变种Camellia对Square攻击的安全性

讨论了Camellia1对Square攻击的安全性,并就FL/FL^-1函数对Camellia与Camellia1抗Square攻击能力的影响进行了分析.结果表明Camellia1对Square攻击的安全性远大于Camellia,FL/FL^-1函数中的比特循环移位运算对Camellia及Camellia1抗Square攻击的能力并无明显影响,而算法中的不规则层FL/FL^-1函数显著影响了Camellia及Camellia1对Square攻击的安全性     

一种基于丢包依赖体现的E模型的自适应播放延迟算法

在Internet通信播放延迟算法的基础上,使用E模型作为分析工具,并考虑丢包依赖在E模型中的体现以及对用户语音感受的影响,提出了一种应用于多方实时通信领域的新的自适应播放延迟算法,使得用户终端在获得良好Internet通信参数的同时,进一步提升用户的语音感受。实验测试结果发现,这种算法相比于目前其他算法,在丢包率、延迟等方面都有显著的改善,同时能够降低系统的连续丢包现象。     

基于遗传算法的波束追踪和成型

介绍了遗传算法在波束追踪和成型中的应用,着重探讨了该方法在解决追踪连续移动信号的同时抑制固定强干扰的问题。提出了一种改进的二进制编码方法,该方法引入了若干参数用以控制解的精度和搜索空间。特别考虑了算法的收敛性和可靠性。仿真结果表明,该算法可以在跟踪快速移动信号的同时,有效地抑制一个固定强干扰。     

0-1多项式背包问题的一种精确算法

提出了0-1多项式背包问题的一种新的精确算法. 该算法是一个基于拉格朗日松弛和对偶搜索的分枝定界方法. 用外逼近法求拉格朗日对偶问题得到上界,其中拉格朗日松弛问题通过转化为一个网络最大流问题来求解. 为了提高算法的效率,利用两种启发式方法求初始可行解,并用填充和交换的方法改进后得到初始下界; 并且在分枝定界前, 利用所得到的拉格朗日界, 先固定最优解中某些变量的值. 数值结果表明该算法是有效的.     

多目标投资组合模型的模糊两阶段解法

对多目标证券组合投资模型进行了研究,模型以绝对偏差和代替方差作为投资组合的风险度量.该模型是一个多目标线性优化问题,采用两阶段模糊算法对模型进行求解,最后给出了该模型的一个实例的最优解.     

基于动态组合优化的切换型离散系统最优控制

讨论了一类切换型混杂系统的最优控制问题.离散子系统切换次数固定且性能指标为二次型时,基于动态规划原理,将多级决策问题转化为易于求解的单级决策问题,得到切换离散系统最优控制的全局解析解.利用作为演化计算重要分支的遗传算法,对切换顺序和切换时刻进行全局搜索使性能指标达到极小,并给出具体求解步骤.最后用数字算例验证了该算法的有效性,仿真结果表明该算法可以解决一类切换线性系统的最优控制问题.     

用于粗糙集约简的并行算法

通过对数据挖掘粗糙集约简算法的研究, 提出一种基于区分能力指数的信息系统数据划分思想. 先将系统按属性区分能力分成若干子表, 再由子表的约简求原系统的约简, 这种思想较好地简化了布尔函数的化简过程. 根据该思想设计了一个属性约简并行算法, 并利用Petri网模拟工具CPN Tools对算法的负载平衡进行了分析, 通过实验与相应的串行算法在时间上进行了对比, 实验结果显示, 该算法对于对象较多的大规模系统具有较高的效率.     

证 券 投 资 组 合 的 解 析 算 法

给出了证券组合模型, 在其使对称矩阵与对角矩阵合同的可逆阵的一般规律基础上, 推导出证券投资组合给合权数的解析表达式, 并给出实例验证.     

捷联姿态解算五子样等效旋转矢量算法研究

为了抑制高动态环境下捷联惯导姿态解算时的误差,对五子样等效旋转矢量算法进行了推导;并在锥运动环境下进行了仿真验证。通过与四子样算法误差的对比,表明五子样算法可以有效减小动态误差,具有很高的实用价值。     

基于全排序与混沌多样性的高维目标进化算法

当前大部分多目标进化算法采用Pareto排序为种群个体指定适应度值;然而随着优化目标个数增加,种群中非支配个体的比例越来越大,造成上述算法的搜索能力迅速下降。针对高维(4个以上)目标优化问题,提出了一种全排序方法;该排序方法与Pareto排序具有一致性,并且能够对非支配解进行比较;因此基于全排序的多目标进化算法不受目标个数增加的影响。为了提高算法的优化效果,设计了一个混沌映射算子,用来周期性地初始化种群,以保证种群的多样性与均匀分布。最后,采用标准测试问题对所提算法与著名的非支配快速排序遗传算法(NSGA2)进行了实验比较。结果表明在高维目标优化问题中,所提算法无论在收敛精度,还是算法运行效率上都高于NSGA2算法。