关于选择算法的子序列及其支点的最佳动态选择

通过递归分析对著名线性选择算法进行了改进,指出子序列的最佳长度为19,可使原算法复杂度降低60％。对支点的选择采用动态策略,避免了原算法中一刀切的方法,并根据所要选择的元素号给出了支点的最佳位置。     

遗传算法选择操作的递归实现

选择操作是遗传算法中体现“适者生存”的关键一环．最常用的选择方式是“轮盘赌”法．其传统实现建立在逐项比较的基础上，算法复杂度为Ｏ（ｎ２）．通过把各码链适应值转换为一组具有线性序的区间，从而可利用二分查找法实现“轮盘赌”选择操作的递归算法，使时间复杂度下降到Ｏ（ｎｌｏｇ２ｎ）．     

非递归的线性选择算法

给出一个基于映射方法对分组数据作快还排序的非递归的实用线性选择算法,并分析了算法的时间复杂性。     

二叉树先序遍历的非递归算法讨论

在传统的二叉树递归算法的基础上,讨论了两种非递归算法,一种是较常见的算法,但这种算法有重复的操作,因而笔者做了修改,形成了第二种算法,并在时间复杂度和空间复杂度方面对这两种算法的优劣进行了探讨。     

递归问题的非递归算法及效率分析

给出了程序设计中两种递归问题的非递归算法实现过程，并与递归算法进行比较，结果表明，非递归算法在时间复杂度与空间复杂度两项指标上均优于递归算法，且不使用系统栈，执行过程不依赖于函数或过程的重复调用，有更大的灵活性，可以应用在程序与软件设计中．     

由先序序列和结点的层数构造严格二叉树的高效算法

提出一种新的通过一棵严格二叉树的先序序列和这棵严格二叉树的结点的层数构造这棵严格二叉树的非递归算法.举例说明新算法的执行过程.对于有n个结点的严格二叉树,新算法的时间复杂度为O(n),比相应的递归算法的低,新算法的最差情况空间复杂度为O(n),与相应的递归算法的相同.     

一类螺旋方阵问题的算法分析与实现

对一类典型的螺旋方阵算法进行了分析，提出了解决这类问题的“海龟法”、“分割法”和“递归法”；给出了递归算法的程序实现；讨论了几种算法在时间、空间复杂度以及扩展性方面的问题。     

基于位运算的幂运算算法

本文介绍了位运算的特点及常见的用途。通过对常见几种实现幂运算的算法进行比较,比较了非递归的基于位运算的二分算法实现幂运算,该算法在时间复杂度和空间复杂度上相较于其他幂运算算法都有较大的改善。     

割纸算法及其实现

割纸算法是一种求最优的算法，本算法的实现的关键技术是“递归”，编写“递归算法时,是将原问题转换成一个或多个子问题，并找出停止条件，在本算法中，终极所有的切割方法，记下最优的结果。     

割纸算法及其实现

割纸算法是一种求最优的算法,本算法的实现的关键技术是"递归",编写"递归算法时,是将原问题转换成一个或多个子问题,并找出停止条件．在本算法中,终极所有的切割方法,记下最优的结果．     

自适应多启发蚁群算法的无人机路径规划

为了解决蚁群算法在无人机实现路径规划中容易陷入局部最优的问题,提出改进的蚁群算法。对信息素的挥发因子以及信息素进行上、下限设置,防止由于较短路径上的信息素过高以及较长路径上的信息素过低,使蚂蚁陷入局部最优,同时在多启发因素的影响下,将路径的整体长度作为决定状态转移概率的一个自适应启发函数因子,当路径长度很大时,自适应启发函数因子较小,使得蚁群选择该路径的概率减小。实验结果表明,改进的算法在路径长度上减少了6.4%,最优路径长度方差降低了85.78%,增加了对环境整体性的考虑,缩短了路径长度,降低了迭代次数,跳出局部最优。在环境复杂度加大的情况下,引入自适应启发函数因子之后的算法可以有效地选择较好的路径,为无人机路径规划提供了理论依据。     

关于BFPRT分治选择算法的最佳性

对基于分治思想设计的ＢＦＰＲＴ选择算法给出了几乎最佳改进，并指出在比较算法类中，基于建立中值序列选中位元素的分治思想，对此算法的任何改进其复杂度至少为８ｎ，其中ｎ为选择问题的大小。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。     

遗传算法在低副瓣天线阵综合中的应用

应用遗传算法进行低副瓣天线阵的综合。针对低副瓣天线阵综合的特点,通过构造适当适应度函数,大大减少了计算量,通过对适应度函数进行非线性变换,增强了遗传算法的搜索能力,由于遗传算法固有的稳并行性、鲁棒性和简单易行等特点,提高了计算效率,可以获得全局最优解,并且收敛稳定,获得了良好的结果。     

融合多种策略的改进粒子群算法及其在电子商务多级物流中的应用研究

为了提高粒子群优化算法(PSO)求解复杂优化问题的能力,本文对基于细菌趋化的粒子群优化算法(PSOBC)进行改进。PSOBC算法是PSO算法的一种新思路,可以有效地克服其易陷入局部最优、后期粒子多样性差的缺点,故将一般反向学习策略和自适应惯性权重与PSOBC算法相结合,得到一种改进的粒子群优化算法。改进的粒子群优化算法的开发能力和勘探能力都得到了很大的提高;在求解复杂性优化问题时种群能够在搜索范围内快速收敛到局部最优处,并且当种群密度足够小时,及时增大种群密度即进行去全局寻优。最后将改进后算法应用到电子商务多级物流中心选址及路径规划问题上。     

基于K中心点的文档聚类算法

K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为局部搜索过程嵌入到迭代局部搜索结构中,构造一个基于K中心点的迭代局部搜索文档聚类算法,进一步改进了文档聚类结果.试验结果表明该算法显著改进了文档聚类结果.     

改进的Hausdorff距离和遗传算法在图像匹配中的应用

研究模板和图像间的有效匹配,将部分Ｈａｕｓｄｏｒｆｆ距离的计算进行改进,提出一种改进的部分Ｈａｕｓｄｏｒｆｆ距离作为检测模板和图像中物体轮廓相似性的测试,可以较大地减少计算量,同时把遗传算法引入图像匹配识别,由于遗传算法的高并行性和鲁棒性,可以较快地完成全局搜索,而不会陷入局部最优,因此该算法和改进的Ｈａｕｓｄｏｒｆｆ距离相结合能有效地检测出具有平移、旋转和尺度变化的物体,该方法可以应用于实际图像识别和匹配中。     

协作CDMA系统上行链路功率控制策略及优化算法研究

针对协作CDMA系统上行链路功率控制优化算法复杂度过高的问题,提出了一种新的分段式低复杂度的功率控制策略及优化算法,其中系统的功率控制分两个阶段,前后两阶段分别采用分布式的功率控制优化算法和基于几何规划的功率控制优化算法。理论分析和数值仿真结果表明,功率控制优化算法对信道信息要求低、运算量小、复杂度低、收敛速度快,且收敛于全局最优。     

基于系统可靠度的预应力空间网格结构优化

为降低预应力空间网格结构系统优化分析的复杂度,提出一种利用改进的遗传算法进行结构系统可靠度约束下的最小质量优化设计的方法。该方法将系统可靠度作为结构优化控制参数,采用分枝限界法判定系统的主要失效模式,应用PNET法计算系统的可靠度。算例分析表明,该方法得到的最优个体质量相对于最佳矢量型法降低了2．82％。该方法合理有效,具有工程应用价值。