【摘 要】
：
点覆盖是一个著名的NP难解问题,在通信网络和生物信息学等领域具有重要应用。针对点覆盖的研究主要集中在启发式或近似算法,其主要不足是无法实现全局最优。核心化是处理难解
【基金项目】
：
国家自然科学基金（61370185）, 广东省自然科学基金博士启动项目（2015A030310445）, 惠州学院博士启动项目（C513.0211）
论文部分内容阅读
点覆盖是一个著名的NP难解问题,在通信网络和生物信息学等领域具有重要应用。针对点覆盖的研究主要集中在启发式或近似算法,其主要不足是无法实现全局最优。核心化是处理难解问题的一种新方法。提出融合启发式操作和核心化操作的算法框架,利用核心化技术进行点覆盖启发式算法优化。核心化操作挖掘出全局最优的顶点集,而启发式操作改变网络拓扑,使下一轮核心化操作能够继续,两者交叉执行实现解精度优化。实验结果表明,提出的算法在不同网络中均能实现不同程度的优化,在几乎所有稀疏网络实例中获得了最优解。
其他文献
受限伪随机函数的概念于2013年分别是由Boneh和Waters、Kiayiaset等以及Boyle等提出的,是指由主密钥k可以派生出一个受限密钥ks,在定义域的受限集合S上利用主密钥k和该受限密
随着电子医疗的高速发展，医疗机构需要花费大量资源管理各自独立庞大的电子病例数据，同时医疗机构之间难以实现数据共享。为此提出了一种适用于电子医疗环境的密文检索方案。该
针对行人重识别研究中训练样本的不足,为提高识别精度及泛化能力,提出一种基于卷积神经网络的改进行人重识别方法。首先对训练数据集进行扩充,使用生成对抗网络无监督学习方法生成无标签图像;然后与原数据集联合作半监督卷积神经网络训练,通过构建一个Siamese网络,结合分类模型和验证模型的特点进行训练;最后加入无标签图像类别分布方法,计算交叉熵损失来进行相似度量。实验结果表明,在Market-1501、CU
三维微处理器具有集成度高、全局互连线短及连接部件多的优势，但是传统的三维拓扑结构在大规模系统中无法充分利用垂直方向上低延时高带宽的特性，很难满足大规模众核微处理器低