引入基因簇求解TSP的P2P遗传算法

来源 :小型微型计算机系统 | 被引量 : 0次 | 上传用户:waitvl
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
应用遗传算法求解旅行商问题时,极易破坏已经发现的较短线路片段.为此,引入基因簇以便保护较短的线路片段,基于P2P设计了TSP求解遗传算法P2PTSPGA.在交叉和变异操作的过程中,基因簇完整地遗传到下一代;在获得第一个近优解后粉碎基因簇,以避免算法陷入局部最优.使用CHN144找到了当前最优路径,并使用TSPLIB进行了串行和并行试验.TSP225实验获得了最短环路路径3859,优于目前前已经公布的结果3916.实验表明,P2PTSPGA具有较高的求解性能,并具备5000左右城市的持续寻优能力.
其他文献
设计一个稳健的自动图像标注系统的重要环节是提取能够有效描述图像语义的视觉特征。由于颜色、纹理和形状等异构视觉特征在表示特定图像语义时所起作用的重要程度不同且同一类特征之间具有一定的相关性,该文提出了一种图正则化约束下的非负组稀疏(Graph Regularized Non-negative Group Sparsity,GRNGS)模型来实现图像标注,并通过一种非负矩阵分解方法来计算其模型参数。该
对不一致决策表,信息熵约简与代数约简有时会得到不同的属性约简和核属性,当前的方法多为先将不一致决策表转化为一致决策表,再对后者寻求高效算法,本文基于等价差别矩阵具有
提出一种基于最小二乘支持向量机(LS—SVM)的非线性特征提取新方法.先将线性特征提取公式表达成与LS—SVM回归算法中相同的形式;再根据SVM思想,将数据集由输入空间映射到高维特征
为解决米波雷达低空测角的精度问题,该文结合稀疏贝叶斯学习方法,利用相邻快拍稀疏结构的相似性,将多观测向量模型通过Kronecker积变换成具有块稀疏结构的单观测向量模型,同时通
地面目标的SAR图像中除了包含目标散射回波形成的区域,还包括由目标遮挡地面形成的阴影区域。但是由于这两种区域中的图像特性不相同,所以传统的SAR图像自动目标识别主要利用目标区域信息进行目标识别,或者单独使用阴影区域进行识别。该文提出一种阴影区域与目标区域图像联合的稀疏表示模型。通过使用l1l2范数最小化方法求解该模型得到联合的稀疏表示,然后根据联合重构误差最小准则进行SAR图像目标识别。在运动和
■ 方程(组)与不等式(组)的概念  初中学习的方程(组)主要有一元一次方程、二元一次方程组、一元二次方程、分式方程等;不等式(组)包括一元一次不等式、一元二次不等式和一元一次不等式组.一元一次方程和一元二次方程都是整式方程,分母含有未知数的方程是分式方程,方程中的等号换成不等号,则方程就成了不等式.   ■ 下列方程中是关于x的一元二次方程的是( )  A. x-■=1  B. ax2 b
现有基于独立分量分析(ICA)的运动目标检测算法大多采用单一的观测向量生成方式和2通道数据进行检测,使得现有算法难以获得更加完整精确的目标形态。该文在传统独立分量分析算法的基础上引入4种不同的观测向量生成方式并使用更多通道数据进行实验,以此更广泛地涵盖运动目标的运动特性并为提取前景提供更多有效信息,使该算法能有效应对缓慢移动和低区分性目标。多场景下的量化实验分析表明,更多通道数据的使用以及4种观测