简单0-1规划问题的动态DNA折纸计算模型

DNA折纸是一种全新的DNA自组装方法。将一个由DNA折纸卡槽、双态DNA机器、DNA行走机器人组装而成的动态折纸应用于求解0-1规划问题。其中DNA折纸卡槽由1条M13脚手架链和202条钉书钉链折叠而成。双态DNA机器分为不修饰和修饰金纳米颗粒两种情况,对应于0-1规划问题约束变量的取值为0或者1。DNA折纸卡槽和DNA双态机器组装成折纸基底。DNA行走机器人是7条单链折叠成的带有粘性末端的DNA折纸。在链的驱动下,DNA行走机器人在折纸基底上顺时针旋转行走,每步旋转120°。DNA行走机器人每走两步,与折纸基底上的DNA双态机器进行链置换,接收修饰的金纳米颗粒。当整个动态行走过程结束,根据透射电镜下DNA行走机器人接收的金纳米颗粒的大小和个数来判断约束变量的取值是否为可行解。该计算模型采用模块化结构,DNA折纸卡槽、双态DNA机器、DNA行走机器人等折纸均单独设计,且采用透射电镜读解,因而提高了模型实现的可行性。     

基于多级抽取的0-1整数规划问题的DNA算法

DNA计算是一种借助于分子生物技术进行计算的新方法,在解决一类困难问题特别是NP-完全问题上具有硅计算机无法比拟的优势,利用DNA计算求解0-1整数规划问题的研究具有重大的意义.基于多级分离模型解决0-1整数规划问题,且给出DNA算法.通过一个实例给出了操作的步骤.     

基于抗原中介三链DNA结构的0-1整数规划

利用同源的存在抗原蛋白质的脱氧核苷酸定位于双链DNA中很容易形成三螺旋结构的DNA链,可以利用这种独特的结构来研究一些可能的或可行的的计算模型。尝试了用三螺旋结构的DNA链来解决简单的0-1整数规划问题。而对于整数规划和可满足问题都可以转化为0-1整数规划来解决,从而都可以利用三链DNA计算模型得以解决。     

基于三链DNA结构的0-1整数规划改进研究

为实现DNA计算中对解的有效筛选,防止探针与探针之间的错配、发夹结构等,以及便于检测最终解,提出了改进的三链DNA模型求解0-1规划的设计。该方法编码n个变量的每种组合的所有排列情况。此编码方式不仅使计算所需有效分子量从O((2n)!)下降到O(2nn!),并使对可行解的筛选更加有效。利用寡聚脱氧核苷酸(ODN)在RecA蛋白介导下与同源的双链DNA匹配成三螺旋DNA的特点,可推广到更多以双链DNA分子为计算模型的解的检测中。     

DNA折纸术在0-1背包问题中的应用

DNA折纸术因其反应的可编程性、纳米可寻址性等优点被广泛地应用于DNA计算中。利用DNA折纸术和杂交链式反应构建0-1背包问题的计算模型。以四个变量的0-1背包问题为例,首先将九种发夹结构和一种分子信标锚定在DNA折纸基底上并加入足量的辅助链;其次通过加入不同的引发链可以触发不同路径上的杂交链式反应,并得到问题的所有可能解;最后,通过荧光信号的数量确定可行解,从而找到问题的最优解。该模型不受权重过大或过小的影响,在折纸基底上可等比例的缩放权重。用Visual DSD软件对该模型进行仿真,模型显示出良好的可行性。     

4PL路径优化问题0-1规划模型与求解

研究带有时间窗的第四方物流(fourth-party logistics,4PL)路径优化问题,在满足客户对配送时间要求的同时实现物流运输成本最小,以提供最优的配送方案.根据问题本身的特点,建立了带有时间窗的4PL路径优化问题的0-1整数规划模型,采用CPLEX软件分别求解了7节点、15节点和30节点的算例.将算例结果与基于路进行建模的和声搜索算法和枚举算法进行了对比,结果表明CPLEX可以为带有时间窗的4PL路径优化问题提供最优的解决方案,验证了模型的有效性.     

高维0-1瓶颈问题的动态规划算法

在本文中,我们通过一个实际问题归纳出一个数学模型(正文中的模型Ⅰ),并通过新变量的引用,韩模型Ⅰ转化成一个高维0-1瓶颈规划(正文中的模型Ⅱ).对模型Ⅱ,我们建立了求模型Ⅱ最优解的动态规划算法(带有阀值Q).该算法与普通动态规划相比大大节约了运算量.最后指出了该算法对0-1瓶颈问题的求解具有一定的普遍性.     

求解0-1背包问题的量子蚁群算法

0-1背包问题是组合优化中经典的NP难题,在蚁群算法的基础上结合量子计算提出一种求解0-1背包问题的量子蚁群算法。算法采用量子比特表示信息素,用量子旋转门来更新信息素。大量数据实例的比较测试表明,算法可有效提高蚂蚁算法的性能,减少搜索时间,具有更好的全局寻优能力。     

求解0-1规划的生长竞争蚁群算法

0-1规划是决策变量仅取值0或1的一类特殊的整数规划,具有深刻的背景和广泛的应用。植物的生长取决于对光资源的获取,本文将植物生长的竞争机制引入蚁群算法,给出了一种求解0-1规划的生长竞争蚁群优化算法。算法定义了0-1规划的生长竞争演化规则,建立了算法模型,提高了蚁群的全局优化能力。通过对多个实例的求解和验证,结果表明该方法是一种有效的方法。     

求解一类0-1整数规划问题的新方法--混沌搜索算法

首先对Logistic混沌变量的遍历区间[0，1]进行N等分；然后利用M个独立的混沌变量在这N^W个等分区域中搜索最优解，从而将混沌搜索算法推广应用于解决一类0-1整数规划问题。将这一混沌搜索算法应用于靶场效能优化的仿真表明，此方法收敛速度快、精度高、简单、易于实现，而且可以避免传统算法易陷入局部最优的缺点。     

广义分子计算模型在0-1背包问题中的应用

生物分子计算在实现上有很多局限性。借鉴了广义图灵模型(Generalized Turing Model,GTM)[1]。该模型是由分子计算粘贴模型与图灵机相结合而得到的,并且已证明可以在多项式时间内准确获得0-1整数规划、集合覆盖等多个NP完全问题的全体可行解集。在此基础上将GTM应用于求解0-1背包问题,仿真展现了该模型的优点。     

基于压电基因传感器的DNA计算

压电基因传感器是一种新型的生物传感器,它把压电传感器的灵敏性和DNA杂交反应相结合．与传统的基因检测技术相比,它具有结构简单、无需标记、检测时间短、检测信号易处理等特点．将它用于分子运算,与常规的DNA芯片相比,它的检测结果更易于进行自动化处理,因此便于构建大规模的分子运算机器．文中在压电基因传感器和新兴学科DNA计算的基础上,给出了解决0-1规划问题新的DNA计算方法,并指出以前两种基于表面DNA计算在解决这一问题时的不足．与以往的DNA计算方法相比其输出的是电信号,因此具有操作易自动化、识别解更方便和高信息量的优点．与使用常规DNA芯片的表面DNA计算相比,使用压电基因传感器进行DNA计算可以克服可行解识别困难的问题．压电基因传感器技术有望成为新的分子运算工具,可作为构建自动化的DNA计算机的基础．     

基于0-1规划的并行计算图划分模型

图划分广泛地应用在许多科学与工程领域,但它应用于并行计算任务分配时,使用无向图表示数据依赖关系,这限制了它的应用(例如,无向图不能表示矩形和非对称依赖关系的应用).为了克服图划分的这个缺点,我们对数据间的依赖关系进行区分(即同一条边区分通信的发送方与接收方),然后基于0-1规划模型化这个问题,并通过互联网上求解优化问题常用的NEOS服务器进行求解,在一些数据集上的实验表明,0-1规划方法优于求解图划分流行的多层划分方法.     

基于0-1背包问题的两种算法

0-1背包问题是计算机科学中一个经典问题,0-1背包问题是一个最优化问题。因其结构简单,可扩展性强,可作为其他问题的子问题,因此通过对其研究可以解决更为复杂的优化问题。本文概述了两种求解0-1背包问题的算法设计方法,并对两种算法进行了分析和比较。     

求解0-1整数规划的混合粒子群优化算法

经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出的混合粒子群算法来解决0-1整数规划问题,经过比较测试,6种混合粒子群算法的效果都比较好,特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法.对于目前还没有好的解法的组合优化问题,很容易地修改此算法就可解决.     

图顶点着色问题的DNA计算模型

DNA计算是以DNA分子作为数据的一种新型计算模式.为了减少DNA计算中编码的数量,不降低生化实验操作的可靠性,文中建立了一种基于酶切技术和PCR技术的图顶点着色DNA计算模型,给出了实现该模型的双编码的编码方案.分析表明,利用酶切技术和PCR技术能够有效删除非解并读取真解.该模型的解的检测方法类似于DNA测序技术,使得该模型更容易实现自动化操作.