算法多样化的优化

算法多样化的教学是这一轮数学课程改革的热点问题之一,目前，尽管各种报刊对算法多样化教学阐述了各种颇有见地的观点，但教师在具体的课堂教学中仍然存在很多问题。有的教师对《数学课程标准》提倡算法多样化存在理解上的偏差，或受有关算法多样化教学文章及专家报告的影响，以致在算法多样化教学中重算法的数量而轻算法的质量；有的教师在新授课中该优化时不敢优化。这再次验证了南京大学哲学系郑毓信教授说的一句话：小学教师真“可爱”，书上或专家怎么说就怎么做。     

一种前馈神经网络算法

神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。     

几种误差信号非线性处理自适应算法的统一分析及比较

符号处理，双符号处理、幂2量化处理是三种典型的简化自适应最小均方算法相关乘法实现的方法。本文将三种简化方法加以统一处理，在输入为联合高斯随机过程听假设下，从理论上导出了算法性能的统一表达式。从分析结果可以看到，简化处理的影响体现在两个系数上，一般来说是随着自适应过程中变化的，恰当运用这两个系数，可以建立比较此类算法性能的简单方法。     

面向云计算基础课程的Paxos算法教学设计研究

云计算作为一种新型计算模型,自诞生以来受到了业界与学术界广泛关注,市场规模迅速扩大,国内许多大学的计算机专业都开始关注云计算课程教学。针对云计算课程技术内容新、涉及理论多、应用范围广,以及与商业运营模式结合紧密等特点,以谷歌公司的云计算核心技术分布式锁服务Chubby所采用的Paxos算法为例,对云计算教学内容与教学方法进行设计探究。详细阐述了Paxos算法工作原理,并设计了具体教学案例,该教学方案在实际教学实践中获得了良好的教学效果,加深了学生对Paxos算法的理解。     

混合蛙跳算法改进及其对旅行商问题的求解

针对混合蛙跳算法在进化过程中容易陷入局部最优的问题,使用群体适应度值判断算法在进化过程中是否陷入局部最优,如果陷入局部最优,则对整个种群的当前最优解Gb进行贪婪倒位变异,如果变异后的Gb(新)要优于Gb(旧),则使用Gb (新);否则,使用模拟退火算法判断是否接受Gb (旧)。通过实验,将改进前后的混合蛙跳算法用于对旅行商问题的求解,并通过对比,验证了改进后的算法较未改进的算法更有效。     

最优集合覆盖的一种启发式算法

集合覆盖问题是NP困难问题中应用最广的问题之一，它在模式识别、机器学习等领域中具有重要的作用，集合覆盖问题的启发矩阵算法，优化策略明了，算法定理简单。     

由“9加几”教学引发的算法多样化断想

断想之一：算法多样化与情境创设诱导的关系　在教师精心创设的适宜的教学情境中,倡导算法多样化有助于张扬学生的个性,培养学生的创新思维.相反,在不适宜的教学情境中,倡导算法多样化却可能导致光开花不结果的尴尬局面.从这个意义上说,算法多样化与情境创设诱导有着密不可分的关系.     

一种鲸鱼优化算法改进的加权质心定位算法

针对加权质心定位算法受 RSSI 测距误差影响导致定位结果不理想的问题,提出一种鲸鱼优化算法改进的加权质心算法,利用鲸鱼优化算法的快速收敛、不易陷入局部最优等优势对加权质心算法定位结果进行优化。首先,通过加权质心算法计算待测点位置;其次,根据锚节点位置信息、RSSI 测距信息及待测点位置信息建立适应度函数;最后,利用鲸鱼优化算法不断迭代寻优,对待测点定位结果进行优化,以提高定位精度。在通信半径相同、锚节点数为 30 的条件下,改进后的定位算法定位精度为 0.58m,而粒子群加权质心算法与人工鱼群加权质心算法定位精度分别为 0.64m 和 0.62m,且随着锚节点个数的增加或通信半径的增大,改进后的定位算法仍能获得更高的定位精度。因此,改进后的定位算法精度更高,具有一定可行性。     

基于支持向量机的数据挖掘技术

随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多.激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据.将目前先进的机器学习技术支持向量机,与数据挖掘结合起来,提出了一个改进的支持向量机训练算法,进行了支持向量机自动分类的模拟试验.试验结果显示,新算法的训练速度明显提高,并获得了比较理想的分类结果.     

一类投资组合模型的模糊两阶段算法

对多目标证券组合投资模型进行了研究，模型以风险损失率作为风险。该模型是一多目标线性优化问题．我们采用模糊折衷算法对模型进行了求解，算例给出了该模型的一个实例的最优解。