混合粒子群算法在地震波阻抗反演中的应用

为提高地震波阻抗反演的精度，提出了一种结合了混沌和遗传思想的混合粒子群算法。算法在搜索初期，加入了混沌思想，使算法具有了遍历性。在粒子更新过程中，又加入了选择、交叉、变异思想，增强了粒子之间的联系和粒子的多样性，使算法收敛速度更快，更容易跳出局部极值。针对模型对该算法进行了测试与对比，测试结果表明，该算法在反演精度上明显优于传统粒子群算法; 对算法的抗噪性进行了分析，在模型中加入15%噪声时，虽有一定误差，但符合度依然较好，表明本算法具有一定的抗噪声能力; 最后将算法用于实际地震资料，得到了良好的效果，表明本算法具有一定的实用价值。     

改进的LS-DRMTCMA算法

针对TD-SCDMA系统的帧结构的特征，将Z．Rong（1996）提出的LS-DRMTCMA算法改进，提出了LMS-DRMTCMA算法．这种算法相对于LS-DRMTCMA算法大大降低了基站处理的运算量，并且提高了算法的实用性，仿真实验表明，该算法比原算法具有更低的误码牢．     

基于关联规则算法的研究

本文主要介绍了数据挖掘中的关联规则，分析了关联规则中的主要算法，包括Apriori算法、FP-Growth算法以及CRApriori算法，并且阐述了各种算法的主要特点。     

自适应回波抵消器的算法分析与比较

在简单介绍回波产生背景及回波抵消器的基本原理后，详细阐述了当前普遍采用的各种自适应回波算法，并比较了各算法的性能，指出了各算法的适用场合．LMS算法是所有算法的基础，NLMS算法是对其的归一化，改进RLS算法则针对多重回波而言，变步长的LMS算法及MVS算法主要是对LMS算法的步长值由固定突破为因输入信号或误差信号而可调节的函数．     

时序电路SACO和PSO混合算法的测试矢量生成

提出了一种新的测试矢量生成算法，其使用SCOAP测度对蚁群算法进行参数调整，并在粒子群算法的框架下进行测试矢量生成，再使用调整后的蚁群算法进行测试矢量优化。该算法不仅克服了粒子群算法的容易陷入局部最优等缺点，而且利用电路本身的特性来确定蚁群算法的参数。以国际标准电路为例，实验验证本文的算法，结果表明本算法应用于时序电路的测试矢量生成时，相对于粒子群算法提高了其收敛性，提高了故障覆盖率；相对于蚁群算法压缩了测试矢量集，减少了测试诊断时间。     

BP 算法的可视化研究与 BP 智能算法

本文利用算法的可视化技术，从ＢＰ算法的基本原理出发，分析、研究了梯度、共轭自适应算法的长与短，提出了共轭梯度自适应算法的设想，并在此基础上，利用模拟退火算法思路，构制了ＢＰ智能算法。最后对实际资料进行了多种算法的对比试算，证实了共轭梯度法和ＢＰ智能算法与原算法相比，提高了速度，增强了算法对不同对象的自适应性和智能性。     

改进的非常快速模拟退火算法

在研究模拟退火机理分析的基础上，提出了一种改进的算法（MVFSA算法）的具体方案，目的是为了改进原算法（VFSA算法）中存在的缺陷，以提高算法的效率．在模型试验中，对改进后的算法与原算法的过程和结果进行了一系列的比较，发现改进后算法不仅保持了原算法全局寻优的优点，而且提高了算法的稳健性和效率．这就为模拟退火算法在更多方面的实际应用打下了良好的基础．     

智能搜索算法设计和分析

提出了人工智能博弈树搜索ＳＳＳ＊算法的两种改进算法ＢＳ＊和ＤＳ＊算法，给出了ＢＳ＊和ＤＳ＊搜索博弈树端结点的充分必要条件，由此证明了，如果能估计一个合适的上界，则ＢＳ＊算法优于ＳＳＳ＊算法．同时还证明了ＤＳ＊算法优于α－β算法．论述了ＤＳ＊算法搜索深度为奇数的博弈树时，在一般情况下也优于ＳＳＳ＊算法，且这两种算法都降低了存储开销．     

改进的粒子群算法及在结构优化中的应用

粒子群算法（PSO）是一种有效的演化算法。将免疫算法中浓度的概念引入粒子群算法中，提出了一种基于浓度概念的竞争排挤粒子群算法；并提出了基于样本方差的种群多样性指标，用以定量的描述种群多样性。这种改进的粒子群算法增加了粒子群的种群多样性，提高了算法的全局搜索能力。最后将本文的算法应用于梁结构和桁架结构优化设计，验证了算法的有效性。     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。     

基于FFT变换的空间重采样宽带Root-Music算法

提出了基于FFT变换的空间重采样方法与求根的Music算法（root—music）相结合的宽带信号测向算法．算法利用了空间重采样算法的优点，利用空间的FFT变换，根据采样定理反变换得到虚拟阵元的输出，从而达到聚焦的效果，基于聚焦的思想算法保持了其对相干信号的处理能力，克服了RSS算法对预估计角度的依赖性．同时采用了求根的Music算法，使得在提高测向精度、降低测向均方误差的同时更降低了运算量．仿真实验通过与RSS和Music算法结果进行比较，验证了该算法的有效性．     

基于Apriori优化算法的IDS模型研究

Apfiofi算法是数据挖掘技术中关联规则的经典算法，为了解决在入侵检测系统中使用Apfiofi算法进行模式匹配的低效率问题，提出了针对Apfiofi算法的优化，提出一种基于基于事务压缩和项目压缩的优化算法，该优化算法比Apriori算法具有明显的效率，提高了模式匹配的精度．     

覆盖平面上给定点集的最小凸多边形的算法

研究求覆盖平面上给定的若干个点的最小凸多边形的算法．给出了两种算法，讨论了算法的基本思想，描述了算法步骤，得出了算法的时间复杂度．结果表明，算法的平均计算时间复杂度为平面上给定点的数量的线性函数，即为Ο（ｎｍ），在最坏情况下可为Ο（ｍ２）     

Powell-DE算法在软测量参数预估中的应用

提出一种新的全局集成优化算法(Powell-DE算法)．该算法在差分进化算法中引入具有强局部搜索能力的Powell算法，克服了DE算法收敛慢且易陷入局部最优等缺陷，几个典型测试函数的仿真实验和比较，验证了新算法的有效性，体现了新算法的优越性；然后，Powell-DE算法被用于基于LSSVM模型的蒸发过程出料溶液NK的浓度的软测量中，并与其它2种方法的比较，现场工业数据验证表明新模型体现出了更好的跟踪性能且精确度高，能够完全应用于出料溶液NK的浓度的在线预测.     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展，阐述了Newton算法与其他算法的混合算法，并探讨了Newton算法的超线性收敛性，从而进一步阐明了此算法的研究方向。     

基于双模式更新五行环算法的多目标冷链配送

针对生产运输中广泛存在的冷链配送问题，建立了以配送成本最小化和顾客满意度最大化为目标函数的多目标冷链物流优化模型。基于五行环优化(FECO)算法，提出了双模式更新个体的五行环优化算法(FECO-DMUI)，并对多目标冷链物流模型进行求解。将FECODMUI算法与FECO算法、NSGA-II算法、鲸鱼优化算法和灰狼优化算法进行比较，结果验证了本文模型和算法的有效性，同时验证了FECO-DMUI算法在多目标冷链配送问题中能更加高效地获得路径优化的最优解集。     

TD-SCDMA系统中多用户检测算法比较

为了抑制多径衰落造成的符号间干扰，提高TDSCDMA系统的吞吐量。提出了一种非线性多用户检测算法—多径干扰消除算法（MPIC），比较了该算法与线性多用户检测算法（联合检测）的基本原理，对这2种算法的性能进行了仿真，进行了复杂度的比较，得出了多径干扰消除算法优于联合检测算法的结论。     

框架柱端有效受弯承载力的算法新探

对框架柱端有效受弯承载力的现行算法作了分析，指出了其中存在的问题，提出了新的算法，该算法较为圆满地解决了现有算法中所存在的问题．     

蚁群算法在排课问题中的应用研究

首先对蚁群算法和排课问题进行了简要概述，同时针对基本蚁群算法在解决排课问题中存在的弊端，提出了一种新的改进型蚁群算法——优劣蚁群算法，并对该算法的优越性进行了阐述。最后通过真实的排课数据对该算法与基本蚁群算法及其相应的改进算法的性能分析比较，应用该算法排课系统运行效率得到了提高，冲突现象明显减少，大大提高了教务管理人员的工作效率。     

基于群集智能的蚁群算法研究

指出了对蚁群算法为代表的群集智能的研究已经逐渐成为一个研究热点，介绍了蚁群算法的基本思想，分析了基本蚁群算法的特点和不足，针对这些不足讨论了多种改进方案，对改进方案与基本蚁群算法进行了比较，展望了该算法的工程应用前景．