给定一个表示加权有向图的输入相邻矩阵 (AdjMax)。 该函数查找从一个顶点“i”到另一个“j”的海岸路径。 返回值包括一个矩阵 (S),它表示顶点“i”和“j”之间的最短距离,以及一个矩阵 (P),它表示从顶点“i”到顶点“j”的路径上的下一个顶点“k” '
2021-12-20 13:12:51 703B matlab
1
Solving Vehicle Routing Problems Using Constraint Programming and Metaheuristics.pdf
2021-12-18 09:11:36 231KB VehicleRouting
1
图 1.33 部分解空间树 8. 答:(1)n=3 时的解搜索空间如图 1.34 所示,不能得到任何叶子结点,所有无 解。 (2)剪枝操作是任何两个皇后不能同行、同列和同两条对角线。 (3)最坏情况下每个结点扩展 n 个结点,共有 nn个结点,算法的时间复杂度为 O(nn)。 (*,*,*) (1,*,*) (1,3,*) (2,*,*) (3,*,*) (3,1,*) 图 1.34 3 皇后问题的解搜索空间 9. 解:用数组 w[0..n-1]存放 n 个集装箱的重量,采用类似判断子集和是否存在解的 方法求解。对应完整的求解程序如下: #include #define MAXN 20 //最多集装箱个数 //问题表示 int n=5,W; int w[]={2,9,5,6,3}; int count; //全局变量,累计解个数 void dfs(int tw,int rw,int i) //求解简单装载问题 { if (i>=n) //找到一个叶子结点 { if (tw==W) //找到一个满足条件的解,输出它 count++; } else //尚未找完 { rw-=w[i]; //求剩余的集装箱重量和 if (tw+w[i]=W) //右孩子结点剪枝:剪除不可能存在解的结点 dfs(tw,rw,i+1); //不选取第i个集装箱,回溯 } } bool solve() //判断简单装载问题是否存在解
2021-12-12 14:28:26 7.27MB 答案
1
用于软件定义的网络路由优化的深度强化学习方法 :乔治·(Giorgio Stampa),玛塔·阿里亚斯(Marta Arias),大卫·桑切斯·查尔斯(David Sanchez-Charles),维克多·芒特斯·穆勒(Victor Muntes-Mulero),阿尔伯特·卡贝洛斯(Albert Cabellos) 在本文中,我们设计和评估了可以优化路由的深度强化学习代理。 我们的代理会自动适应当前的流量状况,并提出量身定制的配置,以尽量减少网络延迟。 实验显示非常有前途的性能。 而且,相对于传统的优化算法,该方法具有重要的操作优势。 代码和数据集。 Keras和Deep确定性策略梯度可
1
Tejal Carwalo,Jerin Thankappan,Jerin Thankappan容量受限的VRP
2021-12-01 18:01:39 1.32MB 算法
1
01 HCIP-Routing& Switching2.5提升企业级网络性能教材RS.pdf 02 HCIP-Routing& Switching V2.5部署企业级路由交换网络教材 NP. pdf 03 HCIP-Routing& Switching V25部署企业级网络工程项目教材 EP. pdf 11HCP实验指导书 HCIP-IERS M25pdf 12HCP实验指导书 HCIP-IENP V25,pdf
2021-12-01 14:02:46 98.25MB 华为 HCIP
WSN中的Ad-hoc On-Demand Distance Vector Routing英文论文原文,如果有需要的话就自行下载吧。
2021-11-23 09:02:10 211KB WSN AODV
1
路由变压器 全功能实现。本文提出使用k最近邻居将相似的查询/关键字路由到同一群集中以引起注意。 131k代币 安装 $ pip install routing_transformer 用法 简单的语言模型 import torch from routing_transformer import RoutingTransformerLM model = RoutingTransformerLM ( num_tokens = 20000 , dim = 512 , heads = 8 , depth = 12 , max_seq_len = 8192 , causal = True , # auto-regressive or not emb_dim = 128 , # embedding fa
1
electric_vehicle_routing_problem_with_time_windows 维也纳技术大学的带时间窗的电动车辆路线问题(EVRPTW),用于优化运输和物流业夏季课程2018年夏季 伪代码构造启发式 从距离保持器(getInterCustomerDistances)获取客户地图客户->潜在邻居 遍历这些客户 如果一个客户用于一条路线-跟踪该信息,以便在合并时不浪费客户两次 如果客户没有潜在的邻居(铅笔路径),请检查返回途中是否需要充电 如果客户有潜在邻居,请遍历所有邻居并检查 如果能量仍然足够(计算使用的功率并使用) 插入下一个客户 计算剩余电量并跟踪时间 当要为下一个客户提供服务时,请使用剩余的电池和新的时间 如果没有,请检查最近的充电站是否可以完全填满时间窗口 如果是,请前往充电站并计算由于充电而引起的时间偏移 如果没有,请尝试列表中的下一个客户
2021-11-13 15:56:53 136KB Java
1