期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
A FIXED-PARAMETER-TRACTABLE ALGORITHM FOR SET PACKING
1
作者 张传林 贾维嘉 陈建二 《Acta Mathematicae Applicatae Sinica》 SCIE CSCD 2001年第4期494-502,共9页
The PARAMETERIZED SET PACKING problem asks, for an input consisting of a col- lection C of n finite sets with |c|≤m for any c∈C and a positive integer k, whether C contains at least k mutually disjoint sets. We give... The PARAMETERIZED SET PACKING problem asks, for an input consisting of a col- lection C of n finite sets with |c|≤m for any c∈C and a positive integer k, whether C contains at least k mutually disjoint sets. We give a fixed-parameter-tractable algorithm for this problem that runs in times O (f(k,m)+g(k,m)n), where where, bm is the minimal positive root of m-degree equation and e= =2.7182818. In particular, this gives an O (k4(5.7k)k+[k(5.7k)k+3]n) algorithm to construct mutually k disjoint sets if |c|≤3 for any c∈C. 展开更多
关键词 set packing fixed-parameter-tractable algorithm
全文增补中
基于加权分治技术的set packing精确算法 被引量:7
2
作者 李绍华 王建新 +1 位作者 马振宇 陈建二 《小型微型计算机系统》 CSCD 北大核心 2010年第6期1180-1184,共5页
加权分治技术是算法分析中的一种新技术,该技术基于选择不同的量来描述分支子问题的大小,以求得到在最糟糕情况下最好的时间复杂度.setpacking问题是一典型的NP-hard问题,广泛应用于调度、代码优化和生物信息学等领域.本文对有n个子集的... 加权分治技术是算法分析中的一种新技术,该技术基于选择不同的量来描述分支子问题的大小,以求得到在最糟糕情况下最好的时间复杂度.setpacking问题是一典型的NP-hard问题,广泛应用于调度、代码优化和生物信息学等领域.本文对有n个子集的setpacking问题,引入符号全集变量N设计基于分支搜索策略的递归算法,并应用加权分治技术对算法加以分析,得到时间复杂度为O*(1.1686n+N)的精确算法,当N≤n/4时,比现有最佳的算法O*(1.2209n)更加有效. 展开更多
关键词 加权分治 set packing问题 最大独立集 精确算法
在线阅读 下载PDF
加权3-Set Packing问题的核心化 被引量:1
3
作者 李绍华 冯启龙 +1 位作者 王建新 陈建二 《计算机研究与发展》 EI CSCD 北大核心 2012年第8期1781-1786,共6页
Packing和Matching问题是一类重要的NP难解问题,该类问题的参数算法和核心化研究受到了人们广泛的关注.主要研究了加权3-SetPacking的核心化算法.对于加权3-SetPacking问题,基于对问题结构的深入分析,提出并证明了2个简化规则.首先限定... Packing和Matching问题是一类重要的NP难解问题,该类问题的参数算法和核心化研究受到了人们广泛的关注.主要研究了加权3-SetPacking的核心化算法.对于加权3-SetPacking问题,基于对问题结构的深入分析,提出并证明了2个简化规则.首先限定加权3-SetPacking问题实例中包含给定2个元素的集合的个数,然后在限定问题实例中包含1个给定元素的集合的个数.基于对集合个数的限定,得到问题实例中总的集合个数的上界.并基于上述性质得到2个简化规则,可得到加权3-SetPacking问题大小为27k3-36k2+12k的核,该核心化结果是加权3-SetPacking问题的首个核心化结果.得到的加权3-SetPacking的核心化过程同样适用于加权3D-Matching问题的核化,可得到与加权3-SetPacking问题同样大小的问题核. 展开更多
关键词 加权3-set packing 加权3D-Matching 核心化 局部简化 参数算法
在线阅读 下载PDF
3-Set Packing参数化计数问题的复杂性及近似算法
4
作者 刘运龙 《计算机科学》 CSCD 北大核心 2016年第9期23-26,共4页
3-Set Packing参数化计数问题即在一个3-Set Packing实例中统计所有大小为k的不同packing的个数。首先证明了该问题的计算复杂性是#W[1]-难的,表明该问题不大可能存在固定参数可解的精确算法(除非#W[1]=FPT)。然后,通过拓展3-D Matchin... 3-Set Packing参数化计数问题即在一个3-Set Packing实例中统计所有大小为k的不同packing的个数。首先证明了该问题的计算复杂性是#W[1]-难的,表明该问题不大可能存在固定参数可解的精确算法(除非#W[1]=FPT)。然后,通过拓展3-D Matching参数化计数问题的算法对3-Set Packing参数化计数问题提出了一个基于Monte-Carlo自适应覆盖算法和着色技术的随机近似算法。 展开更多
关键词 3-set packing 计数 复杂性 近似算法
在线阅读 下载PDF
加权set packing问题的精确算法
5
作者 胡沁 宁爱兵 +2 位作者 苟海雯 张清银 张惠珍 《工业工程与管理》 北大核心 2021年第6期179-186,共8页
加权set packing问题是组合优化中一个经典的NP-hard问题,在现实中具有广泛的应用。针对加权set packing问题本文首先研究了其数学性质,利用数学性质约简问题的规模,并在此基础上提出了上下界子算法;然后根据数学性质和上下界子算法设... 加权set packing问题是组合优化中一个经典的NP-hard问题,在现实中具有广泛的应用。针对加权set packing问题本文首先研究了其数学性质,利用数学性质约简问题的规模,并在此基础上提出了上下界子算法;然后根据数学性质和上下界子算法设计了求解该问题的回溯算法;最后应用加权分治技术将算法的时间复杂性从传统分析下的O(1.38028^(k))降为O(1.32401^(k)),并进行了算法对比分析。结果表明利用加权分治技术可以有效降低算法的时间复杂性。 展开更多
关键词 加权set packing问题 加权分治 时间复杂性 精确算法
原文传递
自适应分组差分变异狼群优化算法 被引量:2
6
作者 张强 王梅 《华东师范大学学报(自然科学版)》 CAS CSCD 北大核心 2017年第3期78-86,共9页
针对狼群优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在知识表达时具有不确定中带有确定性的特性,提出一种自适应分组差分变异狼群优化算法.其思想是采用佳点集理论对狼群进行初始化,通过云模型理论来完成个体游猎行为... 针对狼群优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在知识表达时具有不确定中带有确定性的特性,提出一种自适应分组差分变异狼群优化算法.其思想是采用佳点集理论对狼群进行初始化,通过云模型理论来完成个体游猎行为,在围攻行为中考虑狼个体的自身能量,最后利用差分进化算法和混沌理论完成个体变异,并进行探索全局最优位置.典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优. 展开更多
关键词 狼群优化算法 佳点集 差分变异 混沌
在线阅读 下载PDF
基于WPA优化神经网络的扼流适配变压器故障诊断研究 被引量:5
7
作者 郑云水 李程 《铁道科学与工程学报》 CAS CSCD 北大核心 2019年第4期1067-1073,共7页
针对传统铁路扼流适配变压器故障诊断模型结构复杂和精度不高的问题,运用狼群算法(WPA)、粗糙集(RS)理论和神经网络(NN)相融合的方法对其进行故障诊断研究。用粗糙集理论对故障样本数据进行约简处理,减少样本数据的监测及关键特征量的... 针对传统铁路扼流适配变压器故障诊断模型结构复杂和精度不高的问题,运用狼群算法(WPA)、粗糙集(RS)理论和神经网络(NN)相融合的方法对其进行故障诊断研究。用粗糙集理论对故障样本数据进行约简处理,减少样本数据的监测及关键特征量的输入个数;利用约简后的数据对神经网络训练。利用狼群算法优化BP神经网络参数,提出WPA-BPNN故障诊断模型,以侯马电务段扼流适配变压器故障数据为例进行验证。研究结果表明:WPA-BPNN故障诊断模型相比传统方法,简化了网络结构,缩短了训练所需时间,提高了故障诊断精度,保证了列车行车安全及线路的高效运行。 展开更多
关键词 扼流适配变压器 故障诊断 粗糙集 狼群算法 神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部