基于微粒群算法的多目标离散物流选址问题

研究多目标离散物流选址问题,根据所提问题的特点,建立模型,并根据模型的特点设计了一个有效的微粒群优化算法.最后通过实例验证了算法的有效性.     

一种改进的多关系半连接数据库查询算法

提出了一个普通的多关系半连接操作查询优化算法,并在该算法基础上加以改进,结果表明：当Card（R）远远大于Card（R）时,改进算法减少了数据的传输量,减少了查询的总代价,从而操作效率大大的提高．     

一种改进的动态无约束多目标进化算法

〖JP2〗为提高算法局部收敛性,提出一种改进的动态无约束多目标进化算法,其基本思想是：首先将时间区间分割,产生初始种群,然后根据Pareto支配关系对个体进行排序,再经选择复制、常规交叉算子和改进的非均匀变异算子进行操作,〖JP〗产生新种群。数值实验和性能指标统计数据表明,该算法具有较好的局部收敛性,能产生分布性较好的Pareto最优解。     

一种基于TMS320C5509的GMSK调制解调的设计和实现

本文讨论了一种全数字GMSK基带调制解调器的设计和实现.根据GMSK调制技术的特点,提出一种基于TMS320C5509的GMSK波形存储调制,有效地降低了设计的复杂度,采用多电平判决实现解调,提出了理论依据和实现方案,给出了实验流程,并给出了验证结果.     

一种改进的多关系半连接数据库查询算法研究

由于普通多关系半连接优化算法,分布式数据库系统的缓冲区不能作为查询的中间结果的最后装配站点,提出了改进普通多关系半连接的数据库查询优化算法,实验结果表明改进的多关系半连接的查询优化算法明显地减少了中间结果数据量,有效地降低了网络通信总代价。     

一种改进的多关系半连接数据库查询算法研究

由于普通多关系半连接优化算法,分布式数据库系统的缓冲区不能作为查询的中间结果的最后装配站点,本文提出了改进普通多关系半连接的数据库查询优化算法,实验结果表明改进的多关系半连接的查询优化算法明显地减少了中间结果数据量。有效地降低了网络通信总代价。     

一种改进的多目标变异算子

设计了一种根据当前档案集非支配解的数量决定个体变异概率的二进制变异策略,使多目标进化算法能够具有较好的搜索性能,模拟实验验证了这种变异算子的有效性。     

一种改进的快速多姿态人脸特征点定位算法

针对经典的ASM算法中存在的需要手工定位人脸特征点的问题和对于多姿态人脸识别率较低、鲁棒性较差的问题,提出了一种改进的快速的多姿态人脸特征点定位方法,解决了ASM(主动形状模型)算法半自动化与多姿态人脸识别率较低的问题;首先,对采集到的多姿态人脸进行矫正,主要解决人脸图像的旋转与偏转问题;然后针对矫正后的人脸图像进行定位与局部特征建模,标定其特征区域,完成人脸的特征点定位。通过与多模板ASM方法、基于几何特征方法的对比仿真实验可以看出,该算法特征点定位速度较快,且能较大地提高ASM算法对于多姿态人脸的识别率和鲁棒性。     

一种欺负算法的改进与实现

改进并实现了欺负算法,利用二次连接检测的方法,构架了一个用于欺负算法的故障检测器.并针对在新进程启动时,协调者可能重新选举的问题,提出了设置稳定时间的方法.     

布尔表达式化简的一种算法实现

布尔表达式的化简就是通过某种手段（如真值表、卡诺图、公式法等）,将一复杂的布尔表达式转换成一个等价的简单的布尔表达式。本文给出了一种计算机自动实现的布尔表达式的化简方法。将常规表达式中的项改造成含有每个输入变量的多维体,利用多值映射函数,实现化简,从而降低了多输入变量布尔表达式化简的工作量。本算法经随机测试,证明是一个行之有效的好算法。     

一种改进的KMP字符串匹配算法

在分析BF和KMP算法的基础上,提出了一种改进的字符串匹配算法。此算法具有比BF算法更优越的时间复杂性,并且相对KMP算法而言更简洁易懂。     

一种改进的变种群规模遗传算法

传统的遗传算法在遗传操作的过程中,不管具体问题对种群规模的要求都事先指定,造成种群规模表现的不合理。针对这一问题,Arabas,J.等人提出了一种变种群规模遗传算法GAVaPS(Genetic Algorithms withVarying Population Size),旨在遗传操作的过程中自适应地调整种群的规模。黄乐等人提出了一种改进的变种群规模遗传算法VPSG-GM(Varying Population Size Genetic Combined with Gradient Search Method),它与GAVaPS方法在遗传操作上的不同之处是把评价目标函数的步骤置于重组种群时“淘汰”步骤之前,这样做减少了算法由于重组造成的不必要开销。文章提出的改进的变种群规模的遗传算法,在调整种群规模时通过增加补算算子,从而达到保持种群多样性的目的。这样做可以略去变异操作,减少了系统开销。实验证明了该算法的有效性。     

一种改进的粒子群优化算法

为了克服传统粒子群算法（Pso）的早熟和局部最优问题,通过分析基于惯性权重的粒子群优化在粒子寻优过程中的可行性,提出了一种变惯性权重的改进PSo算法,并对经典的测试函数进行TN试。实验结果证明,与传统PSO算法以及基于惯性权重的PSO相比,改进算法的寻优效果较好,全局搜索能力有显著提高,并能有效地避免早熟收敛问题。     

一种BP算法的改进方法

通过模拟函数曲线,具体分析了BP算法的学习机制和学习过程以及BP算法matlab语言的实现,最后根据BP算法的局限性,从两个角度探讨了改进BP算法的方法.     

一种改进的遗传算法及其应用

为解决遗传算法的早熟和局部收敛现象,提出的一种改进的遗传算法,该算法引入海明距离构造初始种群,在选择、交叉、变异过程中采用最优保存策略。实验表明改进的遗传算法增强了种群的多样性,并在一定程度上避免早熟现象发生,同时又能较快找到全局最优解。     

一种改进的K-means算法

传统的K—means算法对初始聚类中心敏感,聚类的结果随不同的初始输入而波动．为了消除这种敏感性,提出了一种改进的K-means算法,改善聚类算法中选取初值的依赖性,提高聚类结果的稳定性．仿真实验结果表明：改进后的K-means算法优于原始算法．     

改进的Glover-Klingman算法

针对Glover-Klingman算法运行时间长的缺点,对Glover-Klingman算法进行了改进,改进后的算法能快速地找到最小度限制树.仿真结果表明了新算法的有效的性,且仿真结果与新算法的预期效果是一致的.     

一种改进的自适应差分演化算法

差分演化是一种简单、有效的全局数值优化算法,相关研究表明,参数的自适应能够有效提高算法的性能．提出了一种集成的混合参数自适应差分演化算法,并巧妙利用一种自适应选择机制来选择算法池中的算法,通过对25个国际标准测试函数进行测试,实验结果表明,该方法在最优解质量、稳定性、收敛速度优于其它被比较的算法．     

一种改进的K-Modes聚类算法

为了改善传统K-Modes聚类算法相异度度量公式弱化了类内相似性,忽略了属性间差异,以及单一属性值的Modes忽视了某一属性可能存在多属性值组合,且算法受初始中心点影响很大的缺点,基于多属性值Modes的相异度度量方法提出MAV-K-Modes算法,并采用一种基于预聚类的初始中心选取方法。使用UCI数据集进行实验,结果表明,MAV-K-Modes算法相比于传统K-Modes算法,其正确率、类精度和召回率都有明显提升,且MAV-K-Modes算法适合于并行化改造。     

一种基于事务一项矩阵改进的FP—Growth算法

FP—Growth算法是关联规则挖掘的一个经典算法。本文提出一种基于事务一项矩阵的挖掘算法MFP—Growth算法,利用向量矩阵表示事务数据库,整个挖掘过程只扫描一遍数据库,通过构造各个频繁项的条件矩阵,利用条件矩阵的向量运算来进行频繁模式的挖掘,减少了算法占用的内存空间,提高了挖掘效率．实验结果表明,MFP—Growth算法是有效可行的．