各种排序算法小议

排序算法是一种基本并且常用的算法.本文主要是按照算法的复杂度,从简单到复杂来分析算法,对算法进行分类,并介绍在不同条件下算法的使用与选择.     

一种新的可变步长LMS算法研究

在分析基本最小均方误差算法(LMS)和归一化最小均方误差算法(NLMS)的基础上,提出了一种新的可变步长LMS算法(NVLMS)和它的改进算法(MNVLMS).仿真结果显示,NVLMS算法对于平稳过程中的滤波器,能获得较快的收敛速度和较小的稳态误差.在非平稳环境下,MNVLMS算法在减少算法复杂度的情况下能获得和NLMS算法一样的收敛速度和稳态误差.     

加速RRA的随机模拟算法

文章提出"最后所有可能步进的RRA算法(Final All Possible Step RRA,FAPS RRA)".该算法改变了RRA算法的数据收集方式,目的是在不失算法精度的前提下,减少模型的运行次数,有效地提高算法的运行速度.仿真实验结果表明:在相同精度的要求下,FAPS RRA算法比RRA算法的模拟运行速率有显著提高.     

基于BM的模式匹配改进算法

文章分析了BM算法及其改进算法BMHS,在此基础上提出了BM的改进算法FSBM.该算法利用当前匹配窗口的下一个字符的位置信息以及当前尝试中的已匹配子串,增大右移量,减少匹配次数,有效地加快了模式匹配的速度.     

认知诊断模型参数估计算法比较

该文在不同条件的组合下考查了EM算法和MCMC算法对3种常用的认知诊断模型(DINA模型、DINO模型和G-DINA模型)的参数估计返真性问题.借助项目参数或作答概率分布的偏差、均方根误差、平均绝对离差以及被试的平均属性判准率等指标,评价这2类算法的表现.模拟研究结果表明:MCMC算法更适用于低质量题目、小样本、测验短的条件,而在其他条件下EM算法的表现与MCMC算法的表现相当.     

LDPC码的译码算法

介绍了LDPC(低密度奇偶校验码)码的BP算法和基于BP的简化译码算法,并在AWGN(加性白高斯噪声)环境下进行了各自的仿真。通过误码性能和译码复杂度两方面的比较表明BP算法的性能更优越,但简化算法的复杂度相对来说有大幅的下降。     

蚁群算法与免疫算法的混合算法

蚁群算法是近些年来启发式算法研究的一个热点,在求解复杂组合优化问题上具有强大的优势.作为一种全局搜索的方法,它具有正反馈性、并行性、分布性、自组织性等特点.但是,蚁群算法也存在一些不足之处:例如,算法需要较长的搜索时间、容易出现早熟、停滞现象.针对上述不足,在深入研究蚁群算法的同时,又对免疫算法进行了一定的研究和分析后,针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能力,将免疫算法中疫苗的思想引入到蚁群算法中,提出了蚁群算法与免疫算法的混合算法.将问题的特征信息作为疫苗注射给蚂蚁,使蚂蚁具有"免疫"的能力,旨在借鉴其他仿生算法的长处,利用其优点弥补蚁群算法的不足,从而提高蚁群算法的求解性能.     

基于密度的全局K-means算法的改进

针对全局K-means聚类算法和快速全局K-means聚类算法在选择下一簇的聚类中心点时,需要逐一计算数据集中每个点作为备选聚类中心点时的簇内平方误差函数,而数据集中存在很多不可能作为备选点的噪声点.为剔除噪声点,提出了一种基于高密度数的DGK-means算法,并通过UCI数据库中的4组数据集进行实验测试.验证了在聚类效果稳定的前提下,改进的DGK-means算法比全局K-means算法和快速全局K-means算法,聚类用时更短,聚类效率更高.     

三种分类算法的实验比较

对文本自动分类算中的k最近邻算法、向量空间模型算法以及混合分类算法进行了比较分析，在构造分类用知识库的主题抽取方法相同的条件下，使用中国资讯行提供的2000篇网上新闻语料分别对3种分类算法作了实验研究、实验结果表明，针对网上新闻而言，混合分类算法性能指标优于另外2种算法．结合实验语料环境，对3种分类算法的适用范围作了分析．     

多概念学习的决策树MNID算法

决策树归纳法ＩＤ３是人工智能机器学习中发展较快的一种归纳学习算法,而目前的ＩＤ３及其改进算法亦因各种问题限制了其在工程中的应用。基于决策树归纳学习算法示例学习最优化的理论,用在多概念学习条件下对多特征属性值进行分组聚类实现优化的方法,导出了定义在多概念窨上的决策树归纳学习算法ＮＭＩＤ。这种新算法对工程技术领域普遍存在的多概念学习问题,有较好的应用价值。     

基于老化算法的分布式文件缓存算法

为提升数据检索读的性能, 基于老化算法采取Cache方法, 通过设计合理的缓存结构, 给出一种新的分布式文件缓存算法. 该算法在缓存实现部分, 使用了LRU算法中常用的老化算法, 并将其由一个页面置换算法改进为一个文件缓存替换算法, 且在该过程中完好地继承了老化算法的优点. 评测结果显示了改进方法的有效性.     

几何规划的投影内点算法

基于内点算法思想,利用投影技术设计了求解约束正定式几何规划的一种新的算法,在合理的条件下证明了所提供的算法的收敛性质.此算法具有计算量小,稳定性强等优点.     

基于Dijkstra算法和Floyd算法的物流运输最短路径研究

对于物流公司或企业来说,往往会遇到配送物流时需要送至两个甚至更多的地方,在已有的这种客观条件下,如何使得系统的费用最低,服务效果最好,是配送的核心问题。本文通过利用Dijkstra的两种改进算法和Warshall－Floyd算法来对配送的最小路径进行寻优,比较了三种算法的优化效率和可靠性,结果发现改进的DDkstn算法和warshall－Floyd算法具有较好的搜索效率。     

珊瑚礁算法的改进研究

珊瑚礁算法易于陷入局部最优且寻优精度低，因此提出一种改进的珊瑚礁算法.此算法借鉴粒子群算法、高斯变异和模拟退火算法的思想改进珊瑚礁算法的内部有性繁殖、无性繁殖和更替机制，提高了算法的寻优精度并可跳出局部最优.在仿真实验中，将改进珊瑚礁算法与基本珊瑚礁算法和粒子群算法等10种算法分别在高维和低维测试函数下进行比较.实验结果表明，改进的珊瑚礁算法不仅较其他算法具有更好的收敛速度和精度，而且在高维测试函数中，仍然可以保持良好的性能.     

多域最小负载算法——Internet环境中的一种任务调度算法

提出了一种基于Ｉｎｔｅｒｎｅｔ环境的任务调度算法－多域最小负载算法。该算法使用多层调度策略实现可扩展性,以对应Ｉｎｔｅｒｎｅｔ数目巨大的网络和计算机,同时针对Ｉｎｔｅｒｎｅｔ环境下任务远程执行的通讯开销不能再被忽略以及存在消息传递的延迟等问题,提出了相应的解决办法。仿真的结果表明相对其它算法,多域最小负载算法有较佳的性能。     

改进的多边形凸包算法

提出了一种处理任意多边形的凸包实时增量算法,通过分析增量边端点出现的区域,根据每个区域特点提出了解决方案,最后详细分析了算法效率提高的原因。分析表明,算法在平均时间复杂度下可以达到较高的执行效率。     

算法复杂性定义的改进

算法复杂性的定义不能保证一个算法复杂性度量的唯一性。为了解决这个问题，本文给出了一个新的定义，并在新定义下，给出了计算复杂性度量的一个方法。     

半导体器件模拟中求解载流子方程的混合算法

针对半导体器件模拟中载流子方程两种基本算法在高注入条件下的不足，提出了一种混合算法。经过理论分析和实际计算表明：这种算法对求解高注入条件下的载流子方程是有效的。     

基于聚类蚁群算法的虚拟机资源分配算法研究

深入分析云计算环境下虚拟机资源调度分配的调度结构及与之对应的调度策略和算法后,结合云计算资源分配的最新研究成果和发展趋势,研究出一种基于聚类算法和蚁群算法的虚拟机资源分配算法.该算法基于Map/Reduce框架提出,着眼于如何为众多不同的用户任务分配虚拟机节点,充分考虑云计算环境中物理机的地域差异.在一个物理机区域内寻找分配虚拟机资源时引入蚁群算法,能更好地确保用户任务的按时完成,任务执行时间跨度方面满足服务等级协议(SLA).     

一种改进的并行细化算法

分析了现有的一种并行细化算法中的象素删除条件,并指出在该条件下,不仅孤立四象素阵列会完全消失,而且会引起细化结果中的“蚕食”反应和“毛刺”现象,然后本文提出了改进的算法,并证明了算法结果为严格八连通。并以实例说明了该算法的优点。