加权约束满足问题的符号ADD求解算法

加权约束满足问题(WCSP)是一类软约束满足问题。给出WCSP的代数决策图(ADD)描述,以及基于ADD的两种符号求解算法。首先,通过对变量和变量域值的二进制编码,给出软约束图的ADD表示。其次,将分支定界搜索算法与桶消元算法及符号ADD技术相结合,在静态变量序下,利用结点一致性预处理技术,对WCSP问题进行符号ADD求解。通过引入有向弧一致性计数技术提高符号ADD算法的搜索下界,对符号ADD求解算法作了改进。最后,对大量随机生成的测试用例进行实验分析。结果表明,文中算法在性能上明显优于带有存在有向弧一致性或结点一致性预处理技术的具有前向检查功能的深度优先分支定界搜索算法。     

弧一致性符号ADD算法及在CSP求解中的应用

约束满足问题(CSP)是人工智能领域中一个重要的研究课题,弧一致性(AC)技术是提高约束满足问题求解效率的一种有效技术。对传统弧一致性技术进行了改进,给出了弧一致性的符号代数决策图(ADD)算法并将其应用于CSP求解。传统弧一致性技术在压缩问题的搜索空间时,一次只能处理一条约束上的一个值对;而借助ADD技术来压缩问题搜索空间,可以一次处理多条约束。算法首先通过01编码将CSP问题描述成伪布尔函数,并由ADD进行表示。然后基于传统弧一致性技术的算法思想,利用ADD的交、并和提取操作来实现约束传播和变量域过滤。最后将弧一致性的符号ADD算法嵌入到BT搜索算法中来实现对CSP的求解。对标准库中的测试用例以及随机生成的测试用例进行了实验仿真,结果表明,该算法求解CSP的时间既优于带弧一致性维护的回跳算法MAC3+BJ和MAC2001+BJ,也优于采用传统数据结构进行预处理的CSP求解算法BT+MPAC和BT+MPAC*。     

网络最大流求解算法的研究

近年来,随着各种网络的飞速发展,对最大流问题的研究也取得了很大的进展。文章简述了网络最大流问题的现状,提出了一种求解网络最大流与最小截问题的算法。此算法使得计算网络最大流变得简便,且具有很强的实用性。     

求解网络最大流问题的信念传播算法

为解决目前网络最大流问题求解效率低、数据溢出等问题,设计求解网络最大流问题的信念传播算法.根据网络最大流问题的特性,使最大流问题的线性规划方程与信念传播算法传递方程结合,得到描述函数,将带权随机有向图映射为对应的因子图模型;在此模型基础上,利用信念传播算法的信息迭代方程进行特征值收敛计算,提高寻优效率.选取若干随机有向...     

一种求解网络最大流问题的算法

随着网络应用的不断深入,人们对网络传输容量和服务质量的要求和期望也越来越高,设计高性能网络成为一项迫切的工作。缓存的配置直接影响网络的时延和丢失率,网络缓存和网络传输容量的合理匹配,能很好提高网络性能。文章简述了网络最大流问题的现状,提出了一种求解网络最大流问题的算法。算法基于MPLS流量工程技术,在实现网络最大流的情况下,同时对M争分支（链路）重新分配流量,达到合理分配网络流量和利用网络资源的目的。仿真结果表明算法是有效的。     

脱离增广路径的最大流算法

提出了一个深度优先搜索最大流问题的分布式新算法,算法脱离了增广路径框架,具有一定的创新性,而且通俗易懂、形式规范,无论用于教学还是解决实际问题,都有较大的实用价值。     

求解网络最大流问题的标号算法

给出了一种新的求解网络流问题的标号算法,对每个顶点进行标号,顶点有几个人弧,即有几个标号,每次在选择路径时先选取只有一个标号的路径,当所有单标号的路径走完时,再按照弧容量较大且最短的路径选择增广链.通过对Ford-Fulkerson标号算法进行改进,使得该算法容易理解,且又避免了Ford-Fulkerson标号算法在求解网络最大流问题时需经过多次的调整与标号,从而大大提高了求解最大流执行的效率.该算法通过实例给出了具体算法步骤并且表明了算法的实用性.     

基于增广链修复的最大流求解算法

NW小世界网络及BA无标度网络是现实中常见的两种网络,这两种网络中任意两点之间有极大可能存在多条路径,若舍弃饱和增广链并重新寻找增广链,则效率不高,因此针对网络的这一特性提出了一种增广链修复的最大流求解算法.该算法沿最短增广链调整流量后,保留路径上残余的非饱和弧,并用贪心法则选择合适的中继节点修复断开的增广链,提高增广链使用效率.通过对NW小世界网络和BA无标度网络建模仿真,得到并验证了所提算法在这两种网络上的运行速度数倍于Ford-Fulkerson算法且其空间复杂度仅有Dinic算法的一半,因此所提算法能够高效处理更大规模网络流问题,以适应日益膨胀的通信网络和交通运输网络.     

求解最小费用最大流问题的信念传播算法

最小费用最大流问题是一种组合优化问题,在经济、工业等领域具有重要研究意义和应用价值.针对部分最小费用最大流问题求解算法效率较低的情况,依据最小费用最大流问题的线性规划方程,将问题模型映射为对应因子图模型,改进描述函数,给出迭代方程,设计了求解最小费用最大流问题的信念传播算法.利用迭代方程优先对最大可行流特征值进行收敛计算,得到最大流,设置最大流阈值,在此基础上进行最小费用计算,从而求得问题最优解.最后选取若干带权有向图模型进行数值实验,验证了算法的可行性及有效性,且算法在求解效率上优于部分算法.     

The symbolic algorithms for maximum flow in networks

The maximum flow problem is one of the classic combinatorial optimization problems with many applications, such as electrical powers, traffics, communications, computer networks and logistics. The problem is to find a flow of maximum value on a network from a source to a sink. Ordered binary decision diagram (OBDD) is a canonical form to represent and manipulate the Boolean functions efficiently. OBDD-based symbolic algorithms appear to give improved results for large-scale combinatorial optimization problems by searching the nodes and edges implicitly. For the maximum flow problem in networks, we present the symbolic algebraic decision diagram (ADD) formulation and symbolic algorithms. The augmenting-path-based symbolic algorithm is the combination of the Gabow's scaling algorithm with the binary decision diagram (BDD)-based symbolic algorithm for the maximum flow in 0–1 networks. The Karzanov's algorithm is implemented implicitly, resulting in the preflow-based symbolic algorithm (PSA), in which the vertices on each layer of the layered networks are partitioned by the vertex's input preflow and the total capacity of its outgoing edges, and the edges to push or pull the preflow are selected in terms of the priority function. The improved PSA is developed by integrating the heuristic of Träff's algorithm and the assistant layered networks into the PSA. The symbolic algorithms do not require explicit enumeration of the nodes and edges, and therefore can handle large-scale networks.     

A Symbolic Algorithms for Maximum Flow in 0-1 Networks

We present an algorithm for finding the maximum flow in a 0-1 network. The algorithm is symbolic and does not require explicit enumeration of the nodes and edges of the network. Therefore, it can handle much larger graphs than it was previously possible (more than 10³⁶ edges). The main idea is to trace (implicitly) sets of edge-disjoint augmenting paths. Disjointness is enforced by solving an edge matching problem for each layer of the network with the help of newly defined priority functions.     

柔性制造系统中生产调度问题的零压缩二叉决策图算法

针对赋时有界Petri网模型下柔性制造系统的生产调度问题,给出了有界Petri网的零压缩二叉决策图表示方法,进而建立了此类生产调度问题求解的符号零压缩二叉决策图算法.该算法在求解过程中对状态空间及其搜索过程中的相关数据,采用零压缩二叉决策图表示,避免了状态和搜索的显式枚举,实现了隐式高效操作,有效地改善了算法的计算性能.实验结果表明了算法的有效性.     

低度图的最大团求解算法

在图的最大团问题中,当图的顶点数不大于阈值m时,很容易求解其最大团问题,求解算法的时间复杂度为O(d)。给出一种求解低度图的最大团的确定性算法。该算法通过对图按顶点逐步分解实现分别计算,较好地解决低度图的最大团问题。算法时间复杂度为O(d•n3)。其中,n表示图的顶点数,图中顶点的最大度小于m或者图可以通过逐个删除度小于m的顶点而使所有顶点的度都小于m。     

面向SDN数据中心网络最大概率路径流量调度算法

随着数据中心网络规模的迅速增长,网络带宽利用率低下导致的网络拥塞问题日益突出,通过负载均衡提高数据中心网络链路带宽利用率和吞吐量成为了研究热点.如何结合流量特征、链路状态和应用需求进行流量的合理调度,是实现网络链路负载均衡的关键.针对数据中心突发性强、带宽占用率高的大象流调度问题,提出一种面向SDN数据中心网络最大概率路径流量调度算法,算法首先计算出满足待调度流带宽需求所有路径,然后计算流带宽与路径最小链路带宽之间的带宽比,结合所有路径的带宽比为每一条路径计算路径概率,最后利用概率机制选择路径.算法不仅考虑了流带宽需求和链路带宽使用情况,而且全局地考虑了流调度和链路带宽碎片问题.实验结果表明,最大概率路径调度算法能够有效地缓解网络拥塞,提高带宽利用率和吞吐量,减少网络延迟,从而提高数据中心的整体网络性能和服务质量.     

最大可行流问题中增值链的一种回溯求解算法

本文就最大可行流问题给出了一种回溯求解的算法，并证明了不可扩展结点的可剪裁性问题，旨在减少后续可能的搜索空间．在一定程度上可以减少求解过程中的时间消耗．     

最大可行流问题中增值链的一种回溯求解算法

本文就最大可行流问题给出了一种回溯求解的算法,并证明了不可扩展结点的可剪裁性问题,旨在减少后续可能的搜索空间.在一定程度上可以减少求解过程中的时间消耗.