一种快速线性原地二路归并算法

将内部缓冲技术、浮洞技术与分治技术相结合．提出了一种快速线性原地二路归并算法。归并长度分别为m和n的2个有序子表(m≤n)，该算法最多需要2．5m 1．5n 4．5√m n次比较和7m 6n-√m n次移动。如进一步降低系数，并与其他好的排序算法有机结合，理论上的原地二路归并算法必将成为比快速排序更实用的算法。因此该线性原地二路归并算法具有较高的理论和实用价值。     

一种快速线性原地二路归并算法

将内部缓冲技术、浮洞技术与分治技术相结合-提出了一种快速线性原地二路归并算法。归并长度 分别为m和n的2个有序子表（m≤n）该算法最多需要　2.5m＋1.5n＋次比较和7m+6n+ 5041次移动。如进一步降低系数-并与其他好的排序算法有机结合-理论上的原地二路归并算法必将成 为比快速排序更实用的算法。因此该线性原地二路归并算法具有较高的理论和实用价值。     

一种基于数据块交换的快速稳定原地归并算法

与其它排序算法相比,二路归并最适合于对2个有序子表进行排序。归并长度分别为m和n的2个有序子表,经典算法有2种。第一种算法完成归并需要附加O(m+n)的空间,O(m+n)次比较和移动。第二种算法是原地的,但完成归并需要O(m+n)次比较和O(m×n)次移动。提出了一种基于块交换的快速稳定原地二路归并算法。实验证明,该算法与以前的原地算法相比,大大降低了元素的移动次数。     

一种基于数据块交换的快速稳定原地归并算法

与其它排序算法相比.二路归并最适合于对2个有序子表进行排序。归并长度分别为m和n的2个 有序子表,经典算法有2种/第一种算法完成归并需要附加O(m+n)的空间,O(m+n)次比较和移动/第 二种算法是原地的.但完成归并需要O(m+n)次比较和O(m*n)次移动,提出了一种基于块交换的快速 稳定原地二路归并算法.实验证明,该算法与以前的原地算法相比,大大降低了元素的移动次数.     

考虑加权排序的分类数据聚类算法

针对部分聚类算法对数据输入顺序敏感的问题,定义了不干涉序列指数,提出了应用不干涉序列指数对分类数据进行加权排序的方法,并基于该方法对受数据输入顺序影响的CABOSFV C分类数据高效聚类算法进行改进,提出了考虑加权排序的聚类算法(CABOSFV CSW),消除了算法对数据输入顺序的敏感性.采用UCI基准数据集进行实验,发现应用加权升序排序的CABOSFV CSW算法在处理分类数据时,聚类质量较原始CABOSFV C算法和其他受数据输入顺序影响的算法在准确性上有改善,在稳定性上有显著提高.     

快速排序的改进算法

对快速排序算法进行了改进,根据在待排序列基本有序的情况下,插入排序有较好的性能特点,在改进算法中,只对长度k大于的子序列递归调用快速排序,最后再对整个序列用插入排序方法排序,我们得到了时间复杂性为1.386 nlog(n/k) nk/4 3(n 1)/(k 1) O(logn)的排序算法,当k取值为8左右时,改进算法的性能较隹.     

一类特殊的有界变量目标规划的算法

对一类从m个决策变量中选择n(n≤m)个决策变量的有界变量目标规划问题,本文用0-1变量建立了它的数学模型,并提出了一种目标规划分层序列的改进算法及一种启发式算法。     

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.     

选择排序算法的一个改进及分析

针对少量记录排序的应用，对直接选择排序算法进行了挖掘，通过增加记忆功能，使算法性能得到明显提高。改进后的算法在大量记录排序时，较原算法的速度提高1倍以上；在少量记录排序时，是基于比较和移位的排序算法中总体表现最佳的；并且对原序列的有序程度很敏感，原序列相对有序时，速度能大幅度提高。结果表明：该算法很适合少量记录排序、部分排序、较有序记录的排序，以及与快速排序算法的混合使用。     

一种同步原地二路归并算法

介绍了一种同步原地二路归并算法。通过加入同步策略，该算法优化了内部缓冲区的使用，进一步降低了线性原地二路归并算法的线性系数。归并长度分别为m和n的2个有序子表（m≤n），该算法不超过2.5m＋n＋2.5〖KF(〗m〖KF)〗＋2〖KF(〗m〖KF)〗 lb m次元素比较和5m＋3n＋6〖KF(〗m〖KF)〗＋12〖KF(〗m〖KF)〗lb m次元素移动。实验证明，与经典原地二路归并排序相比较，该同步原地二路归并算法能够极大地降低元素移动次数和算法的运行时间。     

基于相关移位BOC(n,n)无模糊度捕获算法

GPS现代化过程中,为避免导航信号频段间的互相干扰,采用了BOC调制技术来实现频带资源的合理利用.但是经过BOC调制的信号的自相关函数会存在多个副峰,这将会使捕获存在模糊性.针对这一问题提出了一种新的无模糊度捕获算法,根据BOC单元相关函数的特性,通过与移位半个码片取反后的新函数相乘,最终实现消除边峰的能力.仿真分析表明,本文提出的算法可以削弱副峰的干扰,使主峰跨度减小到半码片宽度,捕获灵敏度同ASPeCT方法,但均峰比比ASPeCT方法提高约10%,计算量也减少了40%.      

广义Petersen图P(n,1)和P(n,2)的意大利控制数

在图G=（V, E）中,f为从顶点集合V到｛0,1,2｝的映射,如果满足所有 f（v）=0的顶点v其邻域中至少有一个被赋值为2的顶点或者至少有两个被赋值为1的顶点,则 f 称为图G的意大利控制函数。图G中所有顶点的函数值之和为f 的权重。权重的最小值为图G的意大利控制数。确定图的意大利控制数是NP （non?deterministic polynomial） 困难的。通过构造可递推的意大利控制函数,计算出广义Petersen图P（n,1）和P（n,2）意大利控制数的上界。利用袋装法和控制代价函数法分别证明出P（n,1）和P（n,2）意大利控制数的下界。最终确定了P（n,1）和P（n,2）意大利控制数的精确值。     

г-超半群的(m,n)超理想

首先引入г-超半群的(m,n)超理想的概念,给出了г-超半群的(m,n)超理想的刻画和(m,n)超理想的生成表示,并利用(m,n)超理想给出(m,n)单г-超半群和(m,n)正则г-超半群的刻画。利用本文的结果,当G只有一个元素且超运算是一般的二元运算时,半群的(m,n)理想以及利用(m,n)理想对正则半群的刻画可以相应得出。     

R(4,1×n)型图的边标号

证明当n≡1（mod 2）时,R（4,1×n）型图是k-边优美图、超边优美图和边友好图.     

Ramsey数R(6,n)的三个下界

构造３个新的素数阶循环图．从而得到３个Ｒａｍｓｅｙ数的下界：Ｒ（６，１５）≥２７２，Ｒ（６，１６）≥３０８，Ｒ（６，１７）≥４２２．     

关于Smarandache LCM函数的方程S(SL(n~(14,36)))=φ_2(n)的可解性

令S(n)为Smarandache函数,SL(n)为SmarandacheLCM函数,φ_2(n)为广义欧拉函数。讨论方程S(SL(n~(14)))=φ_2(n)和S(SL(n~(36)))=φ_2(n)可解性,利用初等方法并结合函数φ_2(n)与函数S(n)的性质,给出了这两个方程的所有正整数解。     

图m(G1(2n,1)*G2(2n,1))的优美性和奇强协调性

定义图m（G1（2n,1）＊G2（2n,1））的概念,证明它是优美图和奇强协调图,还证明图G1（2n,m）也是奇强协调的.     

一类(5,10)次Liénard方程的小振幅极限环

研究了一类m=5,n=10次Liénard系统在原点邻域的极限环数目问题,先通过计算机符号计算出原点的奇点量,再通过行列式方法证明了系统原点充分小邻域能产生9个极限环.给出了Ĥ（5,10）的一个新下界,即Ĥ（5,10）≥9.     

毛蚶正丁醇相抗卤虫化学成分分析

应用抗卤虫（Artemia salina）生物活性筛选模型,分析南海毛蚶（Scapharca subcrenata）乙醇浸膏和正丁醇相的生物活性成分.从毛蚶（S.subcrenata）正丁醇萃取相中共分得4个化合物,包括3个甾体类化合物5-烯-胆甾醇（1）,胆甾醇（2）,3-酮-20-烯孕甾烷（3）和1个吲哚类化合物3-carboxy-indole （4）,化合物（1）～（3）在50μg/mL时对卤虫的致死率分别为65.0％,60.0％和58.3％.     

Nbn(n=2-15)小团簇的第一性原理研究

【目的】研究纳米尺寸Nbn小团簇的结构演变过程,为进一步讨论Nbn小团簇的催化氧化性质提供参考。【方法】采用基于密度泛函理论(包括PW91和BLYP函数)的第一性原理计算方法对Nbn(n=2-15)小团簇的几何结构进行优化计算。【结果】随着原子数n的增加,Nbn(n=2-15)小团簇的结构及其特性具有明显的变化,平均每原子结合能(Binding Energy)随着原子数的增加呈递减趋势。【结论】Nbn(n=2-15)小团簇随尺寸变化具有明显的奇偶震荡性,n为偶数时比n为奇数时的结构稳定,其中Nb4、Nb6、Nb8、Nb10、Nb12小团簇结构较为稳定。