基于关联规则算法的数据挖掘研究

应用数据挖掘技术对高校就业数据进行了分析,介绍了就业数据预处理过程,并对处理好的数据应用Apriori算法进行关联挖掘,对实验结果进行了总结。     

基于模拟退火的微粒群算法

微粒群算法具有较强的全局搜索能力,但容易陷入局部最小点,与模拟退火算法相结合,利用退火算法搜索过程中具有的概率突跳能力,能够有效地避免搜索过程陷入局部极小解。仿真结果表明。改进的算法能够有更好的优化效果。     

模拟退火算法与遗传算法的结合应用研究

模拟退火算法具有较强的局部搜索能力,并能使搜索过程避免陷入局部最优解,但模拟退火算法是一种NP类算法,对整个搜索空间的状况却不能很好的搜索,收敛速度慢,从而使得模拟退火算法的运算效率不高。遗传算法来源于生物遗传学和自然选择机理,通过人工方式所构造的一类搜索算法。其局部搜索能力较差,但把握总体搜索过程的能力较强。若能将两者有机的结合,既加速了算法的收敛速度又避免陷入局部最优解。     

基于MPI的模拟退火算法的实现

根据模拟退化算法具有并行性的特点,设计并实现了并行的模拟退火算法,同时以给出不同的初始温度,进行结果的模拟,体现出模拟退火算法的一个特征：初温越大,计算所花费的时间越大。     

基于模拟退火算法的多比赛场地体育赛事安排计划研究

对需要在多个比赛场地进行体育竞赛的赛事安排问题构建0-1整数目标规划模型,在分析模型数学性质的基础上,应用启发式算法(模拟退火算法)求解,最后通过算例测试效果良好。     

模拟退火算法在结构化布线中的应用

针对在综合布线工程中水平子系统的布线设计难以达到最优化的缺陷,提出了使用模拟退火算法来计算结构化布线方案,使得总体布线方案基本达到最优化。后续实验证明该算法在实际运用中是有效的,较传统布线方法能优化10％以上。     

模拟退火算法

本文介绍了Metropolis准则,给出模拟退火算法的算法步骤以及收敛性定理．最后,给出了模拟退火算法运用的数值例子．     

基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

模拟退火算法在高职排课系统中的应用研究

文章针对高职排课系统中精度搜索效率较差的问题,通过对排课系统中6个关键属性和属性间的约束的分析,建立了排课系统模型和属性约束模型,基于该模型在高职排课系统中采用启发式模拟退火搜索算法进行排课,最后通过实验仿真,验证了SA算法在排课系统中的有效性,可以得到近似最优解。     

模拟退火算法在高职排课系统中的应用研究

文章针对高职排课系统中精度搜索效率较差的问题,通过对排课系统中6个关键属性和属性间的约束的分析,建立了排课系统模型和属性约束模型,基于该模型在高职排课系统中采用启发式模拟退火搜索算法进行排课,最后通过实验仿真,验证了SA算法在排课系统中的有效性,可以得到近似最优解.     

基于遗传模拟退火算法的药品零售大数据关联规则挖掘

针对药品零售大数据信息,提出一种基于遗传模拟退火算法的关联规则挖掘改进算法。首先以遗传算法为主体,模拟退火算法作为其辅助,在遗传算法选择操作、交叉运算和变异运算中融入模拟退火算法,实现对算法的设计;然后运用Python语言实现了算法,并通过对药品零售大数据关联规则挖掘,发现药品零售大数据之间的关联,有效地量化了药品之间的相关程度;最后对改进算法进行有效性和可行性测试。仿真实验表明,相比遗传算法,该算法的挖掘速快,挖掘质量高,有效地提高品零售大数据关联规则挖掘的性能。     

基于数据仓库和数据挖掘的决策支持系统的研究与应用

本文首先介绍了新兴的数据仓库和数据挖掘技术及其特点,并指出决策支持系统(DSS)的几点不足,此特点可以弥补决策支持系统(DSS)的不足之处。在此基础上,提出了基于数据仓库和数据挖掘技术的决策支持系统的体系架构,并结合实际的事例,研究和分析了这种体系架构的优越性。     

模拟退火算法的改进及其应用

针对贷款组合优化决策模型的求解问题，以模拟退火算法为基础，利用设置记忆器和在算法后链接一个局部搜索过程的方法，对原有算法进行了改进，该算法可兼顾解的质量和运行时间，快速找到最优解，克服了原有算法的随机性。数值计算的结果表明，该算法具有很强的适用性。     

模拟退火算法原理及改进

模拟退火算法是一种强大的随机搜索算法,能应用于许多前提信息很少的问题,能渐进地收敛于最优值。对SA算法进行了介绍,论述了SA算法的原理并对算法进行了改进,展示了计算实验的结果。     

模拟退火算法在优化中的研究进展

模拟退火算法在处理全局优化、离散变量优化等困难问题中,具有传统优化算法无可比拟的优势.在计算机计算速度不断提高的条件下,具有不可低估的发展潜力和重要的研究价值.本文研究分析了基本的模拟退火算法原理,主要介绍了模拟退火算法的发展历史和特点,综合了近期关于模拟退火算法研究进展.本文在比较了模拟退火算法与传统的优化方法的基础上,最后指出了它的发展趋势和研究热点,对模拟退火算法在优化中的推广应用具有重要意义.     

遗传模拟退火算法在非线性最小二乘中的应用

对于非线性最小二乘问题,传统的算法往往是从一个初始值开始,经过迭代来逼近问题的最优解,其结果必会受到初始值的影响,而遗传模拟退火算法求解则具有很好的全局搜索能力,不受初始值的影响.研究表明,采用遗传模拟退火算法来求解非线性最小二乘问题,可取得较好的效果.     

基于文本数据的数据挖掘算法研究

总结了数据挖掘的基本方法、文本数据挖掘的关键技术,讨论了文本挖掘的定义和文本分类的一些形式,并对文本数据的数据挖掘算法进行了研究。     

Simulated Annealing Algorithm and Its Application in Irregular Polygons Packing

Two-dimensional irregular polygons packing problem is very difficult to be solved in traditional optimal way.Simulated annealing (SA) algorthm is a stochastic optimization technique that can be used to solve packing problems.The whole process of SA is introduced firstly in this paper,An extended neighborhood searching method in SA is mainly analyzed,A general module of SA algorithm is given and used to lay out the irregular polygons.The judgment of intersection and other constrains of irregular polygons are analyzed,Then an example that was used in the paper of Stefan Jakobs is listed .Results show that this SA algorithm shorterns the computation time and improves the soluiton.     

基于Apriori算法的数据挖掘算法研究

关联规则挖掘是一种最有影响的数据挖掘技术。它在交易数据库或其他数据仓库项目集之中提取有意义的关联,频繁模式和关联。大多数现有的算法发现频繁模式都需要多次遍历数据库,导致大量的磁盘读取,造成了巨大的I/O负载。为了减少重复读盘,本文提出了一种新的自上而下的方法,即Apriori算法的改进版本,此算法大大降低了数据库的扫描次数,避免生成不必要的模式而减少了数据库的扫描,节省了大量的时间和空间。