Hopfield网络解TSP的改进算法

针对Hopfield网络解施行商问题（TSP）经常出现无效解和局部优化解,本文给出置换矩阵的满足一定条件的元素Vxi作为初始值,以便得到有效解。此外,还利用较大的步长所产生的误差和对当前解必须或等于已有解的要求,使计算结果能从局部优化解达到全局最优解。大量的模拟实例表明,该算法具有迭代次数少,收敛速度快,易获得有效解和全局最优解等优点。     

Hopf field网络解TSP的改进算法

本文提出用神经网络解旅行商问题(TSP>的改进算法。简化了Hopfield神经网络的能量函数并讨论了Euler法取大步长时的迭代性质.计算机模拟表明主要有两大优点:一是迅速收敛到一个解，二是易获得有效路径.     

工序问题的动态规划算法

提出了一个求解工序问题的动态规划算法,该算法排序含n个工件集合的期望时间为O(n)。     

TSP的扰动恢复问题及其轮换算法

对旅行商问题进行了扰动恢复讨论，在对旅行商问题进行数学描述的基础上，分析了各种扰动，由于增加或删除点可以转化为对边的费用进行处理，所以只讨论了边受到扰动的问题，并给出旅行商问题的扰动恢复问题的数学模型，然后用近世代数中置换群工具得到一种求解此问题的轮换算法，并给出了一个算例。     

求解动态车辆路径问题的演化蚁群算法

在Evo-Ant算法的基础上提出了多目标的算法,即利用Evo-Ant算法来产生新的解,并利用一个额外的存储空间来存放Pareto候选解,用新产生的解来更新Pareto候选解,消除被支配的解,依次循环,从而得到近似的Pareto解.为了验证演化蚁群算法,采用2种测试手段：一种是Solomon的测试数据;另一种是在仿真环境下的测试.实验结果表明该算法很具有竞争能力.     

SSPH核近似的降元算法研究

本文首先介绍传统光滑粒子流体动力学（Smoothed Particle Hydrodynamics,简称SPH）方法的基本公式,用对称（Symmetric）光滑粒子流体动力学（SSPH）核近似方法函数.函数一阶导数和函数二阶导数的计算进行了研究,在SSPH方法的基础上提出了精度较高、计算量少和所占内存空间较低的降元算法.对SSPH核近似方法和降元算法的精度进行了分析,SSPH方法和本文提出算法用于一维函数的一阶导数和二阶导数的计算,并进行误差对比分析发现精度有所提高.最后本算法应用于非稳态热传导问题上,同时进行数值计算和对比分析,验证了本方法的有效性.     

无线传感器网络的自身定位算法研究

自身定位算法在无线传感器网络技术的目标定位和跟踪等方面起着举足轻重的作用,而算法的优劣直接影响着自身定位和目标定位的精度．以传统的DV-hop算法为依据,提出了一种WDH（Weighted-DV-hop）定位算法,在获得跳数的步骤中,根据接收到的传播信号区分强弱程度,并取0．d．5或1作为跳数递增量的加权修正值,来得到新的跳数．最后通过Matlab平台实现算法的验证,表明其可以明显地提高定位的精度．     

解“时间表问题”的启发式算法

给出一种并行无回溯的解“时间表问题”的启发式算法,它能在O(nlogn)时间内找到一种满足给定的约束条件的可行时间表,如果这种时间表确实存在的话。     

基于实时信息的取送货动态车辆路径问题研究

为适应点对点、实时城市配送对动态响应和快速决策提出的新要求, 研究了多种实时信息作用和影响下的取送货动态车辆路径问题. 采用将动态问题转化为一系列静态问题的建模方法, 建立了基于实时信息的取送货动态车辆路径模型; 设计了动态算法框架, 运用构造算法获得初始可行解, 运用禁忌搜索算法改善初始可行解质量. 实验表明, 本文的模型和算法能有效解决基于实时信息的取送货动态车辆路径问题, 将初始可行解的质量(实时物流配送成本)改善了34%.     

一种最佳二叉排序树的动态检索算法

给出了一种最佳二叉排序树的动态检索算法,其性能优于二叉排序树和平衡二叉树,克服了用折半检索方法构造最佳二叉排序树的缺点,且不会因插入结点而发生蜕变,影响检索的性能．     

用Hopfield神经网络解哈密顿回路问题

设PN是一个圆的内接正N边形,圆的直径为1.将一个N个顶点的简单图G的每条边赋权,权重为PN的边长;对于图G中不邻接的各对顶点,先求出这对顶点最短路的长度,再赋予PN中同样长度的路的两端点的距离.如此,将图G的哈密顿回路问题转变成旅行商问题:周游回路最优解的长度是否等于正N边形的周长.为了用Hopfield神经网络方法得到正确的判定,简化了初始状态,引用了动态消元算法.     

具有动态阈值的人工神经网络

在研究神经元阈值作用的基础上,提出了神经网络中神经元的动态阈值选择作用和神经元之间抑制作用模型,研究表明,这种模型能降低应用对象模型的复杂性,简化网络运行的中间过程,修正二值输出函数的性能,使收敛速度和有效性得到改善.将这种人工神经网络用于求解TSP问题,显示系统还具有模拟退火作用的效果.     

规格化对高斯消元法计算速度的影响

从计算原理和计算速度两个方面详细地分析比较规格化对求解线性方程组的高斯消元法在消元和回代过程中的影响,其中包括计算公式的变化、计算元素的计算次数、规格化元素的计算次数、计算所有元素所需的元素总数、对复数矩阵和实数矩阵的计算速度的影响等内容的比较,并对IEEE-57、-118、-300节点系统进行编程比较计算。计算结果表明,高斯消元法中规格化的计算虽极为简单,且对回代环节的影响不大,但可以大大提高前代环节的计算速度,从而大大提高求解线性方程组的计算速度,尤其是对复数矩阵。该结论同样适用于电力系统等各个工程领域用高斯消元方法求解线性方程组。更多还原     

一种求解厌恶型p-中位问题的混合进化算法

厌恶型p-中位问题是一个NP-困难问题.提出了一种求解厌恶型p-中位问题的混合进化算法.首先,通过贪心随机自适应搜索方法和随机构造方法产生初始种群.然后,利用搜索过程中收集到的全局信息和局部信息构造新解,期间注意提高搜索的多样性,避免早熟.最后,针对厌恶型p-中位问题的特点,构造基于约束交换邻域的局部搜索算法,提高了算法的局部搜索能力.通过求解72个标准测试例子以检验算法的性能,发现该算法在较短时间内得到了高质量解,优于现有算法.     

求解 Banach空间中的非线性方程的 修正的 Chebyshev迭代方法

本文给出了一个求解 Banach空间中的非线性方程的迭代方法 ,这一迭代方法实际上是对 Chebyshev迭代法的修正 ,它也是三阶收敛的 ,而且它对二次方程是四阶收敛的.     

基于混沌时间序列的非线性动态系统神经网络建模与预测

在分析神经网络非线性建模原理的基础上，以典型的非线性差分方程为研究对象，提出了一类基于神经网络的非线性动态系统建模方法．针对传统BP算法的局限性，提出了一种非线性动态系统神经网络改善梯度估计精度的新算法．并以上证综合指数时间序列为研究对象，运用本文提出的建模方法和算法，进行了我国资本市场混沌时间序列预测研究的实例分析，得到的单步预测上证综合指数误差很小(-100～100)；多步预测在最初的10步之内预测效果较为理想，而在此之后的预测值则严重偏离真实值．这与混沌时间序列特性相吻合，同时也证明了所用算法的有效性．     

基于贝叶斯网络的船舶污染事故应急预案完备性评估

根据船舶污染事故应急预案涉及的事件和事件之间的逻辑关系构架了应急预案的故障树结构, 将故障树结构贝叶斯网络化, 构建了标准贝叶斯网络图, 由此建立一种船舶污染事故应急预案完备性评估的新方法. 利用该方法对市级船舶污染事故应急预案的缺失事件进行了分析, 评估了预案的完备度, 并与其他评估方法进行比较, 验证了该方法有效.     

基于生成对抗网络的飞机燃油数据缺失值填充方法

飞机传感器采集的燃油数据是后续燃油测量的基础。在飞行过程中,由传感器采集的数据因存在部分缺失值,如直接进行后续处理将影响燃油测量精度。现有的缺失值填充方法存在两方面问题,一方面易忽视飞机燃油时序数据在时间维度上的上下文依赖关系;另一方面缺少完整的样本数据集进行模型训练。基于此,提出了一种基于生成对抗网络的缺失值填充方法,从而有效解决了传统方法难以处理的时序数据历史隐含规律及样本不完整的问题,且填充效果较其他算法更佳。