浅谈程序设计中的递归算法

递归是数学和计算机科学中的一个基本概念,许多复杂问题的求解都可以用递归算法去解决.本文通过具体实例,讨论了一些问题的递归算法实现,并对递归算法进行了进一步的探讨。     

汉诺塔问题的非递归新解法

汉诺塔问题是计算机算法设计中经常被大家引用来说明递归算法的一个经典问题．长期以来，很多人一直认为这个问题只能用递归方法求解．从讨论汉诺塔问题的几个基本特性入手，通过分析和归纳总结，提出了一种全新的解决汉诺塔问题的简洁而又高效的非递归解法，并用具体的实例对其进行了验证．     

求解k阶线性递归方程组的一种更有效的并行算法

将求解ｋ（ｋ≥２）阶线性递归方程组问题转化为求矩阵序列部分积问题，在ＳＩＭＤ共享存储模型上提出了求解ｋ阶线性递归方程组的一种新的有效并行算法．研究表明，本算法的加速和效率比现有算法均有较大的改善．     

递归问题的非递归算法及效率分析

给出了程序设计中两种递归问题的非递归算法实现过程，并与递归算法进行比较，结果表明，非递归算法在时间复杂度与空间复杂度两项指标上均优于递归算法，且不使用系统栈，执行过程不依赖于函数或过程的重复调用，有更大的灵活性，可以应用在程序与软件设计中．     

从求解格点问题看递归算法及其与迭代循环算法的比较

递归是比迭代循环更有力的算法。一方面,每个循环算法均可找到一个等价的递归算法;另一方面,一些循环算法不能求解的问题常可用递归算法求解。格点问题便是这类问题中具有代表性的一个。 本文通过对格点问题构造有效算法来讨论:一,如何根据一个问题所固有的结构关系去选择适当的算法;二,递归算法在计算机内的实现方式及对递归程序的跟踪;三,递归算法与循环算法的比较。     

浅析算法及算法复杂性

本文对算法及算法复杂性进行了初步的探究,并以求解线性方程组的LU分解的递归算法为例分析算法的复杂性。     

递归程序设计教学方法的研究

递归程序设计基于分治法和全息的思想方法,将大规模系统中的复杂问题转化为小规模系统问题进行求解(如Hanio塔问题)。递归算法是一种自然且合乎逻辑的解决问题的方式,但其执行效率通常比较差。因此,在求解某些问题时,常采用递归算法来分析问题,用非递归算法来求解问题;递归程序设计在算法设计中具有重要的理论意义和实用价值,但其在C语言、数据结构、程序设计教学上是难点,主要是思想方法的不同。介绍了在教学中通过一组例题从简单到复杂的程序实例,引导学生由浅入深地掌握递归程序及搜索的编写技巧,取得较好的效果。     

矩阵三角分解的递归算法

将递归方法引入稠密线性代数的计算,能产生自动的矩阵分块,使算法适合于当今分级存储高性能计算机的结构,提高运算速度。文章对求解线性代数方程组的矩阵三角分解递归算法进行了研究,给出了算法的详细推导过程。     

构建复杂Dixon矩阵递归算法的改进

针对多于5个变元的复杂多项式系统的Dixon矩阵的构建问题,基于递归算法提出了一种改进算法.采用动态规划的思想,自下而上地构建Dixon矩阵,避免了Dixon多项式的重复计算,并给出了使用该算法计算Dixon矩阵的具体实例.该算法与递归算法一样,可以在同样的计算平台上处理其他方法所不能解决的一些复杂多项式系统求解问题,但与递归算法相比,减少了须要计算的Dixon多项式的数量,提高了计算效率.     

矩阵三角分解的递归算法

将递归方法引入稠密线性代数的计算，能产生自动的矩阵分块，使算法适合于当今分级存储高性能计算机的结构，提高运算速度。章对求解线性代数方程组的矩阵三角分解递归算法进行了研究，给出了算法的详细推导过程。     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

基于扇形趋利果蝇优化算法改进的FS-K聚类算法

针对果蝇算法对高维函数收敛精度低的缺点,提出了一种改进的基于扇形搜索的果蝇算法(Fan search-Fruit Fly Optimization Algorithm,FS-FOA),该算法在原果蝇FOA算法的基础上改进了果蝇群体的搜索路径,并赋予果蝇个体趋利性,使更多的果蝇个体朝着味道浓度更大的方向前进,使果蝇群体的搜索方向有更多的选择性,增加果蝇算法在处理高维函数问题上的收敛速度和收敛精度;并将改进的FS-FOA算法与K-means聚类相结合,提出一种FS-K聚类算法,与原K-means聚类和原果蝇(FOA)算法进行对比实验,引入5个经典的测试函数对原FOA算法和FS-FOA算法寻优结果进行测试,结果表明采用FS-FOA算法具有更高的收敛精度;引入5个UCI公共数据集对改进FS-K聚类算法和原K-means算法、SOM聚类算法、FCM聚类算法进行测试,结果表明FS-K聚类算法具有更好的聚类效果。     

基于改进自适应遗传算法的仿真研究

交叉概率Pc和变异概率Pm是遗传算法中重要的参数,自适应遗传算法中Pc和Pm能根据个体适应度差异自适应地调节其大小,在快速收敛和全局最优之间获得了较好的平衡,但自适应遗传算法对于进化初期不利.改进的自适应遗传算法避免了进化初期较优个体处于停滞不前的状态.分别用3种算法对典型的测试函数进行训练,仿真结果表明:改进的自适应遗传算法在收敛速度和寻最优解方面是最优的.     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

用混合遗传算法求解物流配送路径优化问题

为了改善物流配送路径优化问题的运算质量,提出一种将遗传算法和模拟退火算法相结合的混合遗传算法。通过仿真 实例验证,证明混合遗传算法的解优于单纯使用遗传算法和模拟退火算法所得到的解,同时混合遗传算法与传统优化算法相 比收敛速度更快,分配结果更优良,具有很好的应用价值。     

网格移动的无线移动传感器网络部署算法

针对目前无线移动传感器网络中部署算法过于复杂的问题,提出了一种新的基于网格移动的无线移动传感器网络部署算法.降低了常见无线移动传感器网络部署算法的时间复杂度,提高了任务区域的节点覆盖度,减少了覆盖漏洞,适用于无线移动传感器网络的应用.文中论述了该算法的构架,执行过程,并对该算法进行了仿真分析.仿真结果表明,该算法在有效降低算法复杂度的情况下满足了网络部署中关于覆盖率的要求.     

基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

基于图的挖掘关联规则改进算法

关联知识挖掘算法中一种广为人知的算法就是Aprior算法,之后所有关联规则挖掘算法的基本思想都是基于频繁项目集发现算法的基础上进行了改进.为了提高关联规则挖掘效率,首先回顾了基于图的关联规则挖掘算法;然后,在此基础上进行了改进,把关联规则挖掘中寻找频繁项集的问题转换为图中寻找完全子图的问题,通过在图中查找完全子图来寻找频繁项集.提出了一种基于图的关联规则挖掘改进算法,并且对原算法和改进的算法从时间和空间的性能进行了比较分析,得出改进的算法是有效可行的.最后从实验结果得出结论GenerateItemsets算法比DGBFIG算法优.