11、平面不相交路径补全问题研究

平面不相交路径补全问题研究

在图论和算法领域,图的补全问题一直是研究的热点之一。本文将聚焦于平面不相交路径补全(Planar Disjoint Paths Completion,PDPC)问题,详细介绍其定义、参数化复杂度以及解决该问题的算法和思路。

1. 问题背景与定义

在实际场景中,我们可能会遇到这样的问题:给定一个平面道路网络,包含 (n) 个城市以及 (k) 对城市对,同时指定网络中的一个空白区域。我们希望在这个空白区域添加最少数量的城际道路,使得扩展后的网络仍然保持平面性,并且这 (k) 对城市对之间存在 (k) 条内部不相交的道路。从图论的角度来看,这就是一个平面不相交路径补全问题。

  • 不相交路径问题(DP)

    • 定义 :输入为一个无向图 (G) 和 (k) 对终端 (s_1, t_1, \cdots, s_k, t_k \in V(G)),问题是在 (G) 中是否存在 (k) 条两两内部顶点不相交的路径 (Q_1, \cdots, Q_k),使得路径 (Q_i) 连接 (s_i) 到 (t_i)。
    • 复杂度 :DP 问题即使在平面图上也是 NP 完全的,但当以 (k) 为参数时,它属于参数化复杂度类 FPT,可以在 (f(k) \cdot n^{O(1)}) 时间内解决。对于平面图,该问题可以在 (f(k) \cdot n) 时间内解决。
  • 平面不相交路径补全问题(PDPC)

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值