采用MEC求解最大团问题
本文提出采用思维进化计算(Mind；Evolutionary；Computation，MEC)求解最大团问题(Maximum；Clique；Problem，MCP)的一个启发式算法——MCP-MEC1。解决了采用MEC求解最人团问题时个体与子群体的构造，个体的评价，趋同与异化操作的构成等问题。采用DIMACS(Discrete；Mathematics；&；Theoretical；Computer；Science)组织所提供的21个基准图对MCP-MEC1算法进行了测试，并与当前求解最大团问题的最好方法，RLS(Reactive；Local；search)算法和HGA(heuristic；genetic；algorithm)算法，进行了比较。实验结果表明，MCP-MEC1的性能优于HGA，与RLS相当，是当前求解最大团问题的最好的启发式算法之一。
思维进化计算 最大团问题 启发式算法 组合优化
周旭东 孙承意 李文娟
太原理工大学计算机系 太原 030024 北京城市学院人工智能研究所 北京北四环中路269号 北京 100083;太原理工大学计算机系 太原 030024 北京城市学院人工智能研究所 北京北四环中路269号 北京 100083
国内会议
广州
中文
119-124
2003-09-21（万方平台首次上网日期，不代表论文的发表时间）