充电站选址问题的降阶回溯算法

电动汽车的充电站选址问题是当前社会的热点问题,其实质是组合优化中经典的NP-难问题.文章首先研究了该问题良好的数学性质并给予相应的证明,其中包括可以批量确定某些设施一定开设或一定不开设的性质,利用这些性质降低问题的规模,从而降低问题的求解难度;然后设计了上界子算法,下界子算法,分配子算法以及降阶子算法,基于这些子算法提出了一种可以快速缩小问题规模同时得到最优解的降阶回溯算法;最后通过分析和求解一个示例来进一步阐述文章算法的原理和执行过程,结果表明所提出的算法能够有效地降低时间复杂度.     

精确覆盖问题的加权分治算法

精确覆盖问题是组合优化中经典的NP-Hard问题之一,其在诸多领域具有广泛的应用价值。本文首先研究了精确覆盖问题的数学性质,并根据数学性质提出相应的分支降阶规则以缩小问题的规模;接着设计了一个基于分支降阶的回溯算法求解该问题;然后运用常规技术分析得出该精确算法的时间复杂度为O(1.4656^k);最后运用加权分治技术对该算法的时间复杂度进行分析,将该算法的时间复杂度降为O(1.3842^k)。文章最后通过一个示例进一步阐述该算法的原理,并与其他精确算法进行了对比分析,研究结果表明该算法是可行的,也是有效的。     

最小顶点覆盖问题的加权分治算法

最小顶点覆盖问题是组合优化中经典NP-Hard问题之一,其在实际问题中有着广泛的应用。加权分治技术是算法设计和复杂性分析中的新技术,该技术主要用于对分支降阶的递归算法进行复杂性分析,其核心思想可以理解为依据问题不同的特征设置一组相应的权值,以求降低该算法最坏情况下的时间复杂度。本文依据加权分治技术设计出一个分支降阶递归算法来求解最小顶点覆盖问题,并通过加权分治技术分析得出该算法的时间复杂度为O(1.255ⁿ),优于常规分析下的时间复杂度O(1.325ⁿ) 。本文中的结果表明运用上述方法降低算法的时间复杂度是非常有效的。     

顶点加权最大团问题的加权分治算法

分支降阶被广泛用来求解NP-Hard问题,该技术的核心思想是将原问题分解成若干个子问题并递归求解这些子问题,但是用来分析算法时间复杂度的常规分析技术不够精确,无法得到较好的时间复杂度.本文设计了一个基于分支降阶的递归算法求解加权最大团问题,对于提出的精确算法,首先运用常规技术对该算法进行时间复杂度分析,得出其时间复杂度为O(1.4656~np(n)),其中n代表图中结点总个数,p(n)代表n的多项式函数;然后运用加权分治技术对原算法进行时间复杂度分析,将该算法的时间复杂性由原来的O(1.4656~np(n))降为O(1.3765~np(n)).研究结果表明运用加权分治技术能够得到较为精确的时间复杂度.     

3度图的最小顶点覆盖问题的多项式时间算法

最小顶点覆盖问题是图论和组合数学中经典的NP-Hard问题之一,在实际问题中有着广泛的应用.本文首先给出最小顶点覆盖问题的若干性质,然后根据这些性质设计了3度图最小顶点覆盖问题的一个多项式时间算法,并通过2个实例对算法进行了说明.     

求解最小点覆盖问题实例的计算成本的一种度量方法

最小点覆盖问题是NP难问题,传统的计算复杂性理论认为,当规模n较大时,问题是难计算的,但大量的实例表明,即使规模相同的实例,由于其结构的不同,求最优解时也会花费不同的计算时间,所以建立一种度量具体实例求解难度的方法是必要的.介绍了一种度量最小点覆盖问题任一实例求解所需计算成本的方法,度量方法是以计算时间复杂度为O~*(2.314~(k-vc~*)(G))的参数算法为参照的,参数算法可用来求解点覆盖问题的判定问题,在参数算法中,当参数k为常数时,点覆盖问题可在多项式时间内求解,当k表现为n的函数时,点覆盖问题的难解性就表现出来了,结合最小点覆盖问题的近似算法—线性规划松弛来估计每个实例对应的参数k的取值范围,可在多项式时间内实现对最小点覆盖问题实例的计算成本的预测.对于平面点覆盖问题,则以EPTAS算法为工具实现更精确的度量.     

三种新变形的全一问题

该文研究三种新变形的全一问题及最小全一问题. 原始的全一问题可被形象的称为顶点点亮顶点问题, 而这三类新问题则分别被称为顶点点亮边问题,边点亮顶点问题,边点亮边问题. 顶点点亮顶点问题已经得到了广泛的研究. 比如,解的存在性问题和求解的有效算法已经被解决,一般图上的最小顶点点亮顶点问题已经被证明是NP- 完备的,树、单圈图和双圈图上的最小顶点点亮顶点问题的线性时间最优算法也已被给出等. 该文对于顶点点亮边问题,证明一个图有解当且仅当它是二部图,因此只可能有两组解和最优解. 对于边点亮顶点问题,证明一个图有解当且仅当它包含偶数个顶点,并通过将其最优问题多项式变换成最小权的完美匹配问题,得出一般图上的最小边点亮顶点问题可在多项式时间内求解. 边点亮边问题可归约成线图上的顶点点亮顶点问题.     

最小平均长度回路问题的一个有效算法

本文提出了求解最小平均长度回路问题的一个有效算法。从本质上来说,这一算法是原始——对偶算法。该算法通过反复求解一系列织合特点更强的子问题,从而有效地求得最优解。我们还证明了算法的复杂性为 O(n~4),并且通过计算大量随机产生的实例并与已有算比较,证明该算法是很有效的。     

一类树图的最短路的算法

本文研究了边点赋权图、顶点关于图的运输量及质心,利用比较两个相邻顶点的运输量的方法,得到了一个连通树图的顶点是质心的充要条件及质心个数不大于2的结果.同时给出了求质心及最小运输量的算法,其算法的时间复杂度为O(n2),有利于可建立树图模型的优化问题的求解.     

一种具有非线性约束线性规划全局优化算法

本文提出了一种新的适用于处理非线性约束下线性规划问题的全局优化算法。该算法通过构造子问题来寻找优于当前局部最优解的可行解。该子问题可通过模拟退火算法来解决。通过求解一系列的子问题,当前最优解被不断地更新,最终求得全局最优解。最后,本算法应用于几个典型例题,并与罚函数法相比较,数值结果表明该算法是可行的,有效的。     

一种基于边交换的贪心算法求解md-MST问题

通过对最小度限制最小生成树(md-MST)问题性质进行分析,提出了一种基于边交换的贪心算法.算法先用贪心算法生成一棵生成树ST,然后对生成树ST经过边交换调整,得到满足问题约束条件的可行解,再对生成树ST进行进一步边交换优化,得到md-MST问题的最优解或接近最优解的近似解.实验证明,算法能在短对间内求出大规模顶点随机图的md-MST,是一种非常实用的求解md-MST问题的精确算法.     

两个约束条件下多产品报童问题的求解方法研究

对两个约束条件下多产品报童问题的求解方法进行研究。首先分析了问题的结构特征,利用对偶问题解空间的四个不同区域对应的最优解具有的不同性质,给出了不同解空间区域的求解思路。然后基于两种资源的边际利益的性质,提出一种二分搜索算法对问题进行求解,并证明了该算法能够得到问题的最优解或者近似最优解,且具有多项式复杂度。最后应用算例说明算法计算效率高,可以在较少的迭代步骤内快速求解两个线性约束下产品数较大的多产品报童问题。     

大型网络基于连通可靠度的最优可靠度分配

由于网络连通可靠度计算属于NP-hard问题,当系统可靠度无法显式表达时,基于连通可靠度的大型复杂网络优化通常只能采用启发式优化算法解决．通过对复杂网络连通可靠度算法结构的分析,给出了系统连通可靠度的Taylor方程．采用遗传算法,由系统连通可靠度的Taylor方程确定种群适应值,得到一个系统最优可靠度分配方案;将最优解带入改进Minty算法或递推分解算法中,计算该最优解的连通可靠度精确值和对应的连通可靠度的Taylor展开方程;再次采用遗传算法求最优解．当最优解对应的可靠度精确值和Taylor方程算得得近似值误差小于指定精度时,则此最优解为最终的系统最优可靠度分配方案A·D2将此优化过程称为迭代遗传算法．算例显示迭代遗传算法不仅可用于大型网络的连通可靠度最优分配,而且优化迭代过程中可以得到多组阶段最优解,这些解均落在最优解附近,构成了近似最优解群,在实际工程优化中拓展了选择面．     

带准备时间的单机指数时间学习效应排序问题

研究带有准备时间的单机学习效应模型,其中工件加工时间具有指数时间学习效应,即工件的实际加工时间是已经排好的工件加工时间的指数函数。学习效应模型考虑工件的实际加工时间同时依赖于工件本身的加工时间和已加工工件的累计加工时间,目标函数为最小化总完工时间。这个问题是NP-难的,提出了一个数学规划模型来求解该问题的最优解。通过分析几个优势性质和下界,提出分支定界算法来求解此问题,并设计启发式算法改进分支定界算法的上界值。通过仿真实验验证了分支定界算法在求解质量和时间方面的有效性。     

求解线性二层规划问题的多表旋转算法

多表旋转算法是一种基于旋转算法来求解线性二层规划问题的方法,通过表格组合还可以求解线性多层规划、以及线性一主多从有关联的stackelberg-nash均衡等问题,求解的思想是使用旋转算法,在多个主体间通过约束传递达到均衡。通过算例显示该方法可以迅速地算出局部最优解,如果问题的诱导域是连通的,还可以计算出全局最优解。     

基于模拟植物生长算法构造Steiner最优树问题研究

Steiner最优树问题是指对于给定区域内的点集,通过引入Steiner点集将区域中的点连接并保证连通的网络达到最小.该问题已成为经典的优化组合问题之一.提出一种基于模拟植物生长算法生成Steiner最优树的连通算法来实现网络连通.通过对实例的实验及结果分析,结果表明本算法不仅可获得最优解,精度和性能也有提高,明显优于其它方法.     

基于凹性割的线性双层规划全局优化算法

通过对线性双层规划下层问题对偶间隙的讨论,定义了一种凹性割,利用该凹性割的性质,给出了一个求解线性双层规划的割平面算法。由于线性双层规划全局最优解可在其约束域的极点上达到,提出的算法能求得问题的全局最优解,并通过一个算例说明了算法的有效性。     

重大事故规避的危险品运输车辆路径优化研究

基于重大事故规避的思想,建立以最大事故后果最小及运输成本最小为双目标,且事故后果基于实时装载量的危险品运输车辆路径优化模型。基于ε-约束法,设计可求得帕累托最优解的精确算法,该算法包含通过性质求ε下界、规避被支配解的预处理及不可行路径禁止约束3处改进。进一步设计处理大规模问题的多项式时间近似算法,并分析了算法的近似比。最后通过算例对模型和算法进行测试,并通过出灵敏度分析给出管理启示。     

基于动态规划的迭代算法设计方法

为了基于动态规划法设计求约束最优化问题(COPs)最优解的迭代算法,在避免使用"标记函数"和递归算法的前提下提出了两种求解模式,给出了设计求COPs最优解的迭代算法一般方法,并利用两个典型优化问题-最长公共子序列问题和矩阵链乘法问题,阐明了如何利用两种求解模式设计求COPs最优解的简捷迭代算法.     

一类分数阶Langevin方程block-by-block算法的数值分析

分数阶Langevin方程有重要的科学意义和工程应用价值,基于经典block-by-block算法,求解了一类含有Caputo导数的分数阶Langevin方程的数值解.Block-by-block算法通过引入二次Lagrange基函数插值,构造出逐块收敛的非线性方程组,通过在每一块耦合求得分数阶Langevin方程的数值解.在0<α<1条件下,应用随机Taylor展开证明block-by-block算法是3+α阶收敛的,数值试验表明在不同α和时间步长h取值下,block-by-block算法具有稳定性和收敛性,克服了现有方法求解分数阶Langevin方程速度慢精度低的缺点,表明block-by-block算法求解分数阶Langevin方程是高效的.