基于偏离路径的煤矿水灾Yen-K最优路径算法

为矿井水灾提供最佳逃生路线,提高应急救援效率,首先引入当量长度,结合水流等巷道相关因素,求解到达安全地点的时间最短路径;其次根据一般矿井具有多个逃生出口的特性,提出一种基于偏离路径的煤矿水灾Yen-K最优路径算法,分别求出从源节点到每个目标节点的前k则最优路径;最后按照长度大小排序求得的所有路径,并结合矿井具体实例选取所需的前若干条逃生路线。在MATLAB环境下,对文章算法与传统的Dijkstra算法、K最短路径(KShortestPaths,KSP)算法进行仿真对比分析,结果显示改进后的算法在求解矿井水灾逃生最优路径时更具准确性和实用性。

基于D-K算法的煤矿水灾多最优路径研究

矿井水灾时选择合理的逃生路线,需要考虑水及巷道其他因素的影响,引入当量长度来求解到达逃生地点用时最短最安全的路径。Dijkstra算法可求解从源节点到目标节点的最短路径,K则最优路径算法可求解从源节点到某一目标节点的前N条最优路径,矿井水灾时,为了避免拥挤,同一地点工作的人员可选择多个逃生井口进行逃生,但从源节点到某一目标节点的前N条最优路径并不一定是到其他逃生井口的前N条最优路径,基于这种思路,在Dijkstra算法的基础上,提出一种从源节点到其他所有逃生节点的前N条最优路径的新方法,并结合矿井具体实例,与Dijkstra算法和K则最优路径算法比较,用MATLAB仿真实现。

一种基于双向搜索的K则最优路径算法

提出了一种基于双向搜索策略的K则最优路径算法,以改进的Dijkstra最优路径算法为基础,从起点和终点同时搜索,分别构造正序和逆序最优路径树,计算网络中两点之间的多条参考K则最优路径。详细描述了算法设计思想和运行过程,分析了算法的时间复杂度,并通过实际路网验证了算法的效率和精度。

高性能稀疏矩阵向量乘的程序设计综述

稀疏矩阵向量乘(SpMV)广泛应用于科学计算、图计算、数据分析等领域,是自现代计算机诞生以来经久不衰且挑战依旧的研究热点。本文系统回顾了20世纪70年代以来稀疏矩阵向量乘程序设计的发展脉络和各阶段的代表性工作;分析比较了这一领域4条技术路线,即人工程序设计、自动调优器、稀疏编译器和自动程序设计器,在当今的流行方法;并在此基础上对高性能稀疏矩阵向量乘程序设计的研究趋势做出预测,力图给学习者和研究者带来有益的知识与启示。

求解k条最优路径问题的遗传算法

文章提出的任意两点间k条最优路径问题的遗传算法,采用节点的自然路径作为染色体编码,根据路径节点的连接实施染色体的交叉操作,将节点路径块作为染色体的变异基因块实施变异操作。算法结构简明,收敛速度快,可应用于求解大规模网络中的多条最优路径问题。

求解必经点k条最优路径问题的粒子群优化算法

提出了一种解决指定必经点k 条最优路径问题的粒子群优化算法。算法以k 条最优路径集合作为优化目标,将粒子种群划分为k 个子种群,通过各子种群的局部搜索和子种群间的相互协作,使种群在搜索过程中易于找到k 条最优路径。为了提高含有多必经节点的初始生成路径的多样性,设计了基于弹性拉伸原理的种群初始化方法。在随机生成的26 个节点65 条边,50 个节点262 条边和80 个节点410 条边的拓扑图中,分别选取不同的源节点和目的节点,以及必经节点对算法进行了测试。数值实验结果表明,提出的算法在求解网络规模比较大、必经点数比较多的无环k 条最优路径问题中具有比较好的性能。

求解k完全相异可视最优有序路径的近似算法

提出了k完全相异可视最优有序路径查询问题,根据处理数据集与障碍集先后顺序的不同,给出了距离优先的近似算法Distance_First以及角度优先的近似算法Angle_First。实验结果表明,算法Distance_First适用于障碍集规模较小的k完全相异可视最优有序路径查询问题,而算法Angle_First适用于障碍集规模较大的k完全相异可视最优有序路径查询问题。

关于矩阵最优路径算法的探讨

本文讨论了矩阵最优路径的串行和并行算法。在串行方面讨论了用动态规划思想的求解算法 ;在并行方面给出了计算模型。并给出算法描述和算法复杂性分析。

基于并行遗传神经网络算法的限制搜索区域最优路径方法

在大规模路网的路径诱导中,研究了基于神经网络的交通信息实时预测方法,构造了具有时变性的路阻矩阵,解决了传统静态路阻存在的局限性问题;探讨了基于并行遗传算法的最优路径求解问题,给出了相应的遗传、变异算子和群体更新方式,提出了矩形限制搜索区域方法,降低了并行遗传算法的搜索范围,解决了遗传算法在大规模路网中求解最优路径时存在的实时性差、收敛速度慢等问题;仿真实验表明该方法满足大规模路网路径诱导的准确性、实时性和快速性要求。

基于蚁群算法的k条路径生成研究

通过分析物流企业车辆路径选择难的问题,对现有的蚁群算法进行分析和改进,提出了多径向蚁群算法。算法中设置多径向因子、路网拓扑结构、拓扑矩阵改进蚂蚁路径选择。实验结果表明算法具有合理性、可行性和有效性,可应用于求大规模路网中的多条路径问题。

基于障碍物群的k全局相异最优有序路径查询

提出障碍k全局相异最优有序路径的查询问题,利用可视图的思想给出近似查询算法,通过作用集与障碍角度点的引入有效地减少构造可视图障碍对象的数量,分析查询点和数据点构成的线段与可视图的顶点和弧的关系,减少内部障碍路径的计算次数,实现算法的全面优化。实验结果表明,该算法具有较好的性能。

移动对象的连续k最优有序路径查询

针对最优有序路径查询问题,提出了移动对象的连续k最优有序路径查询问题,并针对移动查询对象和静态数据对象的情况,通过引入加权相对距离函数的概念提出了SCkOSR算法和DCkOSR算法。SCkOSR算法利用加权相对距离函数确定数据点与移动查询对象的相对关系。DCkOSR算法进一步通过搜索区域的限制减少了计算加权相对距离函数的点的数量。实验表明,动态局部算法具有相对较好的性能。

对K则最短路径若干算法的探讨

最短路径问题应用极其普遍,尤其是在一些抢险救灾活动中,它的价值就更显得突出了,而K则最短路径则是在最短路径上的延伸,意思就是在最短路径不适宜时,有多条备选路径可供选择。文中重点介绍了K则最优路径的去边算法、邻近点算法、稀疏矩阵算法和双向搜索四种算法的计算原理,最后结合简单的网络图加以验证。

K-近邻矩阵分解推荐系统算法

协同过滤算法随着电子商务的发展而提出,用来为电商用户作出智能推荐.近几年来,电子商务网站迅速发展,对协同过滤算法有更高的要求.传统的矩阵分解与K最近邻对用户评分矩阵整体进行学习从而达到推荐目的.事实上,用户评分矩阵有很高的稀疏性,有用的评分信息是与目标用户相关联的评分,计算用户对项目的评分,单一查找用户近邻与项目近邻并不符合实际应用.为了缓解稀疏性,使推荐结果更加合理,提出一个近邻矩阵分解算法,将用户近邻与项目近邻评分信息融合为一个近邻评分矩阵,挖掘目标用户对目标项目的评分信息.在真实数据集上的实验表明,提出的算法提高了推荐结果的准确性.

城市电力K最优抢修路径系统的研究与实现

城市电力系统发生故障后,调度人员需以最短的时间通过最优路径到达故障地点进行故障恢复。基于此,以改进的狄克斯特拉算法为基础,通过引入通行系数、路面等级、道路拥挤度和路面质量等阻碍因子,建立了K最优抢修路径的数学模型,同时以C#编程语言为基础,在.NET平台下利用ArcGIS Engine技术搭建了最优抢修路径系统,并实现了K最优路径的获取,结果更加合理和有效,为城市电力最优抢修路径的选择提供了科学的决策依据。

生化发光分析仪最优检测路径的动态规划算法研究

生化反应发光信号随时间变化较大,生化发光分析仪矩阵微孔板检测位点多、密度高,检测过程耗费较多时间。因此,寻求最优检测路径缩短检测时间可显著降低检测误差。本文基于动态规划法研究生化发光分析仪最优检测路径,通过建立与检测过程具有时空一致性的数学模型,将微孔位点检测过程转化为一个多阶段决策过程,在此基础上利用最优化分析,将决策过程转变成多个简单的单阶最优化问题,并逐步求得最优解。该方法与常用的基于枚举法的全局路径规划方法相比,在确保求得矩阵微孔位点最优路径的前提下,可大幅减少求解计算量,提高仪器执行效率。

基于N-gram模型的中文分词前k优算法

本文首先从中文输入法应用的角度出发,在阐述了N-gram模型的基础上对中文输入法的分词进行了详细的剖析,进一步根据训练数据的稀疏问题,使用Back-off模型进行数据的平滑处理。针对系统词库数量受限的问题,在构建词图的前提下,使用基于A*的算法求解前k优路径。最后实验结果表明,本文所使用的基于A*的算法与改进Dijkstra算法、基于DP的算法等常用的求前k优路径的算法相比,具有较高的效率和准确率,为中文分词及求取k-best算法的研究开拓了新的思路。

K近邻的自适应谱聚类快速算法

谱聚类算法建立在谱图划分理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。然而,谱聚类算法涉及如何选取合适的尺度参数σ构造相似度矩阵的问题。并且,在处理大规模数据集时,聚类的过程需要较大的时间和内存开销。研究从构造相似度矩阵入手,以传统NJW算法为基础,提出一种基于K近邻的自适应谱聚类快速算法FA-SC。该算法能自动确定尺度参数σ;同时,对输入数据集分块处理,并用基于K近邻的稀疏相似度矩阵保存样本信息,减少计算的内存开销,提高了运行速度。通过实验,与传统谱聚类算法比较,FA-SC算法在人工数据集和UCI数据集上能够取得更好的聚类效果。

神经网络和遗传算法在动态路径诱导中的应用

针对智能交通路径诱导目前存在的实时性差和求解效率低的问题,提出了将神经网络与遗传算法结合的动态路径诱导方法,研究了基于神经网络的交通信息实时预测方法,构造了具有时变性的路阻矩阵,解决了传统静态路阻存在时变性差等的局限性问题;探讨了基于遗传算法的最优路径求解问题,提出了适用于路径优化的编码方式、适应度函数和遗传操作算子,解决了求解效率和求解质量的平衡问题。仿真实验表明,该方法满足路径诱导的准确性、实时性和快速性要求。

基于最短路径的道路网络k近邻查询处理

针对基于空间道路网络的k近邻查询处理,提出了分布式移动对象更新策略以有效减少服务器计算代价,利用基于内存的空间道路网络邻接矩阵、最短路径矩阵结构和移动对象哈希表索引分别对道路网络无向图与移动对象进行存储管理。提出了基于最短路径度量的网络扩展搜索(SPNE)算法,以通过裁剪网络搜索空间来减少k近邻查询搜索代价。实验表明,SPNE算法的性能优于传统的NE和MKNN等k近邻查询处理算法。