镍小团簇的基态结构和能量

采用Gupta势来描述Nin团簇中原子之间的相互作用，用模拟自然界生物进化的遗传算法优化计算了Nin团簇（n=2-23）的基态结构和能量，给出了结构和能量随原子数目的变化规律，并讨论了其相对稳定性。     

扰动的线性方程组通解的Huang算法

本文给出了求解扰动后新方程组的直接方法，它简捷，计算量和存贮量都不大，数值结果也表明它是相当有效的。对于替换多个方程的情况，用本方法均可直接处理。     

基于混合遗传算法的模糊车间调度问题

该文介绍了模糊流水车间调度问题，在此基础之上设计了一个解决该问题的混合遗传算法——嵌入多点最速下降法的遗传算法（GDA），将其与各种算法进行了仿真比较，论证了其有效性。     

集群式计算机系统在生物信息学中的应用

1　Introduction　SMP (symmetricmulti processing)andMPP (mas sivelyparallelprocessing)arethetwotypesofstruc tureofparallelcomputing .　Symmetricmulti processingsystemshavemultipleCPUsattachedtothesamebusandsharingRAM .Massivelyparallelprocessingisthecooperated pro cessingofaprogrambymultipleprocessorsthatworkondifferentpartsoftheprogram ,witheachprocessorusingitsownoperatingsystemandmemory .ThechoicebetweenSMPandMPPdependsonthenatureoftheproblembeingsolved .Iftheproblemcanbeeasilypartit…     

适用于数据分类的极限学习机优化算法

针对极限学习机参数优化问题,提出量子遗传算法优化极限学习机的方法（QGA-ELM）。在该方法中,对ELM的输入权值和隐含层阈值采用量子比特编码,并将其映射为QGA的染色体,QGA的适应度函数为对应ELM的分类精度;通过QGA的量子旋转门优化出输入权值与隐含层阈值,以此训练出分类精度更高的ELM,从而改善ELM的泛化性能。通过ELM和QGA-ELM对数据集的仿真结果对比表明,QGA-ELM有效地提升了ELM网络的分类精度。     

基于m-相依序列的学习机器相对一致收敛的界

为了研究m-相依序列下学习机器的推广性能,把基于独立同分布的结果推广到m-相依序列,建立采用ERM算法的学习机器的经验风险到它的期望风险相对一致收敛速率的界.并对m-相依序列现有的结论进行改进,得到了m-相依序列下,采用经验风险最小化算法学习机器的推广性能的界.     

八数码问题的搜索算法比较

搜索策略是人工智能研究的主攻方向之一,采用不同的搜索策略在求解问题的过程中也会存在差异.通过对于八数码的搜索求解分析,采用盲目搜索中的广度优先搜索算法和启发式搜索中的A*算法进行实现,将广度优先搜索算法与A*算法进行比较,从而评价这两种搜索算法的优劣性.     

基于PSO的控制系统中周期性任务的优化调度

控制系统中任务的调度不仅影响系统的资源利用率,而且影响系统的控制性能。首先分析了周期性实时任务,并给出了任务模型。基于此,采用了EDF调度算法。根据系统的性能指标与任务的采样周期的关系,采用粒子群算法对系统性能进行优化。仿真结果表明,这种算法是有效的。     

Nearest neighbor search algorithm based on multiple background grids for fluid simulation

The core of smoothed particle hydrodynamics (SPH) is the nearest neighbor search subroutine. In this paper, a nearest neighbor search algorithm which is based on multiple background grids and support variable smooth length is introduced. Through tested on lid driven cavity flow, it is clear that this method can provide high accuracy. Analysis and experiments have been made on its parallelism, and the results show that this method has better parallelism and with adding processors its accuracy become higher, thus it achieves that efficiency grows in pace with accuracy.     

基于区域增长的连通域标记算法的优化

与以往基于区域增长的连通域标记算法用目标点作为种子不同,优化算法将游程作为种子,结合游程和种子算法的优点,减少种子的数量和目标点邻域的搜索次数.实验表明,本算法能有效地减少算法冗余操作,明显提高效率,且性能优于其它算法.