最小顶点覆盖问题的改进粘贴模型

DNA计算是一种模拟生物分子DNA的结构并借助于分子生物技术进行计算的新方法。它开创了以化学 反应作为计算工具的先例,具有广阔的应用前景。本文简单回顾了DNA计算的发展,并简要介绍了分子计算的一 种模型--粘贴模型。最后我们利用粘贴模型的基本原理,运用荧光标记技术,提出了最小顶点覆盖问题的表面技 术解决方案。

最小顶点覆盖问题的闭环DNA算法

提出了闭环DNA计算模型的基本概念及其基本生化实验,并给出了解决最小顶点覆盖问题的闭环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顶点覆盖补集的构想;再通过电泳实验得到最小顶点覆盖的补集,由补集得到最小顶点覆盖。这使得算法的设计独特而新颖;由于算法仅用到基本的生化实验,这使得算法的实现简捷、可靠。

一种混合化学反应优化算法求解最小顶点覆盖问题

最小顶点覆盖问题是组合最优化问题,在实际应用中有较广泛的应用,是一个NP难问题。针对最小顶点覆盖问题给出了一种混合化学反应优化求解算法。首先根据无向图的邻接矩阵表示法,设计了参与化学反应的分子编码和目标函数;同时把贪心算法思想创造性地融入到化学反应优化算法的四个重要反应算子中,以加快局部较优解的搜索过程;最后通过模拟化学反应中分子势能趋于稳定的过程,在问题的解空间中搜索其最优解。模拟实验结果表明,该算法对于求解无向图的最小顶点覆盖问题是有效的,并且在求解效率等方面有一定的改善。

改进的最小顶点覆盖问题的贪婪算法

通过分析竞争决策算法、混合贪婪算法和快速降阶算法,在顶点的度及贪心算法的基础上,对顶点添加访问标记符号,并在减治法的概念下设计了最小顶点覆盖问题的一种较为中和性的贪婪算法.该算法消除了邻接度数的概念,直接运用顶点度数来完成算法的实现,从而降低了算法的时间复杂度,且更易于编程.该算法在最坏情况下的时间复杂度为O(|V|2).

基于自组装纳米颗粒探针的最小顶点覆盖问题的DNA计算模型

DNA自组装技术为DNA计算的发展带来了一些新的启发。目前,解决各种NP完全问题的方法有多种多样的计算模型,其中有些是非常有用的,可以解决复杂的NP完全问题。在本文中,在自组装纳米颗粒探针的基础上,介绍了关于最小顶点覆盖问题的一种新的DNA计算模型。将给定问题的变量0或1所有可能的组合,编码在自组装纳米探针的识别区,通过靶序列的杂交来判断其可行解。相对于传统的DNA计算模型,该模型具有方便、灵敏、稳定性高的优点。

最小顶点覆盖快速降阶算法

通过定义判别函数来判别顶点覆盖作用的优劣,得出一个把顶点加入到最小顶点覆盖集的一般化规则,并得出该规则在多种具体情况下的应用定理,在此基础上给出了一个快速降阶算法,该算法能确定某些顶点应该在最小顶点覆盖中,某些顶点不应该在最小顶点覆盖中,达到降低原问题的规模和求解难度的目的.该算法既可以单独使用,又可以与算法结合来达到更好的结果,文中还给出了应用实例及其分析.

图的最小顶点覆盖的粘贴DNA计算模型

本文在对经典粘贴模型以及全信息化的粘贴DNA计算模型的基本方法进行充分讨论的基础上,提出一种用粘贴DNA计算模型解决图的最小顶点覆盖问题的新方案,将数学问题的求解同并行生物操作有效结合.

加权最小顶点覆盖的加权分治算法

加权分治技术是算法设计和分析中的一种新技术,该技术通过对处理对象设置不同的权值来更加精确的描述分支子问题规模的大小,其目的是得到最坏情况下时间复杂性更好的精确算法.加权最小顶点覆盖问题是一典型的NP难题,基于分支降阶技术为其设计一个快速递归算法;同时使用加权分治技术对算法加以分析,得到一个时间复杂性为O(1.3482np(n))的精确算法,其中p(n)为问题中结点个数n的多项式函数,对比分析表明该时间复杂性低于采用传统方法得到的时间复杂性.

量子近似优化算法在约束优化问题中的应用

结合量子近似优化算法求解约束优化问题是当前的研究热点之一,针对约束优化问题,提出了一种在量子近似优化算法框架中的改进方法;此方法融合了二次无约束二元优化和量子交替拟设这两种方法,同时将在目标算符中添加惩罚项,将不符合解的期望值降低和通过对问题进行求解得出问题的可行解,将混合操作限定在可行解空间内融合在一起;优点在于在求解约束优化问题时,能减小迭代次数,快速并准确地得到问题的最优解;以最小顶点覆盖问题为例,将提出的方法与几种已有的方法做比较,得出方法能减小量子近似优化算法的迭代次数,使得能够高质量和高效率的求解约束优化问题。

改进的遗传算法及其在求解MVCP中的应用

为改善传统遗传算法求解最小顶点覆盖问题时的效果,基于理想浓度模型,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行重新设计,结合局部搜索策略,提出一种新的遗传算法UGA。与标准遗传算法及佳点集遗传算法进行实例仿真比较,结果证明该算法可以提高求解的质量、速度和精度。

一种基于随机化均匀设计点集的遗传算法用于求解MVCP

基于理想浓度模型的机理分析,利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行重新设计,并在分析图最小顶点覆盖问题特点的基础上,结合扫描-修正和局部改进策略,给出一个解决图最小顶点覆盖问题的遗传算法,称之为基于随机化均匀设计点集的遗传算法.通过将该算法与简单遗传算法和佳点集遗传算法进行求解图最小顶点覆盖问题的仿真模拟比较,可看出该算法提高求解的质量、速度和精度.