摘要：最小支配集问题(MDS)是图论中的一个重要问题,在网络资源配置中有广泛的应用。上述问题是一个NP难问题,传统的启发式算法求解最小支配集问题时速度慢,且易于陷入局部最优解。将上述问题原有的无向图转化为对应的因子图,基于因子图构建最小支配集问题的线性规划方程,将方程代入图模型(GM)中,设计了一种求解最小支配集问题的置信传播算法。当算法收敛时,获得每个节点取值的边缘概率,利用边缘概率高概率地决定最小支配集节点。在随机生成的无向图上进行数值实验,结果表明,算法有效。

摘要：为了避免对初始解空间的复杂过滤,同时充分利用粘贴模型在生物操作过程中的优越性,设计了基于粘贴模型的改进DNA算法。对于最小支配集问题和最小顶点覆盖问题,算法设计可以直接生成可满足解的解空间,使解空间的规模小于O(2n),从而简化最优解的筛选。通过具体实例说明了该算法的可行性。