人工智能课程报告--分别用宽度优先、深度优先、贪婪算法和A_算法求解“罗马利亚度假问题”.docx

研究网络中设施的需求一部分来自于网络节点, 一部分来自于过往流量的基于混合需求的设施选址问题。引入引力模型, 以新建设施获得总利润最大为目标建立非线性整数规划模型, 并构造启发式算法, 通过MATLAB进行仿真实验, 将求解结果与GPAH算法及精确算法的结果进行比较。比较结果表明, 提出的算法求解质量高、运行速度快, 可用于大中型网络设施的选址问题。

拟阵贪婪算法在景区装饰灯中的应用.txt

使用模拟退火贪婪算法解决数独难题.zip，这是一份不错的文件

贪婪算法的源代码，用C语言编写，matlab也适用

这项工作代表了对现有 OMP 和 COSAMP 贪婪算法的修改，以便它们即使在指数和对数等非线性稀疏场景中也能有效恢复。

为大幅度减少采集路面不平度信号的存储空间，提高采集速度，基于压缩感知理论针对标准路面的不平度信号进行压缩采样和重构。首先验证了B级路面不定度信号在频域下的近似稀疏性，并进行了信号的压缩采样。针对现阶段凸优化方法和常用的三种贪婪算法的不足，提出一种改进的模拟退火算法与子空间追踪算法相结合的稀疏度自适应匹配追踪算法，利用改进的模拟退火算法快速搜索匹配最优的稀疏度，并采用子空间追踪算法快速重构信号。仿真实验对比五种重构方法，结果表明，凸优化方法精度较高，耗时过长；OMP和SP算法耗时极短，但需要预先进行实验来估测信号的稀疏度，实用性低；SAMP算法能实现稀疏度的自适应匹配，但匹配的误差较大，且耗时较长；提出的新方法具有良好的精度和较快的执行速度，R-squares和耗时的均值分别为0.983 7和2.77 s，稀疏度估测效果较好，且采样点数的增加不影响算法重构信号的速度。

贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择,也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题也能产生整体最优解或者是整体最优解的近似解。本文首先介绍了贪心算法的核心、特点及算法本身存在的问题，接下来介绍了前人已经研究出来的成果，包括哈夫曼编码、单源最短路径、最小生成树等。然后结合实践，研究了多处最优服务次序问题、删数问题、汽车加油问题、最优合并问题、会场安排问题等。最后用代码实现其中的两个问题，对贪心算法的具体实现方法做了详细说明。

近年来的信息学竞赛中，经常需要求一个问题的可行解和最优解，这就是所谓的最优化 问题。贪心法是求解这类问题的一种常用算法。在众多的算法中，贪心法可以算的上是最接近人们日常思维的一种算法，他在各级各类信息学竞赛、尤其在一些数据规模很大的问题求解中发挥着越来越重要的作用。

贪婪算法matlab代码ResourceAllocationV2Xgraph 该项目包含以下论文的MATLAB代码。 如果发现有任何帮助，请考虑将其引用。 L. Liang，S。Xie，GY Li，Z。Ding和X. Yu，“车辆通信中基于图的资源共享”，《 IEEE Transactions on Wireless Communications》，第1卷。 17号2018年7月，第7卷，第4579–4592页。 请从三个主要文件开始 “ mainCDFvsRateSINR_baseline.m”：图1和2中的再现算法4。 4和5 “ mainCDFvsRateSINR_greedy”：图1和2中的再现算法5。 4和5 “ mainRateVsSpeed_randomized”：图7中的再现算法6和7 请将所有问题/询问发送至。