论算法的逻辑特征及其方法论意义

本文认为算法在科学研究中具有普遍意义，解决科学研究中的问题需要一定的方法，但“方法”这一概念含义广泛而不具体，而算法与一般方法相比，则更具体，更精确，因为它是能行的、可操作的。能解决某个科学上的问题，实质上就是意味着掌握了或找到了某种算法，某一问题的可解性意味着能够找到一个适当的算法，而某一问题的不可解性则意味着不可能找到一个适当的算法，或证明这样的算法不存在，在科学史上，很多研究工作的任务和目的，就是要寻找解决某个问题的算法。     

k-means融合FCM算法聚类研究

k-means融合FCM算法执行聚类过程,是在k-means算法完成聚类后,以其聚类结果作为FCM算法执行的初值,并通过FCM算法的执行完成。从结果分析可以看出,该算法聚类的效果比单纯使用FCM算法好,能够减少FCM算法循环体迭代运行次数并增强算法的鲁棒能力。     

基于量子竞争决策算法的网络路由算法的研究

基于量子竞争决策算法并将其应用到网络路由算法的优化中,再通过无线传感器网络中利用该算法机制提出一种新的SL-MAC算法.经过对比研究发现,该算法能够满足网络路由的节能需要,是一种十分有效的全局优化算法.     

竞争区域追踪算法

匹配追踪算法是一种从一个极度冗余的词典中选择出某些基向量来叠加出一个特定的信号的算法，这种算法已经成功地用于视频压缩和其它领域中，但由于匹配追踪算法本质上是一种贪心算法，它的主要缺陷是无法分辨出信号中存在的双峰结构，本提出了一种改进算法，称为竞争匹配追踪算法，这种算法能够克服上述匹配追踪算法的缺陷，并且在同等情况下能达到更优的性能。     

高中数学课程标准（实验稿）与算法的教学

本文从《普通高中数学课程标准》(实验稿)出，结合算法特性，算法描述，算法实现讨论对算法如何实施教学。     

一种新的多目标演化算法以及实验分析

多目标优化演化算法能够被应用到经济管理以及工程问题上,事实上,几乎所有现实中的设计问题都可以规约到多目标优化问题。本文提出了一个新的基于演化算法的多目标优化算法,通过对ZDT系列函数的测试表明该算法能够得到前沿点非常密集的近似Pareto前沿,该前沿覆盖理论上的Pareto前沿,表明该算法具有良好性能。     

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。     

算法的概念及其表示方法

所谓算法，是为解决某一个特定的问题而采取的确定的有限的步骤．也就是说，做任何事情都有其算法．现代意义上的算法是指可以用计算机来解决的某一问题的程序或步骤，这些程序和步骤必须是明确和有效的，而且能够在有限步之内完成．     

应用于分级网络的可扩展拓扑聚集算法

拓扑聚集在可扩展的路由机制中十分重要，如何在简化网络拓扑信息的同时获得好的性能，是拓扑聚集算法的关键问题．本提出了一个描述逻辑链路的新方法，能够简单有效地描述加性和乘性参数约束的网络，并扩展到多参数约束的情况．在此基础上，提出了一个改进的星型聚集算法．仿真结果表明该算法具有很好的性能．     

一种求解不等式约束优化问题的新算法

针对基本遗传算法收敛速度缓慢现象，提出了基于多父体杂交和按较差个体顺序变异的改进策略，从而加快收敛速度，提高了算法性能，通过验算表明，改进后的算法，能够迅速找到全局最优解。     

An adaptive ant colony system algorithm for continuous-space optimization problems

ＩＮＴＲＯＤＵＣＴＩＯＮＡｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍｓ (Ｈｅｒｔｚ ,ｅｔａｌ.,2 0 0 0 ) ,ｉｎｖｅｓｔｉｇａｔｅｄｓｙｓｔｅｍａｔｉｃａｌｌｙａｔｆｉｒｓｔｉｎＤｏｒｉｇｏ’ｓＰｈ .Ｄ .ｄｉｓｓｅｒｔａｔｉｏｎ ( 1 992 )ａｓｔｈｅｉｍｉ ｔａｔｉｏｎｏｆｔｈｅｆｏｏｄ ｓｅｅｋｉｎｇｂｅｈａｖｉｏｒｉｎａｎｔｓｏｃｉｅｔ ｉｅｓ,ｈａｖｅａｔｔｒａｃｔｅｄｔｈｅｇｒｅａｔａｔｔｅｎｔｉｏｎｏｆｒｅ ｓｅａｒｃｈｅｒｓｉｎｃｏｍｐｒｅｈｅｎｓｉｖｅｆｉｅｌｄｓｏｆｓｙｓｔｅｍｏｐｔｉ ｍｉｚａｔ…     

An adaptive ant colony system algorithm for continuous-space optimization problems

Ant colony algorithms comprise a novel category of evolutionary computation methods for optimization problems, especially for sequencing-type combinatorial optimization problems. An adaptive ant colony algorithm is proposed in this paper to tackle continuous-space optimization problems, using a new objective-function-based heuristic pheromone assignment approach for pheromone update to filtrate solution candidates. Global optimal solutions can be reached more rapidly by self-adjusting the path searching behaviors of the ants according to objective values. The performance of the proposed algorithm is compared with a basic ant colony algorithm and a Square Quadratic Programming approach in solving two benchmark problems with multiple extremes. The results indicated that the efficiency and reliability of the proposed algorithm were greatly improved. Project (No. 9845-005) supported by National High-Tech. Research & Development Plan, China     

求解1-PDTSP问题的改进蚁群系统

提出了一种解决同类商品集送一体化旅行商问题（1-PDTSP）的改进蚁群系统.首先,根据1-PDTSP问题的特点,对蚁群系统中的信息素初始化和更新规则进行了改进,并采用“最优替换原则”解决停止现象;然后,设计了有载重约束的变量邻域搜索算法,以提高解的质量和加快收敛速度;最后,通过实例验证该算法在求解1-PDTSP问题时的求解质量和稳定性.结果表明：该算法求解质量高,稳定性好.     

蚁群优化算法在物流配送车辆路径问题中的应用研究

车辆路径问题(VRP)是一类物流配送领域具有广泛应用的组合优化问题,属于NP难题。一种改进的蚁群优化算法可以用于求解VRP。实验结果表明,采用蚁群优化算法能有效求解VRP问题。     

浅谈旅行商问题与蚁群算法

蚁群算法是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法之后的又一种应用于组合优化问题的算法。根据蚁群算法的特性,求解旅行商问题,利用仿真实验程序对蚁群求解旅行商问题进行模拟。     

蚁群算法及其在TSP中的应用

根据蚂蚁生态学提出的蚁群算法是一种新颖的用于求解复杂组合优化问题的模拟进化算法,具有典型的群体智能特征,表现出较强的学习能力和适应能力。阐述了该算法的基本原理、算法模型和在旅行商问题中的具体应用过程,并对算法进行了总结和展望。     

利用加权法改进的蚁群算法在车载导航中的应用

设计一种专门适用于路径规划的改进蚁群算法,利用图论中的加权图的方法来表示交通网络,通过对蚁群算法加以改进,从距离和时间两个方面来综合考虑最优路径标准.而非传统的仅从距离角度来考虑.结果表明：改进的算法在距离和时间综合方面比传统的方法更优化.为实际车载导航系统中最优路径规划问题的解决提供了一种新方法.     

改进蚁群算法在解决TSP问题中的应用

在已知静态环境的条件下,提出一种改进蚁群算法,用以解决基本蚁群算法的收敛速度慢、效率低、易陷入局部最优解等问题。在传统蚁群算法的基础上,首先通过自适应改变挥发系数来使初始时刻的蚁群搜索能力加强、范围扩大,避免陷入局部最优解;其次将轮盘赌算子利用到状态转移规则中,有效地提高了解的质量和算法的收敛速度;最后通过精英选择操作,有效地提高了算法的全局搜索效率和收敛速度。通过对不同TSP实例仿真结果表明:改进后的蚁群算法在较少的迭代次数下得到的解非常接近问题的最优解,验证了该算法的可行性和有效性。     

蚁群算法的原理及其应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,具有较强的鲁棒性;但有搜索时间较长,易陷入局部最优解的缺点。本文首先讲述蚁群算法的来源和基本原理,然后讨论蚁群算法的几种改进策略,并简单介绍近年来蚁群算法在许多新领域中的发展应用,最后对今后进一步研究的方向作了展望。     

蚁群算法优化——基于局部信息素更新

由于常规蚁群算法容易陷入局部最优,出现停滞现象等问题,本文采用了城市选择策略,局部信息素更新策略,最优解预测策略和局部优化策略对蚁群算法进行优化改进,提出了基于局部信息素更新的思想。并通过一些TSP问题对改进的蚁群算法进行验证。实验结果表明改进后的蚁群算法在求解一些TSP问题上可以得到比目前所了解的最优解更满意的解。