无穷维Jacobi算子特征值的连续依赖性

Jacobi算子是Sturm-Liouville算子的离散化,通过对无穷维Jacobi算子的特征值的性质进行探讨,得出了无穷维Jacobi算子的特征值对其系数具有连续依赖性的结论,并给出了严格的数学证明.     

一种求解背包问题的离散和声搜索算法

为利用和声搜索算法求解0-1背包问题,针对和声搜索的离散化技术和二进制编码的特点,借鉴遗传算子改进新和声的生成方式及微调方式,并基于贪心策略设计和声修正过程,提出了一种离散化的和声搜索算法.数值实验表明,与其它常用的智能算法相比,该算法在求解质量上具有较大优势,对大规模的背包问题效果也很明显.     

改进教与学优化算法求解0-1背包问题

为了有效快速求解0-1背包问题,提出了改进的教与学优化算法.在基本教与学优化算法的基础上,根据0-1背包问题离散化的特点提出了二进制编码方案,利用贪心算子修复不可行解并优化可行解,加快了算法的收敛速度;为了更好地平衡全局探索和局部开发的关系,使用正余弦算子和自适应的惯性权重在迭代过程中调整探索和开发的相对比例,避免算法...     

求解三维泊松方程的新瀑布型代数二重网格法

文章针对三维泊松方程,讨论四面体有限元离散格式下的代数多重网格法.通过采用一种快速的粗化算法,提出了一种新的插值算子和迭代终止条件,设计了一种新的瀑布型代数二重网格法.数值实验表明这种新算法计算时间更短.     

离散分数傅立叶变换算法的分析

分数傅立叶变换(FRFT)在光学、信号处理等领域得到越来越广泛的应用.FRFT的离散算法成为近年来的研究重点之一.本文根据FRFT离散化的发展历史与进程,对FRFT离散化的主要研究进展进行系统梳理归纳并简要评述.首先通过对FRFT的多样性研究提出其离散算法的多样性,并对现有的FRFT的进行分类;其次提出了离散分数傅立叶变换(DFRFT)的优点与缺点.     

一种监督型的连续属性离散化算法的研究

提出一种监督型的连续属性离散化算法,利用云模型实现对属性区域的划分,以此引入边界的模糊性;再利用属性对类别的决定作用,判断是否对云模型进行归并操作,从而选择出合适的云模型集合,以实现离散化的目的.实验结果表明,该算法具有较少的离散化区间数以及较高的分类精度.     

Maxwell方程基于两个局部高斯积分的稳定化有限元方法

文章对Maxwell方程提出了基于局部高斯积分的稳定化有限元方法,并给出了先验误差估计.通过利用Mini元进行有限元离散,新的稳定项仅仅取决于Bubble函数,算法优势是使用两个局部高斯方法代替了投影算子,同投影方法起到了相同的效果,没有增加额外的项.     

求解大规模线性离散不适定问题的RRArnoldi-Fractional Tikhonov正则化算法

不适定问题广泛出现在地球物理、自动控制等多种领域.正则化方法是求解此类问题近似解的有效算法.将Fractional Tikhonov正则化算法应用于投影算法,提出了求解大规模线性离散不适定问题的Arnoldi-Fractional Tikhonov正则化算法.进一步提出限制值域的Arnoldi-Fractional Tikhonov正则化算法.并针对经典算例,进行了数值试验和比较.数值试验结果表明了新算法是有效且具有优势的.     

Kalman滤波和EM算法对M-to-M信道的参数估计

本文将在随机微分方程（sDE）建立的M-to-M状态空间模型基础上,通过对该线性模型进行离散化,然后利用离散Kalman滤波对其状态空间进行估计,最后,再利用基于滤波的EM算法对该离散空间模型参数进行估计．     

一种利用混合优化算子求解旅行商问题的方法

利用遗传算法、社会群体优化算法和模拟退火算法等仿生类整体探索算法求解旅行商问题（TSP）,往往需要局部优化算子促进算法收敛。目前大多采用单一的n-opt算子而没有考虑利用其它算子或算子组合对旅行商路线进行优化。为此定义了P_Swap、FP_Swap和L_Swap等3个算子,在TSPLIB 数据集中选取18个实例,分别利用各个算子及组合对旅行商路线问题进行优化。对比分析结果显示,P_Swap算子的优化能力与2-opt算子相当,3个算子组合的优化能力明显强于2-opt算子,组合优化算法求得的最优解优于目前已知的大部分算法。     

一种垂直分布环境下的特征选择及规则提取算法

特征选择及规则提取是数据挖掘过程中的重要环节.Rough集理论提供了一种新的属性约简即特征选择及规则提取工具,但目前Rough集理论研究主要针对单个决策表(或信息系统),分布式环境下的粗糙集理论研究还不多见.文章提出一种垂直分布环境下的特征选择及规则提取算法,算法分析结果表明,该种算法是有效可行的.     

求解度约束最小生成树问题的自适应遗传算法

在遗传算法中一个关键问题是必须采取措施保持种群多样性，防止算法出现早熟收敛。本文提出了一种基于父个体相似度的自适应遗传算法，使用新的自适应遗传操作策略以保持种群多样性。将新算法用于求解图的度约束最小生成树问题，实验结果表明本方法到比不使用父个体相似度信息的普通遗传算法权值更低的度约束最小生成树。     

基于改进的DCA算法入侵检测方法的研究

树突状细胞算法DCA（Dendritic Cell Algorithm）是人工免疫学理论中危险理论的最新研究成果,本文提出在危险模式入侵检测系统中使用利用改进的DCA算法对实时异常数据进行的检测,使用KDDCUP99常用的网络入侵检测数据对模型和其他入侵检测算法进行了测试,结果表明基于改进的DCA算法的检测模型降低了误报率,提高了系统的效率与性能。     

二元对称型向量有理插值算法

本文构造了二元对称型向量有理插值的递推算法，并以矩阵的初等变换作为工具建立了插值系数的矩阵算法。     

基于Logistic模型的动态群体微粒群算法

从生物学角度出发引入Logistic模型,提出了一种新的基于Logistic模型的动态群体微粒群算法。该算法中群体增长与生态学规律保持一致,通过适应值较好微粒杂交的方法产生新微粒以提高算法的多样性,当种群规模达到了环境负荷量时会由于资源短缺、疾病等原因造成种内竞争产生优胜劣汰现象,通过删除适应值变化率较小微粒,可提高种群的总体适应度。模拟实验表明该文提出的DPSO算法比SPSO和MPSO—TVAC具有更高的效率和较快的收敛速度,提高了种群微粒间的竞争。     

改进型自适应遗传算法研究

针对遗传算法的改进 ,提出了一种新的评价种群过早收敛程度的指标 ,进而给出一种新的自适应调整策略。仿真计算表明 ,该方法较一般遗传算法和一般自适应遗传算法有较大提高     

基于AIS的动态路径搜索算法研究

为了改善传统智能交通系统中动态路径搜索算法的效能,抽取人工免疫系统抗原抗体反应的隐喻机制,并改进现有的进化算法（GA）,建立了一种人工免疫算法（AIS）,通过对城市交通路网模型的仿真求解,验证了算法的先进性和有效性,而且还对两种算法的抽取对象做了比较,初步分析了造成差异的原因,最后对本算法的应用前景做了展望。     

基于AIS的动态路径搜索算法研究

为了改善传统智能交通系统中动态路径搜索算法的效能,抽取人工免疫系统抗原抗体反应的隐喻机制,并改进现有的进化算法(GA),建立了一种人工免疫算法(AIS),通过对城市交通路网模型的仿真求解,验证了算法的先进性和有效性,而且还对两种算法的抽取对象做了比较,初步分析了造成差异的原因,最后对本算法的应用前景做了展望。     

蚁群优化算法的理论、改进及应用

蚁群优化算法是一种新型的模拟进化优化算法,为求解复杂的组合优化问题提供了一种新的思路。文章对蚁群优化算法理论及其收敛性进行了分析,并从选择策略、信息素更新、信息素浓度的变异等多方面对蚁群优化算法提出了改进,不仅使其跳出局部最优解的能力更强,而且能较快地收敛到全局最优解,在TSP问题上的应用表明改进算法具有良好的性能。     

一种结合半监督算法和SVM的聚类方法

对于已经分类的数据和大量未分类数据,在运算过程中,采用一种新的半监督聚类算法为支持向量机提供新的训练数据．随后,利用支持向量机判别出所有数据的类别属性,并选取最可靠的点加入已分类集合．为了验证算法的效率,收集了67张黄瓜叶片色调的数字信息,并对具有6个已分类数据与61个未分类数据的数据集进行半监督聚类分析,以判断这些叶片的健康程度．结果表明,该聚类算法优于其他算法．