP问题。算法的主要特点是,正反馈、分布式计算、与某种启发式算法相结合。并给出了算法原理及流程;最后用计算机仿真得出结果,证明了该算法的有效性。     

基于边缘搜索的蚁群算法

蚁群算法是根据真实蚁群的觅食原理提出的一种新兴的启发式搜索算法。算法应用于解决组合优化问题，取得了良好的效果。定义了一种新的旅行商问题，即过程旅行商问题，针对这个问题提出了一种基于边缘搜索的改进蚁群算法。该算法通过限制蚂蚁的起点城市，提高了蚁群算法的搜索效率；并通过减少蚂蚁数量加快计算速度。应用于过程旅行商问题的仿真计算表明，该算法具有相同的计算结果和更快的求解速率。     

基于改进遗传算法的移动机械臂拣选路径优化

传统移动机械臂路径规划算法没有根据抓取点分布情况对工位点坐标进行优化,效率低,对此,提出了一种基于改进遗传算法的移动机械臂拣选路径优化方法.通过对拣选物品位置的分析,建立单个工位点上移动机械臂分拣路径模型和多工位点的旅行商（TSP）问题模型,运用改进的遗传算法,在工作空间内对各个工位点的位置坐标寻优,规划出移动机械臂抓取的最短路径和多工位点间移动的最短路径.实验结果表明,与传统遗传算法可能,运用改进的等级进化选择算子和最优近邻交叉算子,遗传算法的收敛速度提高了46.15%,路径缩短了45.99%,系统运行时间减少了25.80%,提高了系统效率.     

列队竞争算法解组合优化问题

给出了列队竞争算法解组合优化问题的框架和确定变异邻域的两条原则,并分别确定了背包问题思想和旅行商问题的变异邻域。用列队竞争算法解背包问题显示出极其优良的搜索能力,解中国旅行商问题获得了５条最优路径。实例计算表明列队竞争算法是一种解组合优化问题的有效算法。     

求解货郎担问题的一个算法

对无向图的货郎担问题给出一个较好的算法。计算量为0(Kn~4)。该算法已在计算机上实现,通过对实例的计算,证明该算法十分有效。     

一种基于TSP问题的启发式搜索算法研究

旅行推销员问题（TSP问题）是算法研究的经典问题,该问题属于典型的NP难题。研究解决此问题尽可能少计算时间的算法具有重要意义。本文通过研究一种启发式搜索算法,把TSP问题的矩阵通过一种启发式准则约简和搜索,尽量地简少了搜索的范围。     

用分支定界算法求解旅行商问题

在0—1整数规划的基础上建立了数学模型,利用MATLAB6．5优化工具箱中的linprog函数进行求解,再经过分支定界算法计算,求出了只含有0和1的解．实验结果表明,该算法可以求解小规模旅行商问题．     

改进粒子群优化算法求解旅行商问题

提出了一种改进粒子群学习算法,在改进的算法中,粒子不仅根据自身和同伴中最好的个体调整自己的飞行速度,而且按照一定的概率向其他个体学习。这种强化后的学习行为更符合自然界生物的学习规律,更有利于粒子发现问题的全局最优解。同时借鉴单点调整算法思想,提出了调整因子和调整序概念用以重构粒子群算法。最后,用改进后的粒子群算法求解旅行商问题,数字仿真表明了算法的有效性。