冒泡排序算法的改进

本文作者对传统的冒泡排序算法进行了时间复杂性分析，指出其效率不高的缺陷，提出了双向同时浮沉的改进方法，并编程予以实现。其效率较传统的冒泡排序算法有一定程度的提高．     

冒泡排序算法的分析与改进

冒泡排序算法有两个优点：1＂.编程复杂度＂很低,很容易写出代码;2.具有稳定性,这里的稳定性是指原序列中相同元素的相对顺序仍然保持到排序后的序列,但当需要排序的数据较多且无序时,冒泡排序算法的时间复杂度较大,比较次数较多,本文提出了一种冒泡排序算法的改进方法,可以大大减少比较的次数,降低算法的时间复杂度。     

冒泡排序算法及其改进算法的实验分析

排序是计算机科学的基本问题之一.通过描述传统的、带标记的、双向的和交替排序四种冒泡排序算法,总结出它们的时间复杂度为O(n2)和空间复杂度为O(1).通过编程验证了四种排序算法在不同随机度情况下的性能,指出它们的适用原则:当随机度比较小时,应选取非传统冒泡排序算法;当随机度比较大时,则应选取传统冒泡排序算法.实验表明,四种算法的时间消耗与输入序列的规模近似地呈指数曲线关系,传统冒泡排序算法的时间消耗与输入序列随机度近似地呈水平直线关系,而其它三种算法的时间消耗与输入序列随机度呈40?左右的斜线关系.     

基于分类树的高效关联规则挖掘算法

在分析类Apriori算法存在效率瓶颈的基础上，提出了一个高效改进算法——基于分类树的关联规则挖掘算法．该算法只需要两次访问数据库，把数据库中的数据利用分类树来存储，减少了访问数据库的次数；并且由分类树的全部或部分来求得频繁项目集，减少了求频繁项目集的比较次数．此算法通过结合Apriori和FP—tree两种算法来提高挖掘效率，降低了挖掘算法的时间复杂度和空间复杂度．通过多次试验证明该算法比Apriori及其改良算法的挖掘效率高2到8倍．     

种蒙特卡罗方法的改进方案简

用快速高效的方法产生高质量的随机数是蒙特卡罗方法应用的关键并直接影响其时间复杂度。通过建立零驱动估计、单驱动估计两种新模型及优化梅森旋转算法,对随机数生成方法进行了改进。基于圆周率估算的仿真检测结果表明：新建立的两种模型在获取高精度的同时,分别使仿真时间缩短了80．1％和40．3％;改进后的梅森旋转算法使时间复杂度下降了91．1％。对蒙特卡罗方法在实际应用中兼顾精度和效率的研究有一定意义。     

基于网格划分的几种空间索引

分析了基本的规则网格空间索引的优缺点,阐述了基于网格划分的各种改进算法的原理,并且针对地图开窗显示的实际应用,设计了每种算法的实现步骤.通过对改进算法时间复杂度和空间复杂度的分析,得出各自的优缺点和适用程度,并根据实际地图数据编程实现这些算法.实验结果表明,在地图开窗显示方面,理论分析符合实际应用情况,每种改进算法时间复杂度都不超过O(N).     

一种新的2-路插入排序算法

详细分析2-路插入排序算法,给出了一种改进的2-路插入排序算法及其实现．这种插入排序算法不论时间复杂度还是空间复杂度,相对原2-路插入排序算法都有较好的改善。     

实现冒泡排序算法的一种新方法

冒泡排序中，每趟比较结束时都能确定一个数据的最终位置，在数组中用下标表示，标值的变化为循环控制变量的变化给出了一种实现冒泡排序算法的新方法．     

一类基于冒泡排序的改进算法的分析与比较

排序算法对于计算机信息处理很重要，一个好的排序不仅可以使信息查找的效率提高，而且还直接影响着计算机的工作效率．目前排序领域许多最简单的算法都是基于冒泡排序算法，该文对这些算法的基本原理进行了介绍和分析，并对它们的算法性能进行了比较．     

冒泡排序在VB程序中的实现

冒泡排序是一种典型且简单的交换排序算法,在多种处理情形下都可以使用。本文根据一个操作任务,对冒泡排序在VB中的实现进行代码的编写及分析,同时,对提高算法和程序运行的效率提出几点设想,以便对代码进行优化。     

基于自适应数据压缩的码集设计及算法实现

简要给出了最近秩(Recency Rank)编码原理，运用插值法构成了其编码码集，并采用位输入输出方法实现了该算法的压缩及还原。     

一种改进的RVSSLMS波束赋形算法

作为智能天线的关键技术之一,波束赋形算法引起了众多学者的广泛关注。为克服目前RVSSLMS算法比较简便,易于实现,但收敛速度较慢;RLS算法收敛速度较快,但其运算量大的问题,根据移动通信系统中波束赋形算法必须具有较快的响应速度和收敛速度的要求,对RVSSLMS算法进行了改进;结合RLS算法和RVSSLMS算法的优点,在开始迭代前的25次用RLS算法求加权系数W(k),再使RVSSLMS算法用RLS算法求出的加权系数W(k)作为初始值进行迭代求解,使其在保持原有运算量小的特点的同时,具有更快的收敛速度。用Matlab仿真对改进方法的有效性进行了验证,仿真结果表明:RLS-RVSSLMS算法既具有RLS算法收敛速度快的特点,同时保持了RVSSLMS算法计算量小的特点。     

一种改进的基于无链表SPIHT的图像压缩算法

 SPIHT算法以其简单高效而著称,但由于LSP、LIP和LIS 3个链表的使用,内存需求量大,且需要动态分配或删除链表节点;另外,排序阶段存在的重复扫描也严重影响了算法的效率和性能,因此算法不易在硬件平台上实习,也不适用于低内存和实时应用场合。本文针对SPIHT算法的不足,提出了一种改进的无链表SPIHT算法。首先,在排序阶段加入对A类集合的分类判断,优化了码流输出,提高了压缩性能;其次,在存储重要信息时,算法以状态标识矩阵代替链表,既节约了内存开销也避免了内存的动态管理,最大输出位数和集合极值矩阵的使用则减少了扫描次数,提高了运行效率。     

基于遗传算法的聚类分析及其应用

通过把C-均值法中的距离平方和准则函数作为遗传算法的适应度函数，把各个聚类中心编码成染色体，来讨论一种基于遗传算法的聚类分析方法，目的是利用遗传算法的全局性来提高聚类算法找到全局最优的可能性。实验结果证明，该算法可以很好地解决某些聚类分析问题。     

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法．通过对二维波动方程的数值试验，发现该算法具有无条件稳定性，其数值计算结果与整个区域上采用隐格式的计算结果相当，计算精度明显好于Kuznetson算法和改进的Kuznetson算法，计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少，且小于隐格式计算时间的一半．     

概念性水文模型参数自动优选方法的比较研究

介绍了3种参数自动优选方法：罗森布瑞克法（Rosenbrock）、单纯形法（Simplex）和基因法（Genetic）。应用4个流域的水文资料，以三水源新安江模型为例，分析了基因法参数L和IMAX对优选结果的影响；对这3种优化方法的收敛程度、参数初值的选定以及不同组合情况的优选结果进行了比较研究。结果表明，基因法参数取IMAX＝5000，L＝10时比较合理；3种优化方法各有优点，基因法不依赖于参数初值的选定，罗森布瑞克法收敛速度快，单纯形法精度较高，建议以基因法优选结果为初值，然后采用罗森布瑞克法，最后采用单纯形法，可以得到最佳的优选结果。     

kNN算法在文本分类中的改进

kNN算法用已归类的数据训练分类器,它是一种基于实例研究（instance_based learning）文本分类算法,本文在研究kNN算法的基础上,结合k邻近法和最近特征线法的思想,提出了新的分类方法,k最近特征线法（k nearest feature line,kNFL）,将其运用于文本分类中,汲取了kNN算法和NFL算法的优点,降低了偶然误差,提高了算法适应性和分类精度。     

蚁群算法在连续性空间优化问题中的应用

研究了一种可用于求解连续空间优化问题的蚁群算法策略.能提高最优解搜索过程的效率以及搜索状态的多样性和随机性,且不受优化目标函数是否连续、可微等因素的限制,为实际应用提供了途径.数值算例结果表明该搜索策略能较好地找到近似全局最优解.     

改进的交通分配起点用户均衡算法

对起点用户均衡算法的流量转移、起点限制子网(Bush)的更新、成本更新策略及计算流程等关键问题进行了分析改进.探讨了Bush的最长和最短路径对查找方法,提出了流量转移的步长搜索方法及加速算法收敛的Bush更新方法.该方法优化了适合多线程开发的算法流程,并用不同规模的城市交通网络模型对算法进行效率测试和与其他算法进行对比.结果表明,该算法效率有较大的提高,可满足大规模城市交通网络模型计算速度和精度的要求.     

包含奇异类样本的感知机学习规则的单位圆算法

分析了传统的感知机学习方法的不足，通过对包含奇异类样本的分析，提出了基于矢量的零偏置的感知机学习规则：单位圆算法，并证明了该算法的收敛性。最后给出了实例样本的模式识别的实现及模式识别的结果。