【技术实现步骤摘要】
一种陈群序优化结构求旅行商数据处理方法、介质、设备
[0001]本专利技术属于数据处理
，尤其涉及一种陈群序优化结构求旅行商数据处理方法、介质、设备。
技术介绍
[0002]目前，P/NP问题是一类计算复杂度问题的统称。P即多项式算法：设问题规模为N，求最优解的原子步骤总数为O(N^C)，C为常数。NP即非确定多项式算法：设问题规模为N，求最优解的原子步骤总数可能为O(N^f(N))(即指数级算法，这时P！＝NP)，也可能为O(N^C)，C为常数(即多项式算法，这时P＝NP)。NPC问题是NP问题里最难的一类问题，只要有一个NPC问题有多项式算法，则所有NP问题均有多项式算法，P＝NP。反之，只要有一个NPC问题只有指数级算法，则所有NP问题均只有指数级算法，P！＝NP。旅行商问题(TSP)是其中的这样一个NPC问题，其它的还有控制论中的最优控制问题、数学中的最优化问题、量子计算中的伊辛模型、生物学中的蛋白质折叠问题、工业上的车间调度问题、围棋博弈问题、约束满足问题、一阶谓词逻辑推理问题、背包问题，等等。
[0...
【技术保护点】
【技术特征摘要】
1.一种陈群序优化结构求旅行商数据处理方法，其特征在于，所述陈群序优化结构求旅行商数据处理方法包括：从N个top1/N到1个top1/N^2的发掘过程中，进行序优化选择概率的突变，提升N倍，再到N个top1/N^2，形成一个序优化概率梯度，直到top1/N^N，得到旅行商问题最优解。2.如权利要求1所述的陈群序优化结构求旅行商数据处理方法，其特征在于，所述陈群序优化结构求旅行商数据处理方法包括以下步骤：步骤一，获得N个顶圈第k轮初始种子采样点；步骤二，当k大于0，基于历史数据打分梯度得到N个R
k+1
候选点；步骤三，确定两种混合元启发式；进行边长阶数S、边长值数M、同阶边数C、边长值点集数D四个特征指标的初始化；步骤四，确定3N个R
k
新排序的采样点，随机或启发式选择的后验概率；步骤五，判断是否达到最大迭代次数，没有，则返回步骤二；达到，则获得一个打分最高的R
k+1
种子采样点；步骤六，判断是否获得N个R
k+1
种子采样点，若否，则返回步骤一；若是，则对全部历史采样点进行增量刷新打分结果、重新排序及其他后处理；即可得到最低解。3.如权利要求2所述的陈群序优化结构求旅行商数据处理方法，其特征在于，所述3N个R
k
新排序的采样点包括：2个MMH、N个R
k+1
候选点以及N个R
k
顶圈采样点。4.如权利要求2所述的陈群序优化结构求旅行商数据处理方法，其特征在于，步骤三中，所述两种混合元启发式包括：1)遗传算法+虫洞/飞鸟算法+蚁群算法+禁忌搜索算法；2)模拟退火结晶算法+虫洞/飞鸟算法+蚁群算法+禁忌搜索算法。5.如权利要求1所述陈群序优化结构求旅行商数据处理方法，其特征在于，所述陈群序优化结构求旅行商数据处理方法还包括：1)根据序优化盲选法概率公式：其中g和s分别是top解集G和采样集S的规模，T是所有解集的总规模，对于N城市TSP来说T是O(N^N)量级，设G为top T/N解集合，则g是O(N^(N
‑
1))量级，s＝N；2)这个序优化启发式不能找到最优解，只能找到足够好解；3)设G为top T/N^2解集合，当平行搜集N个这样的top T/N解后，组成一个规模为N的新G的新初始采样集S0；4)在S的基础上继续用后验启发式采样N个G的候选解S1，这时面临两个问题：4
‑
1)S1可能不全是top T/N解；4
‑
2)S1可能没有1个top T/N^2解；5)这两个问题可能独立，也可能不独立，从概率分析的角度讲，考虑最坏情况即这两个问题独立；6)为了解决这两个问题，分别从几何和数字两个视角看待已获得的top梯度解集；7)从几何的角度讲，先得从top历史梯度几何结构启发式地获得N个top T/N解，才能从
中运用数字启发式获得1个top T/N^2解；8)对于已获得的采样数据来讲，top历史梯度几何结构和top历史梯度扁平化数据是一个对象的两个方面，或称两个视角，同时由著名的朗兰兹纲...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。