Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Cluster Validation Analysis on Attribute Relative of Soft-Set Theory Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Computing the Metric Dimension of Hypercube Graphs by Particle Swarm Optimization Algorithms

verfasst von : Danang Triantoro Murdiansyah, Adiwijaya

Erschienen in: Recent Advances on Soft Computing and Data Mining

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we present a PSO (Particle Swarm Optimization) algorithm for determining the metric dimension of graphs. We choose PSO because of its simplicity, robustness, and adaptability for various optimization problems [5]. Our PSO uses the binary valued vector for particles. The binary valued vector is used to represent which one of vertices of a graph is belong to resolving set. The feasibility is enforced by repairing particles. We tested our PSO by computing the metric dimension of hypercube graphs. The result is our PSO can achieve metric dimension known in literature [8] in reasonable amount of time.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Chebyshev Multilayer Perceptron Neural Network with Levenberg Marquardt-Back Propagation Learning for Classification Tasks
Nächstes Kapitel Non-linear Based Fuzzy Random Regression for Independent Variable Selection
Literatur
1.
Adiwijaya, Salman, A.N.M., Serra, O., Suprijanto, D., Baskoro, E.T.: Some graphs in \(c_f2\) based on \(f\)-coloring. Int. J. Pure Appl. Math. 102(2), 201–207 (2015)
2.
Beerliova, Z., Eberhard, F., Erlebach, T., Hall, A., Hoffmann, M., Mihal’ak, M., Ram, L.S.: Network discovery and verification. IEEE J. Sel. Areas Commun. 24(12), 2168–2181 (2006)CrossRefMATH
3.
Cáceres, J., Hernando, C., Mora, M., Pelayo, I.M., Puertas, M.L., Seara, C., Wood, D.R.: On the metric dimension of Cartesian products of graphs. SIAM J. Discrete Math. 21(2), 423–441 (2007)MathSciNetCrossRefMATH
4.
Harary, F., Melter, R.: On the metric dimension of a graph. Ars Combin. 2(191–195), 1 (1976)MATH
5.
Ilaya, O., Bil, C., Evans, M.: A particle swarm optimisation approach to graph permutations. In: Information, Decision and Control, IDC 2007, pp. 366–371. IEEE (2007)
6.
7.
8.
Kratica, J., Kovačević-Vujčić, V., Čangalović, M.: Computing the metric dimension of graphs by genetic algorithms. Comput. Optim. Appl. 44(2), 343–361 (2009)MathSciNetCrossRefMATH
9.
Liu, K., Abu-Ghazaleh, N.: Virtual coordinates with backtracking for void traversal in geographic routing. In: Kunz, T., Ravi, S.S. (eds.) Ad-Hoc, Mobile, and Wireless Networks. LNCS, vol. 4104, pp. 46–59. Springer, Heidelberg (2006). doi:10.​1007/​11814764_​6CrossRef
10.
Wang, L., Wang, X., Fu, J., Zhen, L.: A novel probability binary particle swarm optimization algorithm and its application. J. Softw. 3(9), 28–35 (2008)CrossRef
Metadaten
Titel
Computing the Metric Dimension of Hypercube Graphs by Particle Swarm Optimization Algorithms
verfasst von
Danang Triantoro Murdiansyah
Adiwijaya
Copyright-Jahr
2017
Buch
Recent Advances on Soft Computing and Data Mining

Print ISBN: 978-3-319-51279-2

Electronic ISBN: 978-3-319-51281-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-51281-5_18