对快速排序的研究

阐述了运用分治策略实现快速排序的基本思想,用c#语言实现快速排序算法,然后分析快速排序算法的性能,通过对由实验所得归并排序、堆排序、插入排序、快速排序平均时间的曲线图等分析得出快速排序算法在渐进意义上的最优性。     

线性时间复杂度排序算法研究及应用

算法在程序设计中起着至关重要的作用,一个好的算法可以让程序变得高效。排序作为数据处理最基本的工作之一,在程序中需要大量使用。常见的几种排序算法的平均时间复杂度最优为O（nlog2n）,为从根本上提高程序的运行效率,对能够在线性时间解决数据排序的算法进行了研究,并在实际问题中对桶排序算法加以了应用。     

各种内部排序算法的比较

排序是程序设计中非常重要的内容,其算法种类繁多,现介绍常用的几种排序算法,并比较了它们的异同。针对不同的序列选择最佳排序方法,以提高效率。     

一种改进的冒泡排序算法

提出了一种冒泡排序的改进算法,并对其性能与传统的冒泡排序算法的性能进行了实验比较。     

浅谈几种内排序的比较

本文介绍了计算机常用的几种排序算法，通过对各个算法核心的实现部分的简介及各种算法之间的优劣比较．使读者在选择不同的排序算法时能够从需求出发．得到最优最有利的算法。     

直接插入排序算法分析与实现

为了查找方便，通常希望计算机中的表是按关键字有序的，因为有序的顺序表可以采用查找效率较高的折半查找法查找，因此，研究各种排序方法是计算机工作者的重要课题之一。该论文从直接插入排序的基本思想、算法、算法分析及稳定性等几个方面研究与分析直接插入排序方法，并阐述了直接插入排序算法实现的整个设计过程。     

C语言常用的三种排序方法总结与分析

本文介绍了c语言中三个比较重要的排序方法,分别是冒泡排序、选择排序和插入排序,主要从基本思想、排序过程、算法等方面对这几种常用的排序方法进行分析比较。     

基于改进PageRank算法的引文文献排序方法

通过引文网络的结构特征,有效地识别科学文献的价值并建立某种序关系,为科学评价提供了有价值的参考,也丰富了科学评价的方法。针对传统PageRank算法在引文网络中得到的结果倾向于发表时间久的文献,而不利于发表时间较短但具有学术影响潜力的文献,为了消除这种“不公平”性,将引文间隔时间引入算法中。图书馆与情报学领域的实证研究说明改进算法有效地优化了评价的结果,相对于传统PageRank算法更有利于发现具有潜力的新发表的文献。     

基于映射排序的两个算法

提出了两个新的排序算法：（１）多字段记录的映射排序法，这一算法关键字与数组下标作映射处理，不实施反复比较和交换关键字的操作，时间复杂性达到Ｏ（Ｎ）。（２）链式扩充基排序法，这一算法扩充基，使用子域映射来提高排序速度，效率高，通常情况下优于Ｈｏａｒｅ快速排序法。     

并行排序算法的研究与设计

排序是最基础的算法之一,它应用极为广泛,应用于各个领域,不仅是数据库的核心技术,它本身也有广泛的应用场合。我们采用了分块排序、并归执行的算法,这样通过并发多个进程进行排序,通过对进程的同步的控制,合理的在内存中分配读进程和写进程,减少cpu与硬件的冲突,提高了效率。     

基于时序关联分析的PageRank改进算法研究

搜索引擎是互联网资源搜索的入口,搜索的快捷性、准确性是搜索引擎的核心竞争力,如何提高竞争力是业内企业的工作重点。已有的搜索引擎算法中,最具代表性的就是PageRank算法,针对该算法的改进方法也有很多,但效果并不很理想。分析了已有PageRank改进方法的不足,立足于用户搜索行为信息挖掘,采用时序关联分析方法,将关联比例作为权值加入到PageRank计算公式中,改变平均分配权威值的计算方法,从而得到了改进的PageRank算法——TCPR算法,使得搜索排序结果更符合用户的信息需求。     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法(ACA)与遗传算法(GA)都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题(TSP)中.本文将两种算法进行融合,并给出了新的融合方式.实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度.     

一种进的并行字符串匹配算法

本文简述了字符串匹配算法的研究进展,分析了BF算法以及PRAM-CREW算法,并对该并行算法进行了改进,减少了处理器个数,使匹配次数大大减少,从而提高匹配效率。文章最后分析了该算法的性能。     

赫夫曼算法效率的优化

针对传统的赫夫曼算法中遍历方法循环次数较多、时间复杂度较大等问题,通过对修改数据结构和运算等级改进原有算法,运用排序、优先队列和贪心算法等方法,减少了循环次数,降低了算法时间复杂度;探讨了动态编码算法的优点和可行性。     

一种改进的并行关联规则挖掘算法

在FDM算法的基础上,提出了一种改进的并行关联规则挖掘算法FDM_DT,此算法利用DHP算法中的Hash表技术改进了2阶侯选项集的生成过程,并采用Apriori Tid算法中的Tid表技术对事务数据库中的事务数进行有效消减。因此,此算法在处理大规模数据时有较高的综合效率。     

一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在“认知”部分和“社会”部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

求旅行商(TSP)问题的几种改进遗传算法的比较分析

随着现代科技的发展,待研究问题的规模与难度越来越大,单一的算法已经不能很好地解决问题。本文在阅读了大量关于混合遗传算法论文的基础上,总结了三种能够比较有效地求解旅行商(TSP)问题的改进型遗传算法,并阐述了它们的基本思想以及操作步骤。最后指出了它们的优缺点和今后的研究方向。     

贪心算法解决活动安排问题研究

利用贪心算法解决如何使用最少的资源安排一系列活动。并证明了贪心算法解决此问题的有效性,且进行了实例验证,并进行了复杂度分析,此算法是解决资源组合规划问题较好的方法。