基于混合自适应的遗传工作流挖掘算法

针对遗传算法工作流挖掘容易过早收敛且局部寻优能力较差,导致得到的解不理想的情况,提出了一种基于混合遗传方法的工作流挖掘算法。该算法采用因果矩阵映射流程实例作为工作流模型的编码,在遗传算法的选择操作阶段采用锦标赛策略与精英保留策略相结合,在交叉变异阶段运用混合自适应方法,并结合模拟退火思想,使解的质量有了明显的提高。仿真实验表明,该算法与基于简单遗传方法的工作流挖掘算法相比效率更高。     

改进的元胞自动机人员疏散仿真模型研究

近几年来,地震、火灾等自然灾害频繁发生,恐怖袭击事件突发频率也呈日益攀升之势,公共安全问题成为社会热点,灾难突发时人员疏散问题的建模与仿真技术成为研究热点。立足已有的元胞自动机模型,充分考虑了人员在疏散时的心理特点和行为特点,提出了一种改进的元胞自动机模型,通过改进的元胞自动机模型对人员疏散问题进行建模与仿真,更加真实再现了行为人在紧急疏散时表现出来的从众性和自组织性,其研究成果为人群疏散仿真研究提供了有力支持。     

基于自适应遗传算法的混合流水车间调度研究

混合流水车间调度问题具有建模复杂性、动态多约束、计算复杂性、多目标性等特点,近些年,各种演进化算法被运用到生产调度中,特别是遗传算法的应用。本文提出了自适应遗传算法求解混合Flow-shop调度问题的方法,应用Matlab对算法进行编码,并利用实际的生产数据进行了仿真。通过仿真实验,仿真调度数据验证了自适应遗传算法用于求解大型流水车间调度的可行性和有效性。     

语音信号处理中音调提取的改进算法

语音信号处理过程包括对需处理的音频信息进行过滤、解析和音频特征提取三个步骤,本文主要针对音频特征中的音调提取算法进行改进。     

蚁群算法在路径规划中的应用研究

首先,在叙述蚁群算法存在的问题后,提出了本文中的基于方向夹角的蚁群算法。然后,本文用西安市交通道路网络数据对基于方向夹角的蚁群算法进行了实验。结果表明,本文中改进的蚁群算法具有寻优能力强,收敛速度快,参数设置稳定的优点。     

MongoDB数据库的应用研究和方案优化

MongoDB作为一款性能优良,功能丰富,支持海量数据存储的产品受到很多商家的青睐。但由于MongoDB系统中采用的Auto-Sharding的算法存在着数据在各个节点上的分配不均匀的现象,使CPU占有率过高,直接影响了系统的性能。通过对MongoDB的研究分析,提出了用一致性哈希算法进行优化的方案,设计了一个针对海量数据存储的分布式文件系统,以有效解决数据分配不均匀的问题。     

大学程序设计语言中循环结构算法与教学案例设计

以计算机程序设计语言教学实践中归纳出循环结构教学方法为基础,并以visual FoxPro数据库程序设计语言为例,给出了利用循环结构解决实际问题的一些常用算法与教学案例,实践证明,所述案例教学效果较好,以供大学计算机程序设计语言教学改革参考。     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

智能算法及其混合优化策略研究

智能算法已经成为解决大规模组合优化问题的有效方法,但每一种算法又有各自的适用域和局限性,因而算法融合的思想便开始被研究应用,大量研究也表明算法的混合策略有更高的优化效率。首先阐述目前常用的几种智能算法思想,分析各自优缺点,继而针对单一算法的不足,探讨了几种算法混合优化策略思想,最后对进一步的研究做出展望。     

基于.net的高校排课管理系统

介绍了高校排课管理系统中遇到的多种冲突矛盾,给出了解决这些矛盾的方法;提出了一种依据教学计划,以教学班级的授课任务为单位,自动完成选取学期课程、选择教室、安排授课时间和教学场地的高效的智能排课系统方案。实现算法为：先安排教学任务时间,再根据授课时间和所授课程类别安排教室。