57、多边形守卫与非NP难优化问题的不可近似性研究

多边形守卫与非NP难优化问题的不可近似性研究

无洞多边形守卫问题
  1. 图案构造
    • 变量图案左支 :除点 $v_5$ 外构建变量图案的左支。$v_5$ 是与 $v_5’$ 相距常数距离 $d$ 的垂直线,与从 $e_2$ 经过 $v_5’$ 延伸的尖锥边界线,或者与从 $v_1$ 经过第一支最顶部尖峰点 $s_4$ 的直线的交点,$v_5’$ 与 $v_1$ 的获取过程相同。
    • 文字图案 :采用与变量图案左支类似的方法,将点 $l_5$ 向上移动,常数为 $d’$。此操作可使延伸的尖锥不变或仅“缩小”,且尖锥的变化会使变量图案中尖峰的开口变小。
    • 子句连接 :构建子句连接,保证尖锥不与多边形边界相交。距离 $b$ 定义为所有两个延伸尖锥交点中 $y$ 值最大的点,到文字图案水平线的 $y$ 距离,与距离 $w’$ 中的最小值。完成构造后,最左边子句连接的点 $w_1$、$w_6$ 和 $p_8$ 共线。
    • 分析表明所有点的坐标可在多项式时间内计算,部分坐标需要多项式位数,因此该构造在输入规模上是多项式的。
  2. 解的转换
    • 确定位于多边形 $w_1, \cdots, w_6$ 内的守卫,并将其移动到 $w_1$。
    • 对于每个文字图案,确定能看到点 $l_4$ 且在文字图案内的守卫,将其移动到文字图案中 $l_1(= T
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题能对比:对比不同优化算法在训练集和测试集上的预测能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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