基于退火策略的混沌神经网络在解KTSP问题中的应用

研究优化求解多路TSP问题(KTSP)。首先求出将KTSP转化成TSP的换位矩阵，然后用基于退火策略的混沌神经网络(ACNN)模型求解KTSP。仿真结果表明算法是有效的。     

一种基于伪并行迁移策略的求解TSP问题的遗传算法

TSP问题是典型的NP完全问题,遗传算法是求解NP完全问题的一种常用方法.文中将并行遗传算法的迁移策略以伪并行的方式应用于TSP问题的求解,并在迁移过程中进行优化.该算法减少了个体的评价计算量,提高了解的质量.     

一种基于伪并行迁移策略的求解TSP问题的遗传算法

TSP问题是典型的NP完全问题，遗传算法是求解NP完全问题的一种常用方法。文中将并行遗传算法的迁移策略以伪并行的方式应用于TSP问题的求解，并在迁移过程中进行优化。该算法减少了个体的评价计算量，提高了解的质量。     

基于遗传模拟退火策略的霍普菲尔德神经网络求解TSP问题

针对霍普菲尔德(Hopfield)神经网络在求解旅行商问题(Traveling Salesman Problem,TSP)中出现大量局部极小解问题,利用遗传算法的并行搜索优势和模拟退火算法的局部寻优优势,使用遗传模拟策略合理改进Hopfield神经网络的能量函数、固定出发城市以及压缩解空间,构造出一种求解TSP问题的新算法。实验结果表明:这种混合算法明显优于经典Hopfield神经网络,具有收敛速度快,迭代次数少等优点,且能在很大程度上避免经典Hopfield神经网络优化易陷入局部最优的缺陷。     

求解旅行商问题的模拟退火算法

旅行商问题TSP是一个典型的NP完全问题,模拟退火算法是求解此问题的一种理想方法.模拟退火算法是依赖邻域结构的迭代方法,模拟退火算法对选择试验解比较敏感.本文针对找领域解,提出6种策略.算法的分析和测试表明,策略F是一种简单有效的算法.     

旅行商问题(TSP)的现代优化算法研究

TSP(Traveling Salesman Problem)旅行商问题是一类典型的NP完全问题,遗传算法是解决NP问题的一种较理想的方法.通过介绍基本遗传算法的基本原理;针对TSP问题,给出遗传算法在选择算子、交叉算子和变异算子等方面的编码实现.并就TSP问题的一个具体城市算例,进行了计算验证.在此基础上,对交叉算子和变异算子提出了改进,大量的计算数据验证了改进方法的有效性.     

求解旅行商问题的模拟退火算法

旅行商问题TSP是一个典型的NP完全问题，模拟退火算法是求解此问题的一种理想方法。模拟退火算法是依赖邻域结构的迭代方法，模拟退火算法对选择试验解比较敏感。本文针对找领域解，提出6种策略。算法的分析和测试表明，策略F是一种简单有效的算法。     

使用遗传算法解决MTSP问题的一种新的染色体设计

多旅行商问题（Multipie Traveling Salesperson Problem，简称MTSP）讨论的是如何安排m（〉1）位旅行商访问n（〉m）座城市，要求每个城市只允许被访问一次时，求解所有旅行商花费的费用和是最小（或最大）的问题。MTSP问题其实与单旅行商问题（Traveling Salesperson Problem，简称TSP）相似，但是由于添加了任何城市只要被某一旅行商访问到即可这个附加条件，因而增加了问题复杂度。在以前使用遗传算法（GA）研究解决MTSP问题时，通常采用标准的TSP染色体和处理方法。现为解决MTSP问题给出了一种新的染色体设计和相关的处理方法，并与以往的理论设计和计算性能进行比较。计算测试显示，新的方法能够获得较小的查找空间，在许多方面，新的方法产生的解空间更好。     

AERMOD-EIA模型参数在港口粉尘污染预测中的敏感性分析

以散货中转码头为例,以区域浓度污染分布情况以及TSP日均浓度最大值作为研究对象,研究了EIAProA2008软件AERMOD模型的污染物粒径分布、地面粗糙度、地表湿度3个参数的敏感性,并确定了区域污染面积和TSP日均浓度最大值最大时所对应的参数条件,为模型的应用、预测复核及技术评估提供参考。     

动态武器目标分配问题的DWTA-GA算法

首先介绍求解静态武器目标分配问题的贪心算法,它是求解动态武器目标分配DWTA(Dynamic Weapen Target Assignment)问题的基础.然后,笔者提出了基于遗传算法GA(Genetic Algorithm)的动态武器目标分配策略DWTA-GA.实验结果表明,新提出的基于遗传算法的动态武器目标分配策略是有效的.