×
Calle，F.哈维尔；多洛雷斯·库亚德拉；里韦罗，杰西卡；佩德罗·伊萨西

推动对大型动态图的探索。 （英语） 兹比尔1436.62218

Ros，Frédéric（ed.）等人，《监督或非监督任务的取样技术》。查姆：斯普林格。无监督。半监督。学习。，205-226 (2020).
摘要：本章重点介绍了处理经过连续变化的非常大的图（巨大的动态图）。处理此类结构的新需求通常包括寻求灵活性，甚至以所提供的解决方案的质量为代价。具体来说，本章重点讨论通过图在两个节点之间搜索路径的问题。在简要回顾了方法之后，本文将围绕元启发式算法以及如何使蚁群优化适应这些要求展开论述。
有关整个系列，请参见[Zbl 1433.62016年].

MSC公司：

62H22个 概率图形模型
62兰特 大数据和数据科学的统计方面
05C90年 图论的应用

关键词：

巨大的图形；动态图；路径搜索方法；数据库支持的metherstics；蚁群优化；哥尼斯堡大桥；巨大的动态图

软件：

二甲基丙烯酸甲酯
PDF格式BibTeX公司 XML格式引用
\textit{F.J.Calle}等人，in：监督或非监督任务的采样技术。查姆：斯普林格。205-226（2020年；Zbl 1436.62218）
全文： 内政部

参考文献：

[1] Dorigo，M.，Maniezzo，V.，Colorni，A.：蚂蚁系统：自动催化优化过程，第91-016号技术报告修订。米兰理工大学，米兰（1991）·Zbl 0912.90240号
[2] Dorigo，M.，Stützle，T.：蚁群优化。麻省理工学院出版社，剑桥（2004）·邮编1092.90066 ·doi:10.7551/mitpress/1290.001.0001
[3] Dijkstra，E.W.：关于与图有关的两个问题的注释。数字数学。1(1), 269-271 (1959) ·Zbl 0092.16002号 ·doi:10.1007/BF01386390
[4] Bast，H.、Funke，S.、Matijevic，D.、Sanders，P.、Schultes，D.：道路网络中持续最短路径查询的过渡过程。收录：WS算法工程与实验论文集（2007）·Zbl 1226.90023号
[5] Delling，D.，Sanders，P.，Schultes，D.，Wagner D.：公路等级之星。In:第九届DIMACS实施挑战：最短路径（2006年11月）
[6] Delling，D.，Holzer，M.，Müller，K.，Schulz，F.，Wagner，D.：高性能多级路由。摘自：Demetrescu，C.、Goldberg，A.V.、Johnson，D.S.（编辑）《最短路径问题：第九次DIMACS实施挑战》，DIMACS图书，第74卷，第73-92页。美国数学学会，普罗维登斯（2009）·Zbl 1204.90110号 ·doi:10.1090/图像/074/04
[7] Bast，H.、Delling，D.、Goldberg，A.、Müller-Hannemann，M.、Pajor，T.、Sanders，P.、Wagner，D.、Werneck，R.：运输网络中的路线规划。汽水分离再热器技术报告。(2014)
[8] Chan，E.P.F.，Lim，H.：最短路径查询的优化和评估。国际期刊：超大数据库。16(3), 343-369 (2007) ·doi:10.1007/s00778-005-0177-1
[9] Chan，E.P.F.，Zhang，J.：一种快速统一的最优路径查询评估算法。摘自：第16届ACM信息和知识管理会议记录。第371-380页（2007年）
[10] Yu，J.X.，Cheng，J.：图形可达性查询：一项调查。In:Aggarwal，C.，Wang，H.（编辑）管理和挖掘图形数据。《数据库系统进展》，第40卷，第181-215页。(2010)
[11] Sankaranarayanan，J.，Samet，H.：空间网络的距离预言。摘自：第25届IEEE国际数据工程会议记录，第652-663页。IEEE，皮斯卡塔韦（2009）
[12] Sankaranarayanan，J.、Samet，H.、Alborzi，H.：空间网络的路径预言。摘自：第35届超大数据库国际会议记录，第1210-1221页。纽约计算机协会（2009年）
[13] Binh，H.T.T.，Duong，N.T.：解决最后一英里通信网络设计中生存性问题的启发式和遗传算法。柔软。计算。19(9), 2619-2632 (2015) ·doi:10.1007/s00500-014-1429-z
[14] Kleinberg，J.：小世界现象：算法视角。摘自：2000年第32届ACM计算机理论研讨会论文集。另见《康奈尔计算机科学技术报告99-1776》（1999年10月）·Zbl 1296.05181号
[15] Liben-Nowell，D.：社交网络中的寻路。In：下一代网络算法。计算机通信和网络系列，第435-456页。施普林格科学+商业媒体，柏林（2010）·doi:10.1007/978-1-84882-765-318
[16] Mogren，O.、Sandberg，O.，Verendel，V.、Dubhashi，D.：现实小世界网络的自适应动态。In：程序。欧洲复杂系统会议（2009年）
[17] Honiden，S.、Houle，M.E.、Sommer，C.、Wolff，M.：使用Voronoi对偶的近似最短路径查询。收录：计算科学学报IX，计算机课堂讲稿。《科学》6290，第28-53页。柏林施普林格出版社（2010年）·Zbl 1309.68197号
[18] Mehlhorn，K.：图中Steiner问题的快速近似算法。信息处理。莱特。27(3), 125-128 (1988) ·兹伯利0635.68071 ·doi:10.1016/0020-0190（88）90066-X
[19] Erwig，M.：图Voronoi图及其应用。网络。36（3），156-163（2000）·Zbl 0963.68148号 ·doi:10.1002/1097-0037（200010）36:3<156:：AID-NET2>3.0.CO；2升
[20] Aparicio，S.，Villazón-Terrazas，J.，Álvarez，G.：无标度网络模型：推特应用。熵。17(8), 5848-5867 (2015) ·doi:10.3390/e17085848
[21] Chakraborty，A.，Manoj，B.S.：实现近最优小世界网络的有效启发式方法。参加：2015年（2015）NCC第21届全国通信会议
[22] Ridge，E.，Curry，E.：自然创新系统研究和开发的路线图。J.多智能体和网格系统。3(1), 3-8 (2007) ·doi:10.3233/MGS-2007-3102
[23] Bullnheimer，B.，Kotsis，G.，Strauss，C.：车辆路径问题的改进蚂蚁系统算法。安·Oper。第89、319-328号决议（1999年）·Zbl 0937.90125号 ·doi:10.1023/A:1018940026670
[24] Lee，C.Y.，Lee，Z.J.，Lin，S.W.，Ying，K.C.：应用于容量受限车辆路径问题的增强蚁群优化（EACO）。申请。智力。32（1），88-95（2010）·doi:10.1007/s10489-008-0136-9
[25] Ma，G.，Duan，H.，Liu，S.：用于复杂环境下无人机全局最优轨迹规划的改进蚁群算法。国际期刊计算。科学。申请。4(3), 57-68 (2007)
[26] Abdallah，H.、Emara，H.M.、Dorrah，H.T.、Bahgat，A.：使用蚁群优化算法解决项目管理问题。专家系统。申请。36(6), 10004-10015 (2009) ·doi:10.1016/j.eswa.2008.12.064
[27] Myszkowski，P.B.，Skowroánski，M.E.，Olech，Ł。P.，O ssi lizłO，K.：求解多技能资源约束项目调度问题的混合蚁群优化。柔软。计算。19(12), 3599-3619 (2015) ·数字对象标识码：10.1007/s00500-014-1455-x
[28] Azar，D.，Vybihal，J.：一种改进预测模型中软件质量的蚁群优化算法：类稳定性案例。Inf.软件。Technol公司。53(4), 388-393 (2011) ·doi:10.1016/j.infsof.2010.11.013
[29] Ramos，G.N.，Hatakeyama，Y.，Dong，F.，Hirota，K.：带蚁群优化（HACO）方法的Hyperbox聚类及其在医疗风险特征识别中的应用。申请。软计算。9(2), 632-640 (2009) ·doi:10.1016/j.asoc.2008.09.004
[30] Manaskasemsak，B.，Rungsawang，A.：使用基于信任和不信任的蚁群优化学习进行Web垃圾邮件检测。国际网络信息系统杂志。11(2), 142-161 (2015) ·doi:10.1108/IJWIS-12-2014-0047
[31] Wang，P.，Lin，H.-T.，Wang，T.-S.：一种用于解决IP回溯问题的改进蚁群系统算法。信息科学。326, 172-187 (2016) ·doi:10.1016/j.ins.2015.07.006
[32] Ahmad，M.，Srivastava，J.：社交网络中专家识别的蚁群优化方法。参加：首届社会计算、行为建模和预测凤凰国际研讨会。亚利桑那州施普林格（2008）
[33] Jindal，V.，Bedi，P.：通过并行实现MACO（修改的ACO）减少VANET中的旅行时间。高级智能。系统。计算。424, 383-392 (2016)
[34] Niu，Y.，Wang，S.，He，J.，Xiao，J.：一种用于容量受限车辆路径问题的新型膜算法。柔软。计算。19(2), 471-482 (2014) ·doi:10.1007/s00500-014-1266-0
[35] Brito，J.、Martínez，F.J.、Moreno，J.A.、Verdegay，J.L.：一种ACO混合元启发式算法，用于具有时间窗和模糊约束的封闭式车辆路径问题。申请。软计算。J.32，154-163（2015）·doi:10.1016/j.asoc.2015.03.026
[36] G.Senarclans de Grancy，M.Reimann。带时间窗和多服务人员的车辆路径问题：ACO和GRASP（2016）CEJOR，24（1），29-48的系统比较·Zbl 1339.90064号 ·doi:10.1007/s10100-014-0341-z
[37] Eaton，J.，Yang，S.，Mavrovouniotis，M.：多延迟动态铁路枢纽重新调度问题的移民蚁群优化。柔软。计算。20(8), 1-16 (2015)
[38] Dorigo，M.，Blum，C.：蚁群优化理论：综述。西奥。计算。科学。344(2-3), 243-278 (2005) ·Zbl 1154.90626号 ·doi:10.1016/j.tcs.2005.05.020
[39] Rivero，J.、Cuadra，D.、Calle，J.和Isasi，P.：在社交网络中使用ACO算法进行路径搜索。申请。智力。36(4), 899-917 (2012) ·doi:10.1007/s10489-011-0304-1
[40] Calle，J.，Rivero，J.、Cuadra，D.、Isasi，P.：扩展ACO以在巨大的图形和社交网络中进行快速路径搜索。专家系统。申请。86, 292-306 (2017). https://doi.org/10.1016/j.eswa.2017.05.066 ·doi:10.1016/j.eswa.2017.05.066
[41] Borgatti，S.P.：中心性和网络流。Soc.网络。27(1), 55-71 (2005) ·doi:10.1016/j.socnet.2004.11.008
[42] Min-Joonge，L·兹比尔1390.05226 ·doi:10.1016/j.ins.2015.07.053
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。