一种加权距离连续K中心选址问题求解方法

K中心选址作为一种经典问题,学者们提出了很多好的解决方法,但是对于加权距离连续K中心选址问题的研究一直没有很好的进展.本文针对连续K中心选址问题,以最小加权距离作为优化目标提出改进的粒子群优化算法(SA-PSO).本文将模拟退火机制引入PSO算法并且加入惯性权重等策略对算法进行改进,使得该算法可以更快收敛于全局最优.仿真实验结果表明,SA-PSO算法相比于GA算法和K-means算法,具有更强的稳定性,收敛速度更快,并且优化得到的加权距离更小.

基于极大全连通子图的无线Mesh网络网关部署研究

无线Mesh网络中,网关部署直接影响到网络的服务质量,合理的网关部署对网络性能提升具有非常重要的作用.为解决几何K中心网关部署问题,本文以节点和网关之间的路径长度最小为优化目标,提出基于极大全连通子图的中心粒子群优化(Center PSO,CPSO)算法.该算法归结为在给定的网络拓扑中寻找全连通子图,并筛选出功能最完备的极大全连通子图,求得初始中心点位置,然后结合粒子群优化算法,利用这些初始中心点位置对粒子群优化算法进行初始化,引入随机生成的惯性权重,并设计适值函数计算方法,使得算法更容易获得最优解.通过仿真实验,将所提的CPSO算法与其它算法进行对比,结果表明本文所提方法具有更好的优化效果和收敛速度.

一种基于进化算法的银行网点选址求解方法

在选址领域,银行网点选址直接影响到居民的生活便利,科学合理的网点选址决策对企业战略发展起着重要作用。GA算法具有随机搜索的特性,适合求解选址决策问题,由于其个体变异方式的不足,算法易陷入局部最优。差分进化算法在变异方面运用差分策略,可以有效避免变异方式不足,提高算法的搜寻效率。以银行网点到居民点的路径长度最小作为优化目标,提出基于均值点的差分进化算法求解连续K中心网点选址问题。在均值点的差分进化算法中引入均值点作为种群的初始位置,并设计适值函数计算方法,使算法更容易获得最优解。仿真结果表明,相比于PSO算法和GA算法,均值点差分进化算法全局搜索能力强,不易陷入局部最优,并且优化得到更小的路径长度。