分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题，提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM．该算法利用分布式K—Means聚类算法对每个数值型属性进行聚类，求得聚类中心，由此构造全局模糊集，定义全局隶属度函数．DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘，采用全局一局部站点模式，其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF．实验结果表明，该算法能准确地生成全局模糊频繁项目集，在求解全局模糊频繁项目集过程中，传送局部模糊候选项目集支持数的通信量为O（n），提高了算法的挖掘效率．     

基于改进量子头脑风暴算法的UAV三维航迹规划

针对复杂环境中的无人飞行器航迹规划问题，提出了一种基于改进量子头脑风暴优化(QBSO)算法的UAV三维航迹规划方法．在进化前期，两个种群独立进化，从而提升算法的全局搜索能力．在进化后期，对每个种群中的个体进行排序，每个种群中较优的(排名前50%)个体形成一个新种群，该新种群按照QBSO的进化机制继续进行进化，从而加快算法收敛速度．此外，为进一步提升算法的全局搜索能力，提出了一种改进的待变异个体产生方式．实验结果表明：与基本BSO、QBSO、改进BSO及全局最优BSO算法相比，改进QBSO算法在解决航迹规划问题上具有更高的全局搜索能力、收敛精度和更强的稳定性．     

基于脊波变换的自适应阈值图像去噪算法

利用脊波变换的方法，研究了图像去噪问题．设计了一种基于脊波变换的改进图像去噪算法，该算法采用软硬阈值折中函数，针对Normal Shrink阈值提出了改进．仿真实验表明，该算法与小波全局软硬阈值去噪、脊渡全局软硬阈值去噪等算法相比，图像的峰值信噪比值有明显提高，算法对以直线特征为主的图像较为有效．     

分布式数据库关联规则更新算法

提出了一种分布式关联规则增量更新算法（IUAAR），它可对数据库发生变化的情况进行归类．该算法主要采用改进了的FP树结构，通过传送被约束子树来挖掘全局频繁项目集，并充分利用快速分布式挖掘算法建立的各局部FP树，只对新增加了的全局频繁项目修改相应的改进FP树，挖掘其对应的被约束子树，同时利用已挖掘的全局频繁项目集对原全局频繁项目对应的被约束子树进行有效修剪．实验结果表明，该算法的运算速度比快速分布式挖掘算法提高了1倍，在最坏的情况下，对各局部数据库也仅需要扫描一遍，从而可提高数据库的维护效率．     

正布尔函数随机生成算法

层叠滤波器是一类新型非线性滤波器，生成正布尔函数是确定层叠滤波器的关键．在应用全局化优化算法，如遗传算法、模拟退火算法时，如果不能随机生成正布尔函数，则无法应用这些算法优化层叠滤波器，提出了一种随机生成正布尔函数算法，能随机生成正布尔函数，使应用全局化优化算法优化层叠滤波器成为可能．仿真结果表明，该算法可行．     

基于模拟退火算法的最优码本设计

分析了矢量量化码本设计基本算法及其不足，给出了完善的局部最优的改进算法及其实现．简介了模拟退火算法的基本原理，并利用模拟退火算法进行全局最优码本设计，文中给出了具体的算法实现和实验结果．     

连续空间演化规划的收敛性

给出了求解全局优化问题的连续空间的演化规划，应用Ｍａｒｋｏｖ过程分析了演化规划，并且证明了该算法的全局收敛性．     

框式约束凸二次规划的预估校正光滑算法

研究了框式约束凸二次规划的一种光滑算法，算法中应用了牛顿法及其变形形式，证明了算法的全局收敛性．     

简约粒子群优化算法

针对全局版粒子群的早熟和局部版粒子群的最优位置信息利用率低的问题，提出简约粒子群算法．该算法使用速度松弛迭代策略，使粒子不必频繁更新速度，当粒子速度有利于适应度进一步提高时，就在下一个迭代周期内维持该速度，这有利于提高良好速度信息的利用率，减小算法的计算量，加快运算的收敛速度．同时，利用精英集团策略，使多个最优位置信息在种群内充分共享，有效地控制了种群多样性，避免了早熟现象．在典型标准测试函数上进行了全局、局部版惯性因子粒子群和全局、局部版约束因子粒子群测试比较，结果表明简约粒子群算法具有更强的寻优能力和更高的稳定性，且计算量也比较小．     

求解变分不等式的一个改进的推广近似点算法

基于D．Han提出的算法，通过改进算法的投影区域，我们提出了求解变分不等式的一种改进的推广近中心点算法．该算法使新的迭代点与变分不等式的解集间的距离更靠近．在适当假设条件下，我们证明了算法的全局收敛性．     

一种改良汽车电子导航算法

介绍一种基于全球定位系统(GPS)和电子地图(GIS)的车辆路径诱导系统改良禁忌搜寻法,实验结果显示,相比常用的禁忌搜寻法,改良禁忌搜寻法在布线时间上减少了45%。     

基于H.264的UMHexagonS算法研究与改进

运动估计是视频压缩编码中消耗时间最多的部分。H.264标准采纳混合非对称十字多六边形格点搜索(UMHexa-gonS)算法作为其快速运动估计算法。详细介绍了UMHexagonS算法,并从三个方面对算法进行了改进:一是增加一个自适应的提前终止判决门限,二是用一种新的搜索方式替代5×5螺旋搜索,减少搜索点数,三是将多层六边形搜索修改为多层十点搜索。在测试模型JM10.2上进行了算法验证,测试结果表明,在图像质量几乎不变的情况下,改进的算法比原算法节省了7%—14%的运动估计时间。     

基于打破对称性的快速寻路算法

基于Java实现了跳点搜索算法,给出了算法实现的过程.实验结果表明:跳点搜索算法找到了一条从起始节点到目标节点的最优路径,且能够有效地识别和消除网格地图上的路径对称性,大幅度减少了节点扩展的数量.对比A*、宽度优先搜索、最佳优先搜索和Dijkstra可知,在所求解的路径长度一致的情况下,跳点搜索在平均搜索时间上显著快于其他算法.因此,跳点搜索是快速、高效的.     

基于在线图修剪的网格地图寻路

跳点搜索算法(JPS)是网格地图上最先进的图形修剪技术,由Daniel Harabor在2011年开发。它是A*的变种,提高了A*在等价网格上寻路的速度,当考虑当前节点的孩子可能被添加到OPEN集合时候,跳点搜索算法则直接从当前节点跳跃到了远处可见的节点。本文给出了跳点搜索算法的两个规则,并通过实证分析,将跳点搜索算法与两个先进的搜索空间约化算法进行了对比。结果显示:跳点搜索算法相对于Swamps(保持最优性的修剪技术)来说有显著地改进;同样,相对于很多情况下性能上占优的HPA*(次优寻路算法)也具有优越性。     

深度优先搜索的非递归算法

深度优先法是图的遍历的一种重要的方法。改方法应用广泛,例如电网拓扑结构、DNA网络等复杂图形分析。在大型网络的分析过程中,深度优先搜索的递归算法效率地下。故本文论证了递归算法的优缺点,并用非递归算法实现了深度优先搜索。     

一种改进CRS算法的收敛性分析

CRS算法及改进的CRS算法都不具有收敛性，据此，提出一种改进CRS2全局收敛算法，该算法在产生新的试探点上，利用了随机搜索技术代替直接搜索技术，并对给出的算法进行了收敛性分析，证明了该算法依概率1收敛．     

A New Local Search Algorithm for the Job Shop Scheduling Problem

0　IntroductionThejobshopschedulingproblemwithwhichwearecon cernedconsistsinschedulingasetofjobsonasetofma chinesfortheobjectiveofminimizingthemake span ,i.e .themaximumoftimeneededforfinishingalljobs,whichissubjecttotheconstrainsthateachjobhasafixedprocessingorderthroughthemachinesandeachmachinecanprocessatmostonejobatatime .ThisproblemisNP hardandevenisoneofthehardestcom binationaloptimizationproblems.Itiswellknownthatonlysmallsizeprobleminstancescanbesolvedwithinareasonablecomputa tionalti…     

基于起点预测的单位十字快速运动估计算法

复杂且耗时的运动估计运算给实时视频编码系统的实现带来了困难.为提高视频编码的实时性,文中分析了运动矢量的分布特性和空间相关性,提出了一种基于起点预测的单位十字快速运动估计算法.该算法结合提前中止准则,通过块匹配绝对误差比较法来选择起始搜索点,然后采用单位十字搜索模式进行搜索.实验结果表明,在保持图像质量基本不变的情况下,该算法搜索速度是三步法的3～17倍,是菱形搜索法的2～9倍,是自适应十字搜索法的1.19～4.42倍.该算法计算量小,实时性强,易于硬件实现,在小运动序列运动估计方面具有明显优势.     

一种改进禁忌搜索的K-medoids聚类算法

针对传统K-medoids聚类算法初始聚类中心随机选择、聚类精度不高、全局搜索能力较差以及禁忌搜索算法对初始值随机选取等问题,提出了一种粒计算与最大距离积法相结合的初始化禁忌搜索初始值算法,将改进后的禁忌搜索算法用来优化K-medoids,以提高聚类算法的性能。通过仿真试验论证了该算法具有较高的效率和准确率以及较强的稳定性。     

单模式精确匹配算法研究

模式匹配算法在各领域中有重大的应用价值。文章详细分析了BF、KMP、BM、Tuned BM和QS 5种单模式精确匹配算法;通过上机实验,采用不同的模式串长度对这些算法的匹配次数、比较过的字符个数和所需时间3方面进行测试;结果表明,BM、Tuned BM、QS算法在实际运行性能相对较好;而Tuned BM算法可有效地减少字符比较次数,是其中时间复杂最优的算法。