算法结合问题

1. 构建基于物联网的煤炭物流供应链智能系统感知框架，以物流各环节作为智能感知节点，自动实时地感知库存与运输的变化，为实现煤炭物流供应链的库存与运输联合优化调度提供及时准确的数据。然后根据该感知框架，构建三层煤炭物流供应链模型,包括煤炭生产、中转与客户在内的三级节点，客户采用自动连续库存检查策略，在随机环境下，建立两种库存与运输联合优化模型。 2. 用混合的算法对该模型进行求解

(1)随机模拟：利用随机模拟①计算E?f(x,?)?，②求解概率Pr{f(x,?)?0}，③确定最大的f使得Pr{f(x,?)?f}??或最小的f使得Pr{f(x,?)?f}??；

(2)随机规划函数的逼近：用智能算法训练BP神经元网络来逼近不确定函数，以产生复杂非线性规划的数据输出；

(3)复杂约束的处理：利用乘子罚函数的思想，将带约束的问题处理成不带约束的问题；

(4)混合智能算法：融合随机模拟、BP神经网络、否定选择等在内的改进的免疫遗传-细菌觅食优化算法，用来求解不确定模型 改进的免疫遗传-细菌觅食优化算法：

在细菌觅食优化算法中，加入信息熵的概念来表征种群的相似性，从而在细菌复制操作的过程中，自适应的调整细菌的交叉概率Pm。具体描述为： c和变异概

车辆路径问题优化算法

美国物流管理学会(Council of Logistics Management，CLM)对物流所作的定义为：“为符合顾客的需要，对原料、制造过程中的存货与制成品以及相关信息，从其起运点至最终消费点之间，做出的追求效率与成本效果的计划、执行与控制过程。”

而有关资料显示，物流配送过程(包含仓储、分拣、运输等)的成本构成中，运输成本占到52%之多。因此，如何在满足客户适当满意度的前提下，将配送的运输成本合理地降低，成为一个紧迫而重要的研究课题，车辆路径问题正是基于这一需求而产生的。

2.1车辆路径问题的定义

车辆路径问题可以描述为：给定一组有容量限制的车辆的集合、一个物流中心（或供货地）、若干有供货需求的客户，组织适当的行车路线，使车辆有序地通过所有的客户，在满足一定的约束条件（如需求量、服务时间限制、车辆容量限制、行驶里程限制等）下，达到一定的目标（如路程最短、费用极小、时间尽量少、使用车辆数尽量少等）。[4]

因此研究车辆的路径问题，就是要研究如何安排运输车辆的行驶路线，使运输车辆依照最短的行驶路径或最短的时间费用，依次服务于每个客户后返回起点，总的运输成本实现最小。

车辆路径问题已被证明是NP-Hard问

贪心算法求解背包问题

一、 实验内容

有一个承重为W的背包和n个物品，它们各自的重量和价值分别是wi和vin

W wi求这些物品中最有价值的一个子集。如果每次选择某（1<=i<=n），设

i 1一个物品的时候，只能全部拿走，则这一问题称为离散（0-1）背包问题；如果每次

可以拿走某一物品的任意一部分，则这一问题称为连续背包问题。

二、 算法思想

首先计算出物品单位重量的价值vi/wi，并排序，依贪婪策略，从物品中选择可装入背包的vi/wi值最大的物品。若该物品装入背包后，背包中物品总重量未超过背包最大承重m，则选择单位重量价值次之的物品装入背包，依次策略进行下去，直到背包装满为止。

三、 实验过程（C++）

#include<iostream>

using namespace std;

//n表示背包可以存放物品的种类

//指针p指向存放物品价值的数组

//指针q指向存放物品重量的数组

void sort(int n,float *p,float *q)

{

int i;

int j;

for(i=0;i<n-1;i++)

for(j=i+1;j<n;j++)

if((*(p+i))/(*(q+i))<(*(p+j))/(*(q+j)))

介绍针对背包问题的量子算法分析

２００４年１１月第３０卷第１１期

北京航空航天大学学报

Ｎｏｖｅｍｂｅｒ　２００４背包问题的量子算法分析

吕　欣　　冯登国

（中国科学院研究生院信息安全国家重点实验室，北京１０００３９）

　　摘　　　要：对可用于密码体制设计的ＮＰ完全问题———背包问题，进行了量子算法分析．从复杂度理论角度出发，讨论了如何用量子搜索算法加速背包问题等ＮＰ

完全问题的求解．并从群论的角度与Ｓｈｏｒ的大数分解算法做了比较，讨论了影响算法速度一些因素．对量子算法的特性和前景做了展望．

关　键　词：量子计算；背包问题；复杂度理论；密码分析中图分类号：ＴＰ３０１畅６

文献标识码：Ａ　　　　文章编号：１００１－５９６５（２００４）１１－１０８８－０４

Ｑｕａｎｔｕｍａｌｇｏｒｉｔｈｍａｎａｌｙｓｉｓｏｆｋｎａｐｓａｃｋｐｒｏｂｌｅｍ

（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｅｃｕｒｉｔｙ，ＧｒａｄｕａｔｅＳｃｈｏｏｌ，ＣｈｉｎｅｓｅＡｃａｄｅｍｉｃｏｆＳｃｉｅｎｃｅ，Ｂｅｊｉｎｇ１０００３９，Ｃｈｉｎａ）

ＬüＸｉｎ　ＦｅｎｇＤｅｎｇｇｕｏ

Ａｂｓｔｒａｃｔ：Ｓｐｅｅｄｉｎｇｕｐｋｎａｐｓａｃｋｐｒｏｂｌｅｍ，ｏｎｅｏｆｔｈｅＮ

。

计算机算法设计与分析（第3版）

128页

算法实现题4-1 会场安排问题

问题描述：假设要在足够多的会场里安排一批活动，并希望使用尽可能少的会场。设计一个有效的算法进行安排。(这个问题实际上是著名的图着色问题。若将每一个活动作为图的一个顶点，不相容活动间用边相连。使相邻顶点着有不同颜色的最小着色数，相应于要找的最小会场数。) 编程任务：对于给定的k 个待安排的活动，编程计算使用最少会场的时间表。Input 输入数据是由多组测试数据组成。每组测试数据输入的第一行有1 个正整数k，表示有k 个待安排的活动。接下来的k 行中，每行有2 个正整数，分别表示k 个待安排的活动开始时间和结束时间。时间以0 点开始的分钟计。Output 对应每组输入，输出的每行是计算出的最少会场数。

源代码：

#include

int fnPartition(int a[], int low, int high)

{

int i,j;

int x = a[low];

i = low;

j = high;

while(i

{

-可编辑修改-

。

while(i { j = j-1; }

if(i

while(i =a[i]) i++;

if(i

}

a[i] = x;

return i;

}

void fnQu

.

.. 《排序问题求解》实验报告

一、算法的基本思想

1、直接插入排序算法思想

直接插入排序的基本思想是将一个记录插入到已排好序的序列中，从而得到一个新的，记录数增1 的有序序列。

直接插入排序算法的伪代码称为InsertionSort，它的参数是一个数组A[1..n]，包含了n 个待排序的数。用伪代码表示直接插入排序算法如下：

InsertionSort (A)

for i←2 to n

do key←A[i] //key 表示待插入数

//Insert A[i] into the sorted sequence A[1..i-1]

j←i-1

while j>0 and A[j]>key

do A[j+1]←A[j]

j←j-1

A[j+1]←key

2、快速排序算法思想

快速排序算法的基本思想是，通过一趟排序将待排序序列分割成独立的两部分，其中一部分记录的关键字均比另一部分记录的关键字小，则可对这两部分记录继续进行排序，以达到整个序列有序。

假设待排序序列为数组A[1..n]，首先选取第一个数A[0]，作为枢轴（pivot），然后按照下述原则重新排列其余数：将所有比A[0]大的数都排在它的位置之前，将所有比A[0]

小的数都排在它的位置之后，由此以A[0]最

贪心算法求解背包问题

一、 实验内容

有一个承重为W的背包和n个物品，它们各自的重量和价值分别是wi和vin

W wi求这些物品中最有价值的一个子集。如果每次选择某（1<=i<=n），设

i 1一个物品的时候，只能全部拿走，则这一问题称为离散（0-1）背包问题；如果每次

可以拿走某一物品的任意一部分，则这一问题称为连续背包问题。

二、 算法思想

首先计算出物品单位重量的价值vi/wi，并排序，依贪婪策略，从物品中选择可装入背包的vi/wi值最大的物品。若该物品装入背包后，背包中物品总重量未超过背包最大承重m，则选择单位重量价值次之的物品装入背包，依次策略进行下去，直到背包装满为止。

三、 实验过程（C++）

#include<iostream>

using namespace std;

//n表示背包可以存放物品的种类

//指针p指向存放物品价值的数组

//指针q指向存放物品重量的数组

void sort(int n,float *p,float *q)

{

int i;

int j;

for(i=0;i<n-1;i++)

for(j=i+1;j<n;j++)

if((*(p+i))/(*(q+i))<(*(p+j))/(*(q+j)))

一、15数码问题的描述及其状态空间法表示

（1）15数码问题描述

15数码问题又叫移棋盘问题，是人工智能中的一个经典问题。所谓的15数码问题：就是在一个4×4的16宫格棋盘上，摆放有15个将牌，每一个将牌都刻有1～15中的某一个数码。棋盘中留有一个空格，允许其周围的某一个将牌向空格移动，这样通过移动将牌就可以不断改变将牌的布局。这种求解的问题是：给定一种初始的将牌布局或结构(称初始状态)和一个目标布局(称目标状态)，问如何移动数码，实现从初始状态到目标状态的转变，如图1所示 。问题的实质就是寻找一个合法的动作序列

5 13 14 1 12 6 2 15 11 3 7 4 10 9 8 1 5 9 13 2 6 10 14 3 7 11 15 4 8 12 (a)初始状态 (b)目标状态

图1 15数码问题的一个实例

（2）状态空间法表示

人工智能问题的求解是以知识表示为基础的。如何将已获得的有关知识以计算机内部代

[1]

码形式加以合理地描述、存储、有效地利用便是表示应解决的问题。目前的知识表示方法有十余种，如：一阶谓词逻辑表示法、产生式表示法、状态空间表示法、语义网格表示法、框架表示

基于遗传算法和蚂蚁算法求解函数优化问题

第!"卷第#期$%%&年#月

!"’()*+,-(./013,++361*738:+3+11*3+<31+<1245944;

工学版"浙!江!大!学!学!报!

=(->!"?(>#

@,*>$%%&

基于遗传算法和蚂蚁算法求解函数优化问题

杨剑峰

"浙江大学电气工程学院$浙江杭州##"%%$&

摘!要#针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题$提出一种基于遗传算法和蚂蚁算法的混合算法>该混合算法利用了遗传算法快速随机的全局搜索能力的优点$设计了编码与适应度函数$进行了种群生成与染色体的选择$并通过设定交叉算子和变异算子$生成了信息素分布>该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点$通过确定吸引强度的初始值$建立了强度更新的模型$从而求得精确解>并将该算法应用于求解函数优化问题>结果表明$该混合算法与遗传算法和蚂蚁算法相比$收敛速度快$寻优性能好>关键词#遗传算法&蚂蚁算法&函数优化

#中图分类号#JK"#!!!!!文献标识码#Q!!

实验三、0-1背包问题（贪心算法）

实验代码：

#include<stdio.h>

int max(int a,int b)

{

if(a>b)

return a;

else

return b;

}

void Knapsack(int *v,int *w,int *x,int c,int n, int m[8][100]) {

int i,j;

for(j=0;j<c;j++)

{

if(j<w[n])

m[n][j]=0;

else

m[n][j]=v[n];

}

for(i=n-1;i>=1;i--)

{

for(j=w[i];j<=c;j++) m[i][j]=max(m[i+1][j],m[i+1][j-w[i]]+v[i]); } for(i=1;i<n;i++)

{

if(m[i][c]==m[i+1][c])

x[i]=0;

else

{x[i]=1; c=c-w[i];}

}

x[n]=(m[n][c])?1:0;

return;

}

int main()

{

int i=0;

int n=7;

int w[]={0,2,3,5,7,1,4,1};

int v[]={0,10,5,15,7,6,