最优顶点覆盖的贪心边近似算法

提出了一种新的贪心边近似算法,能保证性能比不大于2的同时比传统的选任意边算法有更优的解,在可验证(能得到最优覆盖点数)时,统计数据表明贪心边算法非常有效,是一个集合了传统的任选一边近似算法和选择度数最大点的贪心算法两者优点的新算法.

改进的最优顶点覆盖贪心边近似算法

最优顶点覆盖问题是6个基本的NP完全问题之一,无法在多项式时间内得到最优解,除非P=NP。文中给出改进的最优顶点覆盖贪心边近似算法的同时,证明并讨论了它的近似因子是一个不大于2的与单点贪心边数和双点贪心边数相关的因子。

基于贪心边的MMAS改进算法及在TSP中的应用

最大最小蚁群算法通过对信息素更新和限制的改进,有效提高收敛速度,但难以避免出现停滞并陷入局部最优的困境。基于贪心边的MMAS改进算法规定一种新的搜索停滞状态,设定不同等级贪心边,并在停滞状态下利用搜索过程中寻找到的贪心边进行优先搜索。该算法使搜索能够尽早地集中在有效边进行,丢弃"无用"搜索,提高发现更优路径的可能性。利用TSP标准实例进行测试,结果表明改进算法的最优解更加接近实际最优解,具有更高的全局寻优能力和更快的收敛速度。

基于贪心算法的日间化疗资源预约系统的设计

目的 设计在日间化疗资源紧缺的情况下能够充分利用资源的信息化预约系统。方法 通过构建化疗耗时规则库,引入贪心算法解决卫生资源预约中非均衡时间片预约的问题。结果 通过日间化疗资源预约系统,能够自动分配下一个工作日的化疗排程,提高预约效率和准确性。结论 基于贪心算法和规则库的日间化疗资源预约系统能够帮助医院充分利用有限资源,使更多肿瘤患者得到及时服务,进一步提升患者就医感受。

面向贪心生成和最优分配任务的自动化管理算法研究

传统课程管理模式面临着流程繁琐、管理不便等问题。针对此问题,面向劳动教育实践课程中校园卫生打扫任务实践项目,本研究设计了教室—班级匹配贪心生成算法和检查任务最优分配算法,以实现打扫任务的自动化智能管理,并在前期所开发的劳动教育实践数字化管理与展示系统中,验证了这套自动化管理算法在解决具体的校园卫生打扫任务自动化管理问题上的可行性与高效性。这套算法创新了劳动教育实践课程的数字化管理新模式,并实现其数字化以简化流程、智能化以高效管理,为开辟劳动教育数字化和自动化管理的新赛道,以智能化赋能教育治理提供了可借鉴的创新模式。

基于贪心算法的板式家具订单备料调度研究

针对板式家具订单备料调度过程中的调度混乱、设备使用效率低的问题,本文通过对板式家具备料进行现场调研,结合订单开料工艺特点,以最小完工时间为目标,构建数学模型,将贪心算法应用在板式家具订单的调度备料中。在此基础上,依据模型进行算法设计,并对算法进行仿真试验,通过对采集的数据进行分析,验证了算法的可行性,提高了家具的备料效率。与工厂现有的调度方式相比,采用本文的调度方案可节约时间700 s,生产效率提高18.89%,对于解决多机并行的订单备料调度具有指导意义。

基于贪心策略的改进动态搜索方法在武器目标分配中的应用

数学中最优化理论是解决分配管理问题的一种常用手段。在战略中对武器目标的分配为了得到最好的效益,通常会将其建立分配优化模型。当构建诸多模型时,往往代价成本都比较大,因此经常划分若干过程进行求解。传统算法设计上,较为突出的就是动态规划,它是一个多阶段决策问题。论文分析武器目标分配的数学背景以及最优化理论的应用策略,分析了动态规划等策略的实际求解过程在武器装备分配问题上的应用。并提出了一种基于贪心策略的改进动态搜索方法,这种方法在处理规模已定的情况下,查找精确值的效率相比动态规划方法具有明显的提升。在作战软件的算法设计上有良好的借鉴价值。

贪心免疫优化算法求解带时间窗的冷链物流选址路径问题

文章针对冷链物流选址路径问题,提出了一种贪心免疫优化算法。首先,建立了考虑物流时间窗约束的选址路径模型,以最小化选址成本、车辆启用成本和运输成本为目标。其次,设计了贪心免疫优化算法来解决该问题。该算法使用六层抗体编码方法,有效提高了抗体突变控制精度和抗体解码效率。通过对初始抗体群体进行贪心预优化,在不压缩丢失抗体突变空间的前提下,提高了初始抗体的适应性。通过对抗体突变方向权值的自适应迭代,提高了算法的优化效率。数值分析结果表明,提出的算法在有时间窗的定位路径问题中具有较好的优化能力,构建的模型可以有效降低定位路径问题的总成本。

基于贪心混合定位算法三阶段排样问题研究

针对三阶段排样板材利用率问题,提出了基于贪心混合定位算法的三阶段排样优化方法。以板材利用率为优化目标,首先建立带约束的混合整数规划模型,对三阶段排样问题进行分割;其次将板材分成3个分区并使用贪心算法对输入序列进行排序优化;最后使用混合定位算法对候选矩形件找最优板材放置分区。研究采用数据规模为3 000块矩形件的4组板材数据集进行验证,结果表明,所提模型较其他算法板材利用率得到提高,且运行时长大幅缩短。

蓝桥杯赛题“填充”的贪心与动态规划算法分析

为了更好地帮助老师和学生了解当前大学生程序设计竞赛的命题方向以及侧重点,以2023年蓝桥杯大赛为例,运用贪心和动态规划两种解题思路,分析了一道颇具代表性的比赛题。通过对本赛题的分析,表明了要在大学生程序设计竞赛中取得成绩,不仅需要有扎实的编程基本功,还要在平时的训练中注重锻炼逻辑推理能力、洞察力和抗压能力,因而通过鼓励学生参与程序设计竞赛可有力提升学生的综合素质。

基于贪心粒子群算法的10kV 配电网负荷自适应调度方法

为满足10kV配电网负荷调度需求和优化目标,提高配电网的适应性与稳定性,基于贪心粒子群算法,本文提出了一种全新的10kV配电网负荷自适应调度方法。首先,对配电网负荷数据进行修正与离差归一化处理;其次,计算负荷偏度系数与负荷变异系数,提取负荷分布特征与波动特征;在此基础上,利用贪心粒子群算法,确定负荷当前粒子的位置和全局最优位置,自适应调度负荷。实验结果表明,提出的调度方法应用后,在适应度值上明显优于常规方法,能够更好地应对不同负荷变化情况,满足负荷需求和优化目标,自适应调度效果优势显著。

基于改进贪心算法的主动配煤掺烧动态优化方法

传统的配煤掺烧优化方法缺乏动态调整能力,导致锅炉在实际燃烧过程中的效果不佳,因此,提出一种基于改进贪心算法的主动配煤掺烧动态优化方法,该方法旨在预测燃烧效率与排放环保性。为实现锅炉热损失与烟尘排放量的最小化,构建一个多目标的主动配煤掺烧动态优化模型,通过运用改进后的贪心算法来求解这个模型,从而得到最佳的优化方案。试验结果表明,经过设计方法优化后,锅炉的烟尘排放量较优化前降低了69.82%,表明该方法能够有效找到最佳的配煤掺烧比,从而显著提高锅炉的燃烧效率和环保性能。

同根双向扩展的贪心RRT路径规划算法

针对传统RRT-Connect算法路径规划过程中随机性大、算法效率低、搜索时间长、搜索路径冗长等问题,提出一种同根双向扩展的贪心RRT路径规划算法。将由起点开始向终点进行扩展的方式改为由起点与终点连线的中间点同时向起点和终点进行双向扩展,同时在扩展节点时叠加引力场和极度贪心算法,使树快速向起点和终点的方向扩散,加速路径的生成。对生成的路径进行剪枝优化处理,删除路径中冗余的节点,缩短路径长度。在三种不同环境中对改进算法进行仿真对比实验,结果表明所提算法相关性能优于传统RRT-Connect算法及其相关衍生算法。将改进RRT-Connect算法应用在实际移动机器人中,进一步证明改进算法的实用性和有效性。

基于松弛时延的真空管高速飞车uRLLC贪心复用机制

真空管高速飞车的安全运行需要多种车地通信业务的有效支撑,包括超高可靠低时延通信(uRLLC)业务和增强移动带宽(eMBB)通信业务,异质业务资源共存时可通过临时抢占eMBB业务的时频域资源优先保障uRLLC业务的传输。根据误码率和时延指标将uRLLC业务划分为5个等级,并将uRLLC业务复用时延范围进行松弛,在考虑uRLLC业务误比特率和复用时频域范围约束条件下,构建以最小化uRLLC业务总功率为目标的优化问题;提出一种贪心策略,在指定步骤内得到次优解以应对高速变化的环境。仿真结果表明:在信道状态较差或噪声功率谱密度较高的情况下,本复用策略能显著降低uRLLC业务复用所消耗的功率,提升车地无线通信的可靠性。

贪心与回溯算法在城市马拉松路线规划中的实践

针对目前城市马拉松路线人工规划效率低下的问题,本文采用贪心和回溯算法进行城市马拉松路线智能规划,具体方法是:通过城市路网信息构建由经纬度坐标点拓扑关系连接而成的路网,采用贪心和回溯算法对坐标点进行遍历搜索,结合城市马拉松路线特殊要求,运用直接逼近、启发式远离、启发式靠近和方向预估等策略实现路线的智能规划.在此基础上,提出一种综合POI热度值、道路宽度适宜度、路线畅通指数、过弯舒适度以及POI密集度5个维度的马拉松路线评估方法.最后,开展了北京、合肥马拉松人工和智能规划路线对比分析,结果表明所采用的方法可快速高效实现马拉松路线规划.

基于贪心-遗传优化算法的中长期船舶进出港调度优化

文中提出一个目标周期内港口总卸货量最大的目标函数,结合航海实际,建立以靠泊条件、通航模式、船舶窗口期、船舶安全距离等通航限制条件为约束条件的船舶进出港调度优化模型,并选用贪心-遗传组合优化算法(GGA)进行实现.通过假设港口数据的方式来进行模拟试验验证模型及算法的合理性和有效性,并对港口短期调度模式和中长期调度模式进行对比论证.

基于设备协同的大规模卸载:融合分治和贪心的双层优化算法

随着通信技术的飞速发展,移动设备的数量不断激增,而这也将导致大规模卸载场景频频发生。但是如何在多项式时间内解决大规模卸载问题仍然是个挑战。本文基于协作计算网络架构提出一个融合分而治之和贪心的双层优化算法,称为DCGreedy。该算法可在多项式时间内高效求解所有任务的卸载策略和资源分配方案。在满足所有约束的同时可以有效降低系统的总能耗。在至少400个移动设备的模拟场景下根据任务满足截止日期的总数、系统总能耗和算法运行时间来评估DCGreedy的性能。将DCGreedy与其他4种基准算法进行大量的实验对比,并发现在不同规模的卸载场景中DCGreedy的平均总能耗比排名第二的算法高出2.11%,而算法运行时间却仅为0.0049%,充分证实了DCGreedy在优化系统能耗的同时有效地减少了算法的运行时间。

基于贪心深度学习算法的医疗大数据处理技术研究

传统的医疗设备故障分析方法主要依靠人工和基于统计学的专家分析法等,故其存在准确率与效率较低等缺陷。针对传统医疗设备故障分析方法的不足,文中基于深度学习技术建立了一种贪心算法故障诊断模型。该模型通过对医疗设备中收集的数据加以处理得到离散粗糙集,且使用贪心算法对该粗糙集进行属性约简,并获得了约简集合。再引入卷积神经网络对属性约简数据集进行训练,以提高集合的特征性,从而使模型具有较强的局部求解能力。数据实验结果表明,所设计算法的性能及效率在对比算法中均为最优,且其具有良好的工程实用价值,故可对医疗设备的故障信息进行分析与定位。

基于贪心算法的容器云资源低能耗部署方法

将容器云平台资源整体能耗最低作为目标,设计基于贪心算法的容器云资源低能耗部署方法;在物理主机与虚拟机对应、虚拟机与容器对应等约束条件下,结合静态和动态两个部分构建容器云资源能耗模型;通过资源虚拟化与去除冗余两个步骤,得到容器云资源的整合结果;检测物理机负载状态,确定虚拟机迁移源物理机和目标物理机,利用贪心算法均衡调度容器云资源负载,最终通过容器云资源编排重组,实现容器云资源低能耗部署;采用Network Simulator网络仿真器、Docker swarm kit为核心,利用40个物理主机、1000个容器、5类粒度不同的虚拟机构建容器云仿真平台,在贪心算法优化设计部署方法下,容器云资源的利用率和负载均衡度得到明显提升,能量损耗明显下降。

基于贪心算法的自动路径规划送药小车

针对按轨道行驶的送药小车存在的灵活性差、工作效率低以及识别效果受外部环境影响大的问题,该文将贪心算法Kruskal与改进的快速扩展树(RRT)算法结合,使送药小车能够快速、自主地进行路径规划,从根源上解决识别效果差的问题。贪心算法将每个子问题的最优解添加到扩展树算法中直到将终点加入,合并所有子问题的最优解即可得到规划的最优路径。二维坐标系下的仿真试验结果表明,该算法能够在已知环境下实时避障并规划出1条趋于最优的路径。将该算法运用到送药小车上,可以使小车的运动不再受轨道的约束,还可以拓宽小车的使用范围。