不同决策准则下的模糊最短路径算法设计

通过引入参变量函数,设计不同决策准则下的模糊最短路径算法。由该算法决策者可以求解出各自的最满意路径。同时,基于人机交互作用,决策者还可以求出其他决策准则下的最优路径,从而为决策者提供了更多的决策信息。最后通过实例说明算法的有效性。

基于模糊模拟的遗传算法在最短路径问题中的应用

模糊最短路径问题将网络中弧的权值描述成模糊的，突破了传统最短路径问题的局限性，更符合实际网络的要求。采用模糊期望值模型求解最短路径问题，由于模糊变量隶属函数的形式多种多样，对于有些模糊变量，很难求出其具体的期望值，所以本文设计了基于模糊模拟的遗传算法进行求解，获得了良好的效果。

用模糊期望值模型求解最短路径问题

采用模糊期望值模型求解最短路径问题,将网络中弧的权值描述成三角模糊变量形式,根据三角模糊变量的特性以及模糊变量期望值的定义,把模型直接转化成了确定的最短路径问题,用传统的Dijkstra算法便可以求解。

无圈模糊有向网络最短路径算法

本文基于 OERI排序方法 ,使模糊数具有线性可加性 ,并通过对无圈有向网络的拓扑排序 ,使 Bell-man方程可以递推计算 ,建立在这两个基础上的标号算法是复杂度最低的算法 ,时间复杂度为 O(m)

一种并行模糊神经网络最短路径算法

给出了模糊网络期望最短路径问题的定义,提出一种并行模糊神经网络最短路径(PFNNSP)算法解决模糊网络最短路径问题。PFNNSP算法通过模糊模拟对网络中的边权进行估计,脉冲波在神经元之间的并行传播,相互激活搜寻任意一对节点之间的最短路径,算法回溯输出路径表示和路径长度。在随机生成的小规模数据集上的仿真实验表明,PFNNSP算法在边权服从三角模糊分布的网络中执行时间优于Dijkstra算法,在大规模路网信息数据集上的仿真实验表明,PFNNSP算法能够有效求解网络中的最短路径,并且算法在迭代次数和收敛速度上要优于Dijkstra算法和A*搜索算法。

多方案经营过程模型选择策略

经营过程建模的目的是为了经营过程的分析及重构。在经营过程中 ,由于存在约束、不确定性和不可精确估量等因素 ,其评价值常常是模糊的 ,评价目标不单一。因而存在一个对各种方案过程模型选择的问题 ,这个问题可以转化为多目标模糊最短路径问题。讨论了多目标模糊最短路径的算法与Pareto解空间问题 ,提出了基于模糊推理引擎选择多个Pareto解的策略。提出了经营过程设计框架 ,从而解决了企业内。