基于k短路径算法的多目标最短路径算法

为满意地解决多目标最短路径问题,提出基于循环搜索第k短路径,构造新集合做交集的多项式算法。该算法是在每一轮的k短路搜索完以后,通过交集产生多目标最短路径或备选路径。当有多条备选路径时再用Vague集投影和距离的决策方法,根据评价值的大小对候选方案进行排序,从而选取最佳方案。     

基于Vague集可能度的多目标模糊决策

针对目前基于Vague集的多目标模糊决策问题往往采用记分函数的方法来计算评价函数的得分状况,引进Vague值比较的可能度概念,通过两两比较候选方案满足特定模糊约束条件的评价函数,建立了所有候选方案的可能度矩阵.利用模糊互补判断矩阵的排序方法,得到候选方案集的排序向量,从而实现了候选方案的排序.给出了一个实际应用的例子,证明了该方法的可行性和实用性.     

k 范数TOPSIS 多目标决策方法

传统TOPSIS方法采用固定的欧氏距离作为距离度量,各属性间的补偿关系固定。针对传统TOPSIS方法的缺点,采用k范数对距离度量进行推广,区分属性间不同的补偿关系。在k值的确定过程中,由决策人提供多组无差异类,通过最小二乘法拟合无差异面,确定k值。文章最后给出该方法的一种应用。     

最短路径问题的有坐标树形图解法

本文在最短路径问题Ｄｉｊｋｓｔｒａ算法的基础上，借助图论中“树”的概念，提出了一种图上直接进行最短路计算的方法－－有坐标树形图解法，为最短路径问题寻求了一种简便易行的解决方法。     

区间值Vague集多目标模糊决策方法

研究了区间值多目标模糊决策方法问题。充分利用Vague集三维信息提出了Vague集和区间值Vague集模糊相对优势函数概念,该概念克服了以往Vague集优势函数定义中不考虑第三维信息的弱点。在区间值Vague集决策矩阵基础上,构造了模糊相对优势决策矩阵和模糊加权决策矩阵,给出了区间值Vague集多目标模糊决策过程,充实了Vague集多目标模糊决策理论体系。最后通过算例验证了该方法是一种有效可行的决策方法。     

基于区间值Vague集的多目标模糊决策方法

介绍了一种新的模糊集合即区间值Vague集，此集合把Vague集的肯定与否定隶属度函数值采用区间值表示，使其表达不确定数据的形式更灵活，并研究在此种集合下多目标的模糊决策问题，采用评价函数和记分函数进行决策。     

具有多条最短路径的最短路问题

尽管Dijkstra算法是解决正权单源点最短路问题公认的最好算法,但它仅能求得从源点到指定点的一条最短路径,为了给出从源点到指定点的所有最短路径,通过改进临时标号过程,得到了修正的Dijkstra算法.修正后的算法得到的不再是最短路径树,而是最短路径图.相对于原算法,修正后的算法不仅更加简便,而且应用Yen算法能够按照边数由少到多的顺序罗列出所有的最短路径.     

多径环境中目标参量的估计

提出了一种多径环境中目标参量估计的新方法，这种方法以时延估计为基础，将目标的方位信息以及速度信息作为状态参量，利用卡尔曼滤波对各个参量进行估计。作者对该方法进行了理论分析，并利用解卷积时延估计技术在ＰＣ机上做了仿真仿真结果表明，这种方法能够准确地估计出多径环境中目标的方位信息和速度信息。     

求解多约束最短路径的改进ACNN算法

根据MPSoC划分的特点对ACNN中的自动波进行了重新设计,用于求解满足约束条件的可行最短路径,从而得到对应的MPSoC软硬件划分结果.ACNN的网络和神经元结构简单,易于用VLSI硬件实现,可推广到大规模的MPSoC设计中.     

基于NSGA-Ⅱ算法的锅炉燃烧多目标优化

采用BP（back propagation,BP）神经网络模型分别建立了300 MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态试验数据对模型进行了训练和验证。结果表明：BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。结合NOx排放模型和锅炉热损失模型并采用非劣分类遗传算法（non-dominated sorting genetic algorithm,INSGA-Ⅱ）对锅炉进行多目标优化,优化结果表明：NSGA-Ⅱ多目标优化方法与BP神经网络模型结合可以对锅炉多目标燃烧优化问题实现有效的多目标寻优,得到理想的Pareto解方案可以在降低锅炉NOx排放的同时使锅炉运行在较高的效率工况下,是对锅炉进行多目标优化的有效工具。     

基于点割集的并行最短路径算法

在研究和分析了Dijkstra算法的基础上,在Dijkstra算法中通过引入点割集和割点的思想来改进Dijkstra算法,该方法首先利用点割集或割点把原问题分解成多个子图,然后对每个子图并行求最短路径,最后通过点割集或割点求出整个原问题的最短路径,从而降低算法的时间复杂度,提高算法的效率.     

一种基于GIS的公交路线最短路径搜索算法

利用公交线路路口作为顶点,简化了传统算法对复杂网络拓扑图的计算;同时,利用乘客出行偏好,引入线网密度来评价乘客的出行方便程度,并提出了一种最短路径快速搜索算法,实验证明,与传统算法相比,该算法明显提高了路径搜索效率。     

基于Floyd算法的校园最短路径问题分析与实现

利用ArcGIS软件创建校园矢量图,并结合Floyd算法,解决校园中各地点间的最短路径问题。对Floyd算法从两个方面简化:对于插入的节点,先对其路径长度进行比较,若其到所求节点路径比所求节点对间路径长,则不需参与计算;引入序号矩阵记录使两顶点间的路径长度变短的中间节点序号。最后,在Matlab软件中编程实现,得出校园各地点间的最短路径,结果表明,该方法具有可行性。     

嵌入式导航系统的最短路径算法研究

针对道路交通网络应用,回顾分析了经典最短路径搜索算法。结合嵌入式系统的具体特点,提出了2种适用于嵌入式导航系统的最短路径算法,并对算法效率进行了评估和实例验证,算例表明了这2种算法的可行性和优势。     

解决有复杂约束的最短路由问题的算法

介绍了有复杂约束的最短路由问题,应用K路由算法中的偏离算法解决该类问题。分析了在偏离算法的应用中影响算法效率的因素,提出了一种提高算法效率的改进方案,仿真结果表明改进方案是有效的。     

基于改进蚁群算法对最短路径问题的分析与仿真

使用传统蚁群算法求解图的最短路径问题时,随着节点的增加会出现搜索速度变慢且易于陷入局部最优解.针对这个问题,提出一种改进的蚁群算法,通过引入搜索方向和搜索热区机制提高算法的搜索性能.仿真实验证明：改进的蚁群算法较传统的蚁群算法具有更高搜索速度且容易得到全局最优解.     

基于改进蚁群算法在最短路径搜索中的应用

论述了应用蚁群算法来求解最短路径问题,并对算法的状态转移规则、信息素轨迹更新策略进行改进,避免了算法过早陷入局部最优,并能较快地收敛到全局最优解。应用结果表明,该方法能有效解决最短路径搜索问题。     

WDM网络路由计算中的平衡最短路算法

对波分复用(WDM,wavelength division multiplexing)网络中的波长路由分配问题进行了深入的研究,提出了路由预计算部分的平衡最短路(BSP,balanced shortest path)算法。这种算法可以在路由预计算的过程中考虑业务的均衡,而且时间复杂度较低。在不同的网络拓扑结构上对多种波长路由算法进行了仿真,仿真结果说明BSP可以有效地改善网络性能。     

一种改进的蚁群算法求解车辆的最短路径问题

基于交通网中交通流参数关系模型,提出了新的状态转移概率计算公式,同时在信息素更新策略中引入交通流密度因子,使算法可以根据时变的路网信息求解车辆的最短路径;利用蚁群算法和遗传算法相结合的思想来避免基本蚁群算法在求解车辆最短路径时易陷入局部最优解的缺陷。实验仿真结果表明,改进后的蚁群算法较基本蚁群算法能准确快速地找到基于时间的最短路径,并能有效解决实际交通系统中的最短路径问题,具有一定的实际意义和参考价值。