基于自组装DNA计算的RSA密码系统破译方案

自组装DNA计算在解决NP问题,尤其是破译密码系统方面,具有传统计算机无法比拟的优势。采用DNA分子瓦编码信息,借助于分子瓦之间的粘性末端进行自组装,给出了乘法运算的实现方案。在此基础上,通过引入非确定性的指派分子瓦,提出了一种用自组装DNA计算破译RSA公钥密码系统的非确定性算法。通过创建数以亿计的参与计算的DNA分子瓦,在DNA计算能力允许的范围内,该算法可以并行地测试每个可能的因子,以高概率地分解整数。该方法最大的优点是充分利用了DNA分子瓦具有的海量存储能力、生化反应的巨大并行性以及组装的自发有序性。     

节点失效网络可靠度的矩阵分解算法

对于具有节点失效及边失效的网络系统的端端可靠度问题，本文提出了一种改进和推广的全概率分解计算机算法，算法的基础是反复进行矩阵的分解与化简．本文给出并解释了可行分解元的选取和矩阵的化简规则．     

多星成像调度问题基于分解的优化算法

提出了一种求解多星成像调度问题的基于分解的优化算法,将问题分解为任务分配主问题与单星成像调度子问题.任务分配主问题生成不同卫星的任务分配方案,单星成像调度子问题则根据分配的任务进行优化,生成每颗卫星的成像调度方案.采用自适应的蚁群算法求解任务分配主问题,通过自适应参数调整策略及信息素平滑策略,实现全局搜索和快速收敛间的平衡.采用启发式算法及快速模拟退火算法求解单星成像调度子问题,通过综合多颗卫星的调度结果, 可以对任务分配方案进行评价,引导蚁群算法搜索优化的任务分配方案,最终得到多颗卫星的成像调度方案. 大规模测试算例验证了算法的效率.     

一种改进的QR分解VBLAST解码算法

基于传统的QR分解算法,将最大似然算法应用到QR分解算法中,提出了一种改进的VBLAST解码算法,称为MLQR算法.该算法主要克服QR算法最先检测层性能差的缺点,将最大似然法应用到QR算法中,以最大限度地提高最先检测的两层信号的性能,然后回代到QR算法中检测余下层信号.仿真结果表明,提出的MLQR算法比QR算法和迫零算法在误码性能上要好,特别是在高信噪比下性能得到明显改善.     

停机位分配问题的顶点着色模型及算法

给出了停机位分配问题顶点着色模型及其分解算法.通过改良一种时间冲突算法,构建了航班使用停机位的时间冲突集合.以"先到先服务"原则为基础,把停机位分配问题转化为顶点着色问题,并建立了相应模型.利用笔者独创的分解算法,停机位的作业能力可得到改善.算法的计算复杂度为O(n2).该算法的特点在于:1)将顶点、颜色划分为若干个不同等级的集合;2)将顶点按照所属集合的等级、度进行分解,得到顶点的分解序列.在用一种颜色ck(1≤k≤K;K是可用颜色数)给顶点着色时,优先给这样一个顶点着色:该顶点能被着ck色,且其分解序列号最大.最后将该算法应用于一个算例,得到了最优解.     

探测器自主导航的UD-EKF粒子滤波算法研究

用UD分解改进EKF粒子滤波算法,并将其应用于基于星光仰角测量的探测器自主导航方案.UD-EKF是基于递推的UD协方差分解滤波算法,该方法减少了计算舍入误差的影响以及计算机的计算量和数据存储量.用UD-EKF更新粒子,提高了滤波精度,缩短了运行时间,通过计算机仿真证实了其可行性.     

基于泛函网络的组合推荐算法

在研究组合算法的基础上，提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题，给出了基于泛函网络构架实现前融合组合推荐算法的一般过程. 通过推荐系统泛函拓朴结构的建立，利用泛函神经元的自学习、自组织和自适应能力，进一步优化推荐结果，较大地提高了系统的推荐准确度. 最后，将算法应用于Movielens推荐系统中，计算机仿真实验结果表明，本文提出的基于泛函网络实现前融合推荐算法是有效的、可靠的.     

缺货补偿条件下的生产规划模型及算法

针对缺货补偿条件下有能力约束、多产品、多阶段制造系统的生产规划问题，以利润最大为目标，建立混合整数规划模型。通过对模型的等价转换，基于对偶理论将等价模型分解为相互关联的生产主问题和库存子问题，设计对偶分解算法进行求解。数值实例的计算结果，说明了算法的收敛趋势以及在计算时间方面的性能。     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

多层前向神经网络带正则化因子的算法

针对权衰减递推最小二乘算法(trueweightdecayRLS,TWDRLS)每迭代一步计算复杂度和存储要求很大,基于局部线性最小二乘算法(locallinearizedleastsquaresalgorithm,LLLS)与正则化因子,给出了多层前向神经网络带正则化因子的LLLS算法,大大减小了TWDRLS算法每迭代一步计算的复杂度和存储量。实验表明,改进的算法提高了原LLLS算法的鲁棒性和泛化能力,其性能接近TWDRLS算法。     

毫米波实孔径三维成像研究

用WehnerDonaldR .提出的实孔径三维成像技术 ,可以利用实孔径高分辨率雷达获得目标的三维图像。但是该方法的缺陷在于 ,如果雷达的参数一定 ,即距离维分辨固定 ,则在距离上不能分辨的散射点在方位上亦不能分辨。针对这一问题 ,提出通过在距离维采用超分辨技术 ,提高距离维的分辨率解决了以上问题 ;同时使用全局最小二乘法解决了由于采用超分辨方法而带来的振幅估计问题。仿真结果表明 ,新算法可以较好地解决以上问题 ,是可行的。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

Optimization method for diagnostic sequence based on improved particle swarm optimization algorithm

To realize the requirement of diagnostic sequence optimization in the process of design for testability, the authors put forward an optimization method based on quantum-behaved particle swarm optimization (QPSO) algorithm. By a precedence ordering coding, the diagnostic sequence optimization can be translated into a precedence ordering problem in the multidimensional space of swarm. It can get the optimizing order quickly by using the powerful and quick search capability of QPSO algorithm, and the order is the diagnostic sequence for the system. The realization of the method is simpler than other methods, and the results are more excellent than others, and it has been applied in the engineering practice.     

基于混合粒子群-NEH算法求解无等待柔性流水车间调度问题

针对以最小化最大完工时间为目标的无等待柔性流水车间调度问题,提出了一种混合粒子群-NEH算法.该算法 利用粒子群优化算法解决机器分配问题,并进行全局优化;利用改进的NEH算法确定工件加工顺序,并首次提出差值 平移算法计算问题目标值.在算法求解过程中,通过不断对停滞粒子实行变异操作,避免粒子群陷入早熟收敛状态.基 于典型算例的仿真实验,证明了所提算法求解该类问题的可行性和有效性.     

基于进化FCM算法的故障诊断方法

为了提高故障的诊断效果,首先利用一种改进的离散傅里叶变换方法提取故障特征,然后提出了一种扩散式遗传算法,将其与模糊C 均值(fuzzyC mean,FCM)聚类方法结合设计了一种进化FCM故障识别方法。该方法通过离线优选虚拟标准样本,达到快速、准确在线识别故障的目的,很好地解决了FCM算法经常收敛到局部极值点的问题。最后以某型歼击机结构故障为例进行了仿真验证,结果表明该方法确能有效的检测出歼击机的各种故障。     

一种单站纯方位目标跟踪算法研究

纯方位目标跟踪是水下目标定位跟踪的重要问题。伪线性估计算法是主要的纯方位目标跟踪算法中之一,在水下目标定位跟踪领域中得到了广泛的应用,其计算简单,但估计结果严重有偏。为了克服伪线性估计算法的估计有偏性,提出一种新的辅助变量方法,利用过去观测的三个方位来预测当前方位,从而消除该算法的估计偏差,得到理论上无偏的修正伪线性估计算法。通过多次计算机仿真计算,表明该算法是一种递推、稳定以及无偏的估计算法。     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

加拿大旅行者问题

针对加拿大旅行者问题 ,分析其主要变形——确定型可恢复的加拿大旅行者问题。考虑堵塞边动态产生 ,一个遇到且堵塞边在时间 l( x,x)后可以自动恢复情况下的道路选择。通常对于在线算法可以从两个方面进行评价 :最坏情形分析和竞争比分析。本文先设计了求解最坏情形下旅行时间最短的标号算法并分析了其计算复杂性。而后在竞争比分析中 ,设计了基于贪婪原则的选路策略 ,并对其进行了竞争比分析 ,证明了该贪婪策略对于确定型可恢复加拿大旅行者问题的竞争比为 ( k+ 2 ) /2