基于闭环DNA计算的最大独立集问题的算法

提出闭环DNA计算模型及其基本生化实验,给出解决最大独立集问题的闭环DNA算法。在闭环DNA算法中,提出并实现了用删除实验直接构造所有最大独立集的构想,即通过多次删除实验使顶点集合逐步满足独立集的要求,最后达到最大独立集。该方法使得算法的设计简单明了。算法仅用到基本的删除实验,实现简捷、可靠。

一类求解最大独立集问题的混合神经演化算法

提出一类求解最大独立集问题 (MIS)的混合型神经演化算法 .该算法基于空间剖分与“排除”策略 ,有效综合了神经网络快速收敛及遗传算法稳健全局搜索的特别优点 .与标准遗传算法和神经网络算法相比 ,该算法显示了极高的全局优化性态与计算效率 .

用神经网络启发式算法求解最大独立集问题

本文提出一种求解最大独立集问题(MIS)的启发式神经网络算法。该算法基于MIS问题的特点,有效地限制神经网络初始点的选择范围,并利用神经网络快速收敛能力获得问题的解。与标准神经网络算法相比,该算法显示了较高的全局优化性态与计算效率。模拟计算实例表明了该算法的有效性。

基于批分离实验的最大独立集问题DNA算法

根据解决最大独立集问题的需要,讨论了简化的粘贴模型,该模型只由单链DNA的存储链和分离板组成.以分离实验为基础提出了批分离实验和生化操作过程,该实验可以快速分离存储链.基于批分离实验设计了最大独立集问题的DNA算法,并给出其生化实现过程:先形成所有顶点子集的初始解空间;接着用批分离实验对每个顶点进行检测,筛选全部满足不相邻要求的顶点子集,从而得到全部独立集;然后通过电泳实验得到全部最大独立集;最后通过检测实验输出实验结果.讨论并证明了算法的正确性和复杂性,算法的操作次数是线性的,通过仿真实验说明了算法的有效性和可行性.

DNA计算原理在NP-完全问题中的应用

DNA计算是一种利用生物分子间的相互作用来实现并行计算的新的计算模式,具有高度的并行性、巨大的信息存储能力和极低的能耗等优点。该文对DNA计算的一般原理进行了介绍,且介绍了DNA计算原理在解决NP问题方面所取得的进展,并指出了DNA计算中存在的问题。