改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题。实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性。

使用面向离散搜索空间的蛙跳算法求解TSP

针对搜索空间是离散的问题近似求解,提出了一种名为DSSLFA的蛙跳算法;给出了该算法的具体流程和实现细节;探讨了将该算法用于求解旅行商(TSP)问题的过程。在若干公用数据集上的实验结果表明,该文算法是有效、可行的。

基于分段混合蛙跳算法的旅行商问题求解

针对旅行商问题(TSP)在搜索后期解的多样性和精度下降的问题,提出一种解决TSP问题的分段混合蛙跳算法(S-SFLA)。该算法在搜索初期利用逆转变异算子减少交叉路径,在搜索的后期引入邻域搜索(个体邻域,局部最优领域,全局最优邻域)增加种群多样性。在整个搜索过程中记忆全局历史最优解与局部历史最优解,进行全局更新和局部更新,避免迂回搜索。在局部更新中,每一个青蛙都有机会得到更新。实验结果表明,与遗传算法、蚁群算法、基本蛙跳算法相比,S-SFLA算法在求解中等规模的TSP问题上具有更快的搜索速度和更高的求解精度。

求解TSP问题的改进混合蛙跳算法

针对TSP问题的特点,设计了一种求解TSP问题的改进的混合蛙跳算法。该算法改进了子种群青蛙个体优化的方式,而不仅是对最坏个体进行优化,这种方式可以有效提高算法的收敛速度。提出了青蛙个体翻转时依赖于全局最优解的"导优"概率和依赖于子种群局部最优解的"导次优"概率,进一步提高了算法寻找最优解的能力。在多个TSPLIB上的实验结果表明,该算法是可行有效的。

基于改进混合蛙跳算法的个性化旅游路线推荐

大众在旅游途中期望获得开销低、行程方便、舒适度高的旅游体验,同时还具有历史人文、自然景观、美食购物等不同游览需求.因此,本文提出了一种基于改进混合蛙跳算法的个性化旅游路线推荐方法.首先建立个性化旅游路线推荐问题的优化模型,并针对该模型的特点,设计改进混合蛙跳算法.通过调整可控精度,增加筛选准则和及时处理异常解等策略增强群体的多样性,降低遗漏最优解的风险,强化局部搜索能力,并提高算法的求解精度.以南京三日游个性化旅游路线推荐问题作为实例,收集南京市内知名景点的门票价格、开放时间、不同出行方式所需的时间和花费情况以及食宿费用等相关数据,基于改进混合蛙跳算法进行求解.实验结果表明,与改进前的方法相比,所提改进方法能够获取更优的路径解,推荐的路线能够更好地满足用户的个性需求.

混合蛙跳遗传算法求解旅行商问题

遗传算法是一种启发式智能优化算法,但在解决城市规模较大的巡回旅行商问题时往往存在着许多问题和不足。以大型巡回旅行商问题作为研究的切入点,对遗传算法、蛙跳算法进行了混合研究。根据巡回旅行商问题的离散特征,提出了离散蛙跳搜索策略;结合两种算法的特点,给出算法的混合思想,并运用Web技术设计了并行分布式混合蛙跳遗传算法(PC-SFLA-GA),进而针对4种不同规模的TSP问题进行了实验测试。测试结果表明:PC-SFLA-GA算法的全局搜索能力、收敛速度都有了比较明显的改善,算法稳定性较高。

一种求解旅行商问题的改进蛙跳算法

针对现有优化算法求解旅行商问题(TSP)时易早熟收敛的缺陷,提出一种求解TSP问题的改进蛙跳算法.在基本蛙跳算法的基础上,通过在局部搜索过程中设计置换元素和分块重组这两种青蛙个体的更新策略,从而增大了搜索空间,提高了搜索效率;在全局信息交换过程中引入打开交叉线策略和邻域调整策略进行局部优化,从而提高算法跳出局部极值的能力.最后对TSPLIB中的8个实例进行了仿真实验,实验结果表明,本文算法是有效且精度较高的.这也为蛙跳算法和TSP问题的研究提供了新的途径和手段.

基于SFLA-GA混合算法求解时间最优的旅行商问题

该文以经典的对称旅行商问题(Symmetric Traveling Salesman Problem,STSP)为基础,求解时间最优的旅行商问题(Time Optimal TSP,TOTSP),将拟合函数引入到混合蛙跳遗传算法(SFLA-GA)的适应度函数来反映景点客流量随时间的变化,旨在旅游旺季为游客提供一条游览时间最短的路径推送服务。实验结果表明:相对于随机游览路径,SFLA-GA混合算法得到的游览路径明显节省了游览时间;与SFLA和混合粒子群遗传算法(PSO-GA)相比较,SFLA-GA混合算法具有计算量少、收敛速度快、对初始种群依赖性低以及全局性更好等优点,在求解TOTSP上搜索性能更强、时间更优。

蚁群算法和蛙跳算法的融合研究

针对蚁群算法的一些缺点提出改进的策略,包括状态转移和信息素更新策略,进一步提高了算法的计算能力。对蛙跳算法提出改进策略,包括高斯变异及柯西变异策略,然后提出蛙跳-蚁群算法的混合框架。最后将蛙跳算法与蚁群算法进行结合并进行实验验证,实验结果表明混合算法有效。

求解旅行商问题的改进混合蛙跳算法

混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)是解决组合优化问题的有效方法,但是应用于TSP问题时,由于SFLA没有充分利用最佳个体的优良信息,导致收敛速度太慢。文中把遗传算法(Genetic Algorithm,GA)的交叉和变异引入SFLA,提出了一种针对旅行商问题(Traveling Salesman Problem,TSP)的改进混合蛙跳算法(Improved Shuffled Frog Leaping Algorithm,ISFLA)。应用于TSP的实验结果表明:ISFLA的收敛速度明显高于SFLA,同时优于GA和简单翻转算子。ISFLA不仅表现出了更快的收敛速度,而且能有效地缓解局部早熟收敛。

基于混合蛙跳粒子群算法的TSP问题求解

为提高粒子群算法求解TSP(Travelling Salesman Problem)问题的性能,在算法搜索初期,将混合蛙跳算法和粒子群算法相融合,针对初始粒子群随意性大、粒子分布不均的问题,利用混合蛙跳算法的分组策略将种群分组,采用改进的蛙跳更新公式优化次优个体,并抽取各层次个体得到新种群,从而提高最优个体的获得速度;在算法后期,引入3重交叉策略和基于疏密性的引导变异操作,解决粒子多样性降低、易陷入局部最优的问题。利用改进算法求解TSP问题,并与其他算法进行对比。结果表明,改进算法是有效的且性能优于其他算法。

“旅行青蛙”背后的传播学反思

2018年1月以来,一款由日本游戏公司Hit-point开发的手机游戏“旅行青蛙”风靡中国,更一度强势登顶中国App Store免费榜。文章从传播学的视角分析“旅行青蛙”的传播特点及其风靡原因,并尝试探讨这款游戏风靡所带给我们的传播启示,从而更好地理解自身,也更好地认知媒介。

“放置”游戏与参与者人际传播互动逻辑——基于手机游戏《青蛙旅行》现象研究

人际传播是人类活动中重要的组成部分,新技术和社会结构的发展变化使得人际传播的形式和结构也发生着相应的变化。以社交网络为依托的各类网络社交游戏在短时间内发展迅速,其用户总人数和活跃人数与日攀升。本研究从传播学、社会学、心理学等多重视角,以目前手机游戏平台上最为火爆的“放置”游戏《青蛙旅行》为例,对手机游戏参与者的人际传播互动逻辑进行研究。本研究试图通过新京报与微舆情调研之问卷调查及数据分析与心理学者、精神分析专家的论述对“放置”游戏参与者使用情况进行探讨分析,试图从中分析“放置”游戏中人际传播模式的特点,并进一步研究手机游戏中的人际传播对参与者现实中的人际传播和人际关系的影响。本研究还对人际传播方式在新技术和社会结构的作用下发生的变化进行评析。

基于Unity的旅行青蛙游戏APP设计

为完善近年来流行的日本“旅行青蛙”游戏APP的展示功能、体验感和兼容性,以该游戏为原型,基于Unity平台,采用C#语言编写代码及搭建系列游戏场景,设计一款可重现原游戏功能的APP。应用测试结果表明,设计的APP能在短时间内展示游戏环节,实现种植三叶草并换取积分、商店购物、准备行李、随机出游并寄送明信片、青蛙好友来访等功能;代码采用Unity游戏引擎打包封装成APK文件,可以直接下载到Android手机端进行安装;相比原有APP,具有开发时间短、代码优化、体验感和兼容性更为完善等优势。