共查询到19条相似文献，搜索用时 781 毫秒
1.
来学伟 《河北北方学院学报(自然科学版)》2018,(7)
目的针对比较复杂的图问题,如TSP(traveling salesman problem),使用计算机来处理是比较困难的。探索和研究新的TSP算法以提高算法时间空间性能就显得尤为必要和紧迫。方法采用贪心算法来求TSP的解,该算法使用最短的路径连接策略,任何一次搜索都在所有的边中寻找长度最短的边。结果通过该算法最后找到的解就是TSP的最优解的近似解。结论通过使用两种不同的贪心算法求解TSP,并且求解了贪心算法的时间空间性能,相比于传统的算法贪心算法有一定的优势。该算法对TSP的求解有一定的指导意义,特别是对配送货物的路线、有关网络布线等问题有实际意义。 相似文献
2.
3.
基于参数化组合算子评价河北坝上地区生态环境 总被引：3，自引：2，他引：1
生态环境系统信息的不确知性导致了生态环境评价问题的复杂性。根据Zimmermann提出的参数化组合算子理论,建立多指标的生态环境质量评价模型,并采用免疫进化算法对模型参数进行优化,将优化后的参数化组合算子模型应用于河北坝上地区生态环境质量评价。结果表明,该模型评价结果与实际相吻合,并具有意义明确、计算简便和适应非线性问题等特点。 相似文献
4.
蚁群算法解决TSP问题的研究 总被引：1，自引：0，他引：1
蚁群算法是一种用于解决复杂问题的新的启发武算法，它是通过信息素的积累和更新收敛于最优路径上，隶解速度慢，而遗传算法具有快速随机的局部搜索能力。将遗传算法和蚁群算法融合，给出一种求解TSP问题的改进的算法。 相似文献
5.
从基本蚁群算法出发,基于TSP(travelingsalesmanproblem)的邻域结构,提出了一种改进的优化算法,给出了具体的算法步骤。该算法采用2-opt和3-opt作为混合邻域结构,可以有效克服基本蚁群算法收敛速度慢和易于陷入局部最优解的弊病。针对TSPLIB中的krob100,EIis51和CHN144问题的计算结果表明,该改进算法具有良好的效果。 相似文献
6.
从基本蚁群算法出发,基于 TSP(traveling salesman problem)的邻域结构,提出了一种改进的优化算法,给出了具体的算法步骤。该算法采用2-opt 和3-opt 作为混合邻域结构,可以有效克服基本蚁群算法收敛速度慢和易于陷入局部最优解的弊病。针对 TSPLIB 中的 krob100,Elis51和 CHN144问题的计算结果表明,该改进算法具有良好的效果。 相似文献
7.
针对木材干燥窑温湿度控制采用的模糊神经网络比较依赖于网络初始权值,且网络的训练时间较长、容易陷入非要求的局部极值,采用粒子群优化算法(PSO)的全局寻优性能,设计一种引入免疫PSO算法的木材干燥模糊神经网络控制系统。为避免PSO算法的早熟和进一步导入待求解问题的先验知识与经验,加快算法的全局收敛能力,引入免疫算法的接种疫苗、免疫选择、良种迁移3种免疫算子。仿真结果表明:温度和湿度,能更加快速、平滑地到达设定值(温度需要70 s左右,湿度需要75 s左右)。实例验证结果表明:温度曲线均方误差仅为0.020 7,拟合优度高达0.979 7;湿度曲线均方误差均在0.3以下,拟合优度均在0.96以上。说明免疫PSO算法具有较高的收敛速度和识别率,对不确定非线性系统具有良好的控制效果。 相似文献
8.
无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求. 相似文献
9.
车间作业调度（JSP）是典型的NP难题,传统求解方法都有各自的特色和不足。免疫系统强大的信息处理能力为人工免疫应用提供了丰富的暗示,因此,免疫算法被提出,并逐渐应用于许多工程实际。针对车间作业调度这个优化问题的难处理性,提出了基于免疫粒子群算法（IPA）的JSP求解方法。在该求解方法中,结合免疫原理和粒子群算法应用于JSP的算法流程;算法采用基于操作的编码方式;依据接种疫苗和变异、免疫选择的机制来设计算子。并通过仿真,证明了IPA算法在JSP中的有效性。 相似文献
10.
车间作业调度（JSP）是典型的NP难题,传统求解方法都有各自的特色和不足。免疫系统强大的信息处理能力为人工免疫应用提供了丰富的暗示,因此,免疫算法被提出,并逐渐应用于许多工程实际。针对车间作业调度这个优化问题的难处理性,提出了基于免疫粒子群算法（IPA）的JSP求解方法。在该求解方法中,结合免疫原理和粒子群算法应用于JSP的算法流程;算法采用基于操作的编码方式;依据接种疫苗和变异、免疫选择的机制来设计算子。并通过仿真,证明了IPA算法在JSP中的有效性。 相似文献
11.
将免疫算法、混沌与遗传算法相结合,提出了一种新颖的混沌免疫遗传算法,该方法利用混沌运动的遍历性、随机性来产生初始种群,加快搜索的速度;利用免疫原理的浓度计算及调整加入新的混沌序列来补充种群,增加种群的多样性避免陷入局部最优;交叉变异结束后在最优解附近再用混沌进行局部寻优提高解的精度。实验结果表明,所提出的算法能寻找到更好的优化结果,并且在搜索速度上明显优于遗传和免疫遗传算法。 相似文献
12.
13.
14.
算法只有一个繁殖操作,程序简单,可以方便地实现函数优化、组合优化和系统优化。该研究详细介绍了育种算法在旅行商问题上的应用。结果表明,育种算法在组合优化计算中同样适用,并且效率很高。 相似文献
15.
就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解. 相似文献
16.
任务调度是云计算系统可靠运行的关键,云计算环境中要处理的任务量巨大,考虑到云计算任务调度和QoS的优化问题,提出一种混合粒子群优化算法用于云任务调度。算法中引入遗传算法的交叉和变异思想,并结合随迭代次数变化的变异指数,保证种群进化初期具有较高的全局搜索能力,避免出现“早熟”,同时将爬山算法引入粒子群算法,改善局部搜索能力。实验结果显示该算法具有很好的寻优能力,是一种有效的云计算任务调度算法。 相似文献
17.
受电力系统经济分配问题的启发,研究了分布式经济分配问题,其主要目标是在m个智能体组成的非平衡有向网络上最小化m个局部凸代价函数之和.网络中的每个智能体都仅仅知道自己私有的局部凸代价函数,并且同时受到耦合线性约束和局部不等式约束的影响.此外,特别关注每个智能体仅允许通过不平衡有向网络与其内部邻居进行交互的情况.为了分布式地解决上述问题,提出一种新的只需要智能体进行本地计算和本地通信的完全分布式原始-对偶次梯度算法.当网络拓扑是强连通的且权重矩阵是行随机时,理论分析证明本文的算法可以渐进收敛到全局优化问题的最优解.最后,给出了电力系统中分布式经济分配问题的数值仿真,验证了所提出算法的有效性和分析过程的正确性. 相似文献
18.
利用遗传算法进行寻优有时候遗传操作会陷入局部寻优,造成早熟,使遗传操作收敛不到最优解.针对这一问题,提出一种基于分组排挤机制的遗传算法,将种群个体进行分组,引入基于海明距离的排挤机制,不仅可以防止早熟,而且可以加快收敛速度.最后用普通遗传算法与之进行比较,证明其可行性和有效性. 相似文献
19.
针对微粒群算法在多模态函数优化中难以找到全部极值点以及陷入局部最优和后期收敛速度慢等缺陷,提出了一种基于熵的自适应混沌爬山微粒群算法.算法根据熵的值来衡量种群多样性,当发现种群多样性匮乏时,采用动态混沌机制增强多样性;后期融入了局部收敛速度较快的爬山算法提高微粒群算法的后期收敛速度.4种典型多模态函数测试结果表明该算法在求解复杂多模态函数优化问题方面的可行性。 相似文献