一种改进后的基数排序算法

在把对基数排序算法的研究与对排序算法的语言实现技术的研究相结合起来的基础上提出了一种新的高效基数排序算法。给出了该算法的描述．最后在理论上把它与几种有代表性的相关排序算法进行了比较。并用算例把该算法与相关排序算法进行了较充分的效率比较，这些比较充分说明了新算法的效率要比以前的算法快得多。     

蚁群算法的现状与研究进展

介绍了蚁群算法的基本原理及其算法的模型，对几种改进的蚁群算法进行了评述，并对算法的研究现状做了概述，认为蚁群算法是一种较好的解决组合优化问题的新型模拟进化算法。     

确定简单无向图中Hamilton圈的邻接边增长算法

提出了一个判断给定简单无向图中有无Hamilton圈的邻接边增长算法，给出了该算法的理论基础，算法步骤，算法描述及算法分析，最后给出了应用实例。     

并行处理系统中一种改进的MARY-LO任务调度算法

讨论了并行处理系统中的任务调度问题，对基于Stone典型模型的一些算法作了些改进，改进后的算法弥补了以前算法的不足，将启发式算法，网络流量算法和贪心算法有机地结合在一起，很好地解决了处理机数目上的限制问题。     

LDPC译码中的消息传递算法和置信传播算法等效性的证明

给出了LDPC译码中三种算法:硬判决算法、消息传递算法以及置信传播算法的详细步骤,证明了消息传递算法和置信传播算法的等效性,得出了消息传递算法是置信传播算法对数域的实现方法.     

一种优化的灰狼算法

针对传统灰狼算法存在局部开发能力弱、早熟收敛以及初始种群分布不均匀等缺点,优化了传统灰狼算法。采用Cat混沌映射和反向学习初始化种群,增加初始种群的多样性和均匀性;在灰狼位置更新方面结合了粒子群算法的个体位置更新策略的优势,降低了算法陷入局部最优的风险;引入非线性控制参数,平衡了算法的全局搜索能力和局部开发能力;利用Levy飞行对α狼进行全局搜索,防止了算法后期狼群丧失多样性和算法收敛早熟。利用优化后的灰狼算法对6个标准测试函数进行理论仿真,结果表明,与传统灰狼算法、粒子群算法和蚁群算法相比,优化后的灰狼算法在标准函数求解精度和算法稳定性方面均有显著提高。     

地图代数距离变换算法的改进及实现

为进一步提高地图代数距离变换算法的效率,详细分析了已有地图代数的欧氏距离变换算法,针对三个方面对已有算法进行改进,并且运用C++语言编写程序实现。该算法在增加较小存储空间的情况下,避免了行列号的排序查找,与已有算法进行了对比试验,证实该算法的效率较已有算法提高了约20%。     

渐变式路径优化在GIS中的应用

为了解决传统算法收敛速度慢、搜索区域盲目等问题，提出了一种新的算法——渐变式路径优化算法该算法是结合Dijkstra算法和遗传算法的优点，采用启发式搜索和自适应禁忌等策略进行优化而形成的一种混合算法对新算法和传统算法进行了比较，同时将该算法应用于GIS路径规划中，对新算法中的关健参数σ、β因子进行了测试仿真结果表明该算法极大地加快了搜索速度，提高了搜索效率，取得了良好的效果     

一种结合遗传算法的图像分割方法

模糊聚类算法是一种解决图像分割的常见算法,Stelios在模糊C均值聚类算法的基础上提出了FLICM算法,极大地改进了图像分割的效果。基于此,经过分析证明FLICM算法存在的不收敛问题,在此基础上改进了FLICM算法,并提出了结合遗传算法来解决因目标函数复杂度高而无法给出"闭合"迭代公式的问题。从结果来看,该算法不仅克服了FLICM算法不收敛的问题,而且取得了更好的图像分割效果,使得图像细节得到更充分的保留。     

一种改进的OFDM通信系统信道估计算法

介绍了正交频分复用(OFDM)系统的基本原理和两类常用的信道估计算法:最小二乘法(LS)和最小均方误差(MMSE)算法。在16QAM高效调制的OFDM系统中,对两种算法进行了仿真验证,得出不同信道估计算法下的均方误差和误符号率曲线。同时仿真了线性最小均方误差(LMMSE)算法、改进的LS算法和改进的MMSE算法,仿真结果表明,改进的LS算法优于最初的LS算法,改进的MMSE算法具有最优的信道估计性能。     

渐变式路径优化在GIS中的应用

为了解决传统算法收敛速度慢、搜索区域盲目等问题,提出了一种新的算法——渐变式路径优化算法.该算法是结合D ijkstra算法和遗传算法的优点,采用启发式搜索和自适应禁忌等策略进行优化而形成的一种混合算法.对新算法和传统算法进行了比较,同时将该算法应用于G IS路径规划中,对新算法中的关健参数σ、β因子进行了测试.仿真结果表明该算法极大地加快了搜索速度,提高了搜索效率,取得了良好的效果.     

一种公平的动态轮转算法

时间片轮转算法作为一种经典的调度算法得到了广泛的应用.针对时间片轮转算法的调度策略和时间片长度的选取等问题开展深入的研究,提出了一种改进的动态轮转算法,算法是短作业优先算法、多级队列算法和时间片轮转算法的综合和发展.利用生灭过程理论建立了时间片轮转算法和动态轮转算法的性能模型,分析了两种算法的平均等待时间和平均周转时间,引入性能提高百分比的概念对比两种算法的差异.实验结果和理论分析均表明改进算法的性能优于传统的时间片轮转算法.     

基于二叉树的位排序算法

利用二叉树的结构性质，给出了一个基于二叉树的位排序算法（ＢＢＳ算法），并证明了ＢＢＳ算法是生成二叉树的这组数据按排序码升序的排序，最后，我们讨论了该算法的算法复杂性。     

基于单形进化的径向基网络训练算法

在引入智能优化算法的径向基神经网络训练算法中,智能优化算法的控制参数对该算法的学习性能影响很大.为此,提出了一种基于单形进化的径向基神经网络训练算法.该算法基于单形邻域的全随机搜索方法减少算法控制参数,借助群体的多角色态保持粒子的多样性,避免算法陷入局部极值点.仿真结果表明:相比于其他算法,该算法训练的径向基神经网络不仅有效提高了识别率,而且减少了控制参数对学习性能的影响,提高了算法的普适性与鲁棒性.     

基于干扰抵消的MIMO-OFDM系统多用户检测算法实现

本文主要研究基于干扰抵消的MIMO-OFDM系统多用户检测算法。首先介绍了MIMO-OFDM系统的特点;然后分析了常见的几类多用户检测算法,特别是迫零检测算法、基于串行干扰抵消的迫零检测算法以及基于并行干扰抵消的检测算法;最后分别对经典迫零检测算法、基于串行干扰抵消以及并行干扰抵消的迫零检测算法进行仿真。仿真结果表明,基于并行干扰抵消的检测算法的误码率性能要优于其他两种算法。     

线性规划基线算法的数值预报

介绍了基线算法的构思原理，用Neilib数据和随机生成的数据对几种具体的实现形式进行了测试，并与单纯形法进行了比较。理论和数值结果表明基线算法是一种可靠，有效的算法，此外，还给出了有关于其它算法（包括内点算法）的若干评述。     

基于共享存储器的共同进化算法

讨论了基于共享存储器的共同进化算法，该算法是一种基于粒度并行模型的进化算法，应用共享存储器方法提高算法的性能，仿真实验证实了算法在改善早熟收敛以及收敛速度等方面具有良好的性能。     

一种新的K-均值动态聚类算法

针对K-均值算法易受孤立点影响、对初始中心点选择敏感、易陷入局部最优的问题,对K-均值算法进行了改进,提出了一种自适应优化选择初始中心点的K-均值算法。实验结果表明,改进后的算法不仅较大程度上弥补了传统K-均值算法的不足,并且提高了聚类的稳定性和准确率。     

基于去相关NLMS算法的自适应回波抵消

在NLMS算法的基础上,从语音信号相关性的角度出发,提出了一种去相关NLMS算法(DC-NLMS).该算法收敛速度快,稳态失调小,计算量与NLMS算法相当,克服了APA算法收敛速度快但计算量大的缺陷.计算机仿真结果表明,DC-NLMS算法在自适应回波抵消中的综合性能要优于NLMS算法、APA算法以及文献[7]中的算法.     

解线性互补问题的控制超松弛迭代算法

运用松弛迭代算法与矩阵分裂理论,提出了求解线性互补问题的控制超松弛迭代算法.这类算法设计了两个参数:第一个参数控制了迭代阵的谱半径,从而使算法收敛,适当选取第二个参数,加快了算法的收敛速度.在一定条件下证明了算法的全局收敛性.