汉诺塔问题迭代算法实现和分析

本文实现了汉诺塔问题取代递归算法的迭代算法,介绍了它的递归算法和迭代算法的算法过程,并从算法占用存储单元和机器运行时间等方面对此两种算法进行了算法比较和分析。     

基于一种改进常模算法的盲信道均衡技术

针对时变信道需要进行自适应均衡的要求,分析了最常用的常模盲均衡算法,对常模算法的缺点进行了分析,通过修正常模算法的迭代公式,提出了一种基于最优控制步长的改进常模算法,并给出了改进算法的仿真结果。与常用定步长常模算法相比较,该算法能够更快地达到平衡状态,且判决函数足够小,说明该算法较大地改善了常模算法的性能。     

网络最小生成树问题的贪心解法

讨论了最小生成树问题的两种贪心算法：Prim算法和Kruskal算法,给出了算法步骤,设计了算法实现的一般模式,并介绍了它们的几种改进算法及时间效率比较。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法.算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中.新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强.     

基于BP神经网络与粒子群算法的水质评价方法

针对水质评价中BP神经网络算法存在的收敛精度不高、泛化能力弱等问题,提出了一种粒子群算法和BP神经网络算法相结合的改进型算法。该算法优化了BP神经网络的网络参数,提高了算法的收敛精度及网络泛化能力。通过实验验证了算法的有效性。     

RSA加密算法中获得强质数算法的改进

RSA是既能用于数据加密也能用于数字签名的算法,强质数获得算法是RSA加密算法的核心.该文介绍了RSA算法的加密过程,重点讨论了强质数获得的常规算法以及该算法中存在的缺点和不足.并在常规算法的基础上,结合素数查找算法,对强质数获得算法进行了优化,给出了算法实现过程.实验表明,优化后的算法可以提高素数查找速度和查找概率.     

基于文化蚁群算法的过热汽温PID参数优化仿真研究

将蚁群算法纳入文化算法框架,提出了文化蚁群算法,既突出了蚁群算法的全局收敛快鲁棒性强的特点,又结合文化算法避免了一般算法在搜索过程中出现的停滞状态;将文化蚁群算法用于电厂过热汽温控制PID参数优化整定,通过仿真实验,发现文化蚁群算法与其他方法算法相比,具有更好的控制效果。     

BM算法与WM算法的比较

模式匹配算法比较成熟,但是传统的模式匹配算法对提高Snort检测性能的效果不是十分有效。Snort采用的BM算法是一种单模式匹配算法,目前研究者对Snort模式匹配算法的研究和改进主要是采用多模式匹配算法来替换原有的BM算法。本文主要介绍了BM算法和WM算法,分析了这两种算法的基本原理并进行了一些相关的比较。     

基于LM和SA的混合优化算法

针对LM算法及模拟退火算法各自存在的不足,提出一种交替使用二者的混合优化算法（SALM算法）.该算法先通过模拟退火算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用模拟退火算法和LM算法,直至发现满意的最优解.实验结果表明,新算法不但具有模拟退火算法的全局收敛特性而且保留了LM算法的局部收敛速度,克服了单纯模拟退火算法所产生的随机性和概率性问题,也弱化LM算法对初始条件的依赖程度,保证了求解的速度和精度。     

基于Dijkstra的最短路径问题的算法分析与优化

Dijkstra算法是最具有代表性的最短路径算法,为解决许多工程领域中出现的最短路径问题提供了理论依据。本文分析了Dijkstra算法以及该算法存在的不足,并提出了优化该算法的方法,通过与原算法作比较,结果表明这种改进的算法在运行时间和效率上得到了提高,其占用的存储空间得到了减少。     

算法能力的提出与界定

数学能力的培养包涵算法语言和算法内容的教学,根据能力、算法的涵义及数学课程学习能力的具体表现形式,文章提出＂算法能力＂的概念及其相应的界定,并给出算法能力的构成,它由阅读算法能力、提炼算理能力、算法语言能力、应用算法能力四部分组成。     

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。     

一种新的混沌免疫优化算法

结合混沌优化算法与免疫算法的特点,提出了一种新的混合优化方法———混沌免疫优化算法.该算法综合了免疫算法与混沌优化算法在各自的空间搜索优势,充分利用免疫算法的记忆库中当代最优解指导混沌搜索。实验结果表明,该算法具有较强的搜索能力和收敛性能,算法有效可行。     

基于改进蚁群遗传算法的排课问题研究

提出了一种以蚁群算法为主,利用遗传算法经过交叉,变异,选择后产生进化的信息素作为蚁群使用的信息素.在遗传算法多次进化效果不明显时,引入模拟退火算法进行跳变的混合算法,使各种算法取长补短,改善了蚁群算法初始阶段运行缓慢和遗传算法局部搜索能力弱的缺点.提高了运行效率,同时运用这种改进的算法对高校排课问题进行仿真,从而比较算法改进的优缺点.     

机器人路径规划算法研究

在机器人设计中,路径规划是最基础也是最重要的因素之一,故对其算法研究尤为重要。利用传统路径规划算法与智能路径规划算法求解机器人路径规划问题,对智能算法、蚁群算法与遗传算法进行了MATLAB仿真,验证了蚁群算法与遗传算法求解路径规划问题的可行性。     

一种改进的自索引排序算法设计与分析

在自索引排序算法研究基础上,从对待排的数据进行优化处理角度,提出了一种新型自索引排序算法,给出了算法思想、算法描述和算法分析,其理论意义在于将自索引排序算法的空间复杂度o（n＋m）（其中m为待排的数据序列最大值）改进为o（△m）（其中△m为关键字变化范围）,对比实验结果分析表明,改进后的算法有更好的排序效果．     

关于模糊C-均值（FCM）聚类算法的改进

对模糊C-均值聚类算法的改进,即在原有的模糊C-均值算法的基础上,用一种新的定义距离的方法替代欧氏空间中距离的定义,改进模糊聚类算法。并且用数据仿真验证这种改进的模糊聚类算法与原来算法相比,聚类效果更好,分类更清晰。     

一种自适应蚁群算法及其应用

蚁群算法是一种具有许多优良特性的新型算法,该算法具有较强的发现较好解的能力,但同时也存在容易出现停滞现象,收敛速度慢等缺点。在介绍基本蚁群算法的基础上,针对蚁群算法的不足,提出了一种自适应蚁群算法。该算法对蚁群算法中的信息素在更新过程中进行自适应调整。实验结果表明,该算法比传统的蚁群算法具有更好的搜索全局最优解的能力,并具有更好的收敛性。