用启发式算法求解最短路径问题

提出了一种带有启发信息的邻接表结点存储结构模型,给出了结点间权值计算的具体评判函数,依据评判函数值优化邻接表中节点的相对位置.基于最短路径问题提出了带有启发信息的遗传算法思想,将启发信息加入到了初始种群生成过程中,提出了新的交叉方法.通过模拟仿真得到了算法的性能参数,并将本文算法和Dijkstra算法进行比较,结果表明...     

海量数据的网格启发信息密度聚类算法

提出了一种基于网格密度的混合聚类算法。该算法使用平方误差密度函数作为密度评估标准,避免了传统密度算法由于Eps和MinPts设置不当给聚类效果带来的不稳定因素。提出了动态邻域半径策略,解决了传统密度算法采用全局静态邻域半径造成的聚类偏差问题。对空间区域内的所有结点设置网格密度启发信息。在进行数据结构构造和邻域半径计算时,只需计算对应网格区域内结点,从而降低了计算成本;在进行区域查询时,只选择符合条件的代表对象进行扩展,从而减少了查询次数,节省了程序运行时间。对Pendigits数据集和SE-QUOIA 2000数据库进行测试,结果表明:提出的基于网格密度的混合快速聚类算法在海量数据聚类精度、聚类时间以及聚类稳定性上要优于传统的聚类算法。     

启发式遗传算法求解应急资源调度

提出了带有启发信息的初始种群生成以及染色体编码的过程,给出了对适应度函数进行动态调整的策略。在遗传算子部分给出了对交叉点的选择和对交叉算子、变异算子进行修正的方法。在种群进化过程中提出了回溯迭代控制的方法,通过模拟仿真将算法应用于求解应急资源调度问题,并将本文提出的算法和Dijkstra算法进行了比较。结果表明:用本文提出的算法能有效地求解应急资源调配问题,并且能为决策者提供有力的决策支持。