数据仓库中实视图维护技术的研究

实视图是数据存储的一种形式，占有大量的存储空间，所以对于实视图的选择和维护十分的重要。本文根据目前数据仓库中实视图的维护技术，提出一种可计算模型及其优化过程，能在一定程度上节省信息存储容量的代价、提高系统性能。     

数据仓库物化视图的增量视图算法的实现

作为物理存在的物化视图,当数据源上的数据发生变化时,必须相应地修改数据仓库中的数据和物化视图,以保证二者的数据一致性。本文介绍了一种物化视图的维护算法——增量视图算法的实现。     

数据仓库中的视图维护

根据以下介绍的模型及其相应的优化算法,来对数据库中的维护的信息容量的代价进行优化。     

数据仓库中物化视图选择算法的分析和比较

物化视图是数据仓库中提高查询效率的有力方法,物化视图的选择一直是数据仓库领域的研究热点.本文是对物化视图选择算法深入研究的基础上进行的总结:首先对目前存在的各种算法进行比较全面和细致的介绍和比较,然后就目前仍然存在的问题进行讨论,并着重论述了动态选择算法这一研究热点的解决策略和实现算法.     

一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点，而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法，使速度得到了提高并且可以避免早熟等缺陷。     

基于VSRA算法的数据仓库联机维护优化研究

由于进入大数据时代,使得很多数据仓库联机维护算法,在使用的数据过多时,就会出现维护速度慢,甚至出现一些维护方面的错误,进而会造成一些不必要的麻烦。本文为数据仓库联机维护变得更加便利,提出了VSRA算法,先对双层数据仓库模型进行基础介绍,之后提出数据仓库三层维护结构模型,根据模型进行VSRA算法的分析。希望能够对其维护带来一定的便利。对数据仓库中的表,对其划分为三个版本,之后将其设置权限,让其在联机时出现较小的错误率,提高正确率。对VSRA算法的模拟得到的结论是:基于VSRA算法的数据仓库联机维护性能比原有的2VNL算法以及MVNL算法都要好,性能高,不容易造成错误。     

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.     

实代数数符号判定的一种新算法

根据多元多项式结式、笛卡尔符号法则、多项式实根隔离和实连续函数的性质等理论,给出对任意实代数数进行符号判定的一种新算法.测试实例表明,本文提出的算法还能有效地解决Maple系统中关于浮点数运算的一些缺陷.     

一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点,而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法,使速度得到了提高并且可以避免早熟等缺陷。     

一种有效求解多维背包问题的遗传算法

就多维背包问题的求解,提出一个基于遗传算法的启发式算法（MKPGA）。该算法中加入了一个利用问题特性知识的启发式修复算子以帮助求解。测试实例使用270个不同特性的多维背包问题,实验结果表明,该算法对多维背包问题的求解十分有效,能获得不同特性问题的高质量解。     

动态规划算法在0／1背包问题中的应用与分析

从对经典的0／1背包问题的求解的角度进行阐述,利用动态规划算法进行解答,通过案例对问题的计算过程进行了直观的描述,并对该问题进行了一定的分析,最后利用该算法解答出该问题的最优解。     

基于改进微粒群算法的网格任务调度方法

任务调度是网格计算环境中影响性能的重要因素。提出了一种新的任务调度方法,该方法先对任务执行时间进行预测,然后运用改进微粒群算法进行任务调度,达到最小化任务执行时间的要求,最终实现网格资源的优化分配。通过仿真试验对算法的有效性和性能进行了验证,并比较了与遗传算法调度方案之间的性能差异。     

基于Web的人才视图及评测系统研究与实现

以现有人才管理信息系统为基础,开发了一套以互联网络为依托的功能完善的人才资源视图及评测系统。对基于Web的人才视图及评测系统的系统结构设计、系统模块设计、系统特色及未来发展方向进行了阐述。     

大数据环境下改进的Aprior算法研究

对Apriori算法的不足进行了改进,将遗传算法与划分技术相结合,建立关联规则挖掘模型,提高了算法的效率以及准确度,在进行改进时,对编码的方案和适应度函数提出相应的改进解决方案,通过仿真试验验证了改进的Aprior算法在大数据挖掘上相较Aprior算法性能更加的优良。     

关于0/1背包问题的粒子群优化算法

背包问题作为运筹学中一个典型的组合优化难题,有着广泛的应用背景,有许多不同的求解方法。给出了基于粒子群优化算法的一种求解方法,利用遗传算法的部分思想将粒子群优化算法应用到0/1背包问题中,得到了比较满意的计算结果。     

动态规划算法分析与研究

分析多阶段决策问题,总结动态规划的基本概念、原理以及解题。通过0－1背包问题的具体解题步骤,阐述动态规划算法一般解题思路。并分析常用经典算法在解决最优问题中的差异性,比较各自优缺点,探讨其研究方向。     

聚类分析算法CLIQUE的研究及改进

CLIQUE是一种基于密度和基于网格的混合聚类方法。在高维空间中,它能够有效地进行聚类,并且能够发现嵌套在高维数据空间子空间中的聚类。但是,CLIQUE算法存在着很多的局限性,主要有以下两点:首先是子空间的剪枝;其次是CLIQUE算法追求方法简单化。针对CLIQUE算法的局限性,采用基于约束条件的聚类技术、自适应网格技术和边界调整技术来对CLIQUE算法进行改进,提出了基于约束条件和自适应网格的CAG-CLIQUE算法。     

蚁群算法求解多选择整数背包问题

本文针对一维、二维多选择整数背包问题的教学模型,采用动态规划和蚁群算法对其进行求解,并对蚁群算法作了适当的改进.随机数据实验表明,随着问题规模的扩大,动态规划算法的计算复杂度将急剧增大,造成求解困难,而基本蚁群算法及改进蚁群算法能够快速有效地求得问题近优解,且改进蚁群算法解的质量比原算法平均提高了2.8%.     

育种算法简介

文章地介绍了育种算法的基本思想和方法、育种算法模仿繁殖优良品种的方法和过程,并将遗传算法的选择、交叉、变异三个过程简化为一个过程.     

改进模糊线性回归及求解方法研究

针对一般模糊线性回归模型在参数确定方面存在的问题,提出一种改进的参数求解方法,并采用启发式算法及遗传算法（ＧＡｓ）较好地解决了模糊线性回归模型对界外值敏感的问题