二叉树后序遍历的非递归化算法讨论

尽管递归算法具有结构简炼、清晰、可读性强等优点,但递归算法在执行过程会耗费太多的时间和空间,为了追求算法的时空效率,必须将递归算法转化为非递化算法,问题才能得到有效解决,讨论了在递归算法执行过程中栈的变化和给出了改进的非递归化算法.     

递归算法向非递归转换的一般规则

递归程序结构简单、清晰,可读性好,且易于验证其正确性,但浪费空间且执行效率低.因此,有时需要把递归算法转换成非递归算法.本文给出了一种根据递归调用的内部实现原理把递归算法向非递归转换的一般规则,最后,说明非递归化应该注意的一些问题.     

递归程序探讨

递归程序是高等院校众多计算机教材中非常重要的教学内容，笔者通过数年的教学实践，对递归程序的算法本质、适用的应用领域及其向非递归程序的转化进行了较深入的探讨，希望大家对递归有个更深刻的认识。     

九位不同数字乘法等式的递归与非递归回溯算法

对"九位不同数字构成乘法等式"的问题进行分析,设计了递归回溯算法和非递归回溯算法,给出NP问题穷举算法设计的一般思路,同时比较两种算法的特点,并进行实验测试.     

数据结构中递归转非递归算法分析及模型设计研究

为构建数据结构中递归算法的统一知识体系,分析了常见数据结构的递归本质及递归算法的组成要素,提出了递归算法转非递归算法的一般原则,根据递归算法的分类设计转换模型,通过实例分析其可行性.     

递归算法及其转化为非递归算法的分析

递归是程序设计中强有力的工具，同时也有着鲜明的优缺点，也是学习的难点。本文从递归的概念、递归的实现和递归与非递归的转化几个方面进行了分析。     

递归程序探讨

递归程序是高等院校众多计算机教材中非常重要的教学内容 ,笔者通过数年的教学实践 ,对递归程序的算法本质、适用的应用领域及其向非递归程序的转化进行了较深入的探讨 ,希望大家对递归程序有个更深刻的认识     

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。     

递归算法的研究及经典算法的递归实现

递归思想是计算机科学的一个重要思想,递归方法是程序设计中的有效方法,它为程序设计者打开了一个全新的程序设计思路。采用递归思想编程,可以将一些貌似复杂的问题简单化,编写的程序更加简洁明了。本文深入分析了递归思想的特点,递归算法的优点和缺点,通过对多个经典算法的递归实现,让读者掌握递归算法程序设计的一些方法和技巧,有助于提高程序初学者的编程水平。     

递归算法设计与递归消除技术

详细介绍了进行递归算法设计的分析方法及实现递归消除的有关技术。     

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.     

基于遗传算法和BP算法的混合算法

本文就函数优化问题,结合遗传算法和 BP 算法的优点,提出一种新的混合算法。该算法既有较快的收敛速度又能以较大概率收敛到全局最优解,数值实验结果表明该算法显著优于遗传算法和 BP 算法。     

基于遗传算法和BP算法的混合算法

结合神经网络的优化问题,提出一种新的混合算法.该算法是在遗传操作中嵌入BP算子,有效地结合了遗传算法全局寻优与BP算法快速收敛的特点,同时采用二进制编码和实数编码将神经网络的结构与权值混合编码到串中,实现了结构与权值的同步优化.仿真结果表明,新算法既能够快速地收敛到全局最优解,又能够在简化网络结构复杂度的同时得到网络权值的最佳逼近.     

基于遗传和蚁群算法融合的聚类新方法

遗传算法具有快速良好的全局搜索能力,而蚁群聚类算法具有良好的分布式并行性和正反馈能力。将两种算法进行融合,充分利用算法各自的优势和特点,能更有效地进行聚类分析。实验证明这种新组合算法在优化能力和时间性能上比常用的聚类算法有比较明显的优势。     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

融合粒子群优化算法与蚁群算法的随机搜索算法

针对PSO算法与蚁群算法的优缺点,提出一种融合PSO算法与蚁群算法的混合随机搜索算法.该算法充分利用PSO算法的快速、全局收敛性和蚁群算法的信息素正反馈机制,达到优势互补,将这种优化方法拓展到求解连续空间问题,并通过实例来验证该算法对于单峰、多峰函数都能取得较好的优化效果.     

基于遗传算法和蚂蚁算法的图象分割

遗传算法对系统中的反馈信息利用不够,当求解到一定范围时往往做大量无谓的冗余迭代,求精确解的效率低下;蚂蚁算法初期信息素匮乏,求解速度慢．作者取长补短综合采用这两种方法来分割图象．首先采用遗传算法搜索隶属度曲面及其对应的欧氏距离,接着采用蚂蚁算法分割图象,取得了较好的分割效果．     

聚类算法综述

聚类分析是一种基本的数据分析方法,它在数据挖掘,统计学,空间数据库技术,人工智能,生物学研究,机器学习,模式识别等领域都得到了广泛的应用.论文介绍了各类主要的聚类算法,并概述了其主要应用领域.     

EM算法理论及其应用

EM算法是一种迭代算法,主要用来计算后验分布的众数或极大似然估计,广泛地应用于缺损数据、截尾数据、成群数据、带有讨厌参数的数据等所谓的不完全数据的统计推断问题。在介绍EM算法的基础上,针对EM算法收敛速度慢的缺陷,具体讨论了加速EM算法：EMB算法和MEMB算法;针对EM算法计算的局限性,给出了EM算法的推广：GEM和MCEM算法。最后给出了EM的实值实例,结果精确。     

一种改进的多关键字匹配算法

基于多关键字匹配的Sun Wu算法进行的分析,结合Qs算法的思想,设计了一种改进的多关键字匹配算法：QMS（quick multi-pattern searching）。算法使用散列技术和前缀表减少发生部分匹配时实际进行的关键字比较次数。在计算跳跃距离时,充分考虑当前窗口的紧邻下一个字符带来的信息,进而使用更加精确的跳跃距离计算方法以获得更大的平均跳跃距离,从而获得更高的扫描效率和空间利用率。在真实文本上的对比实验表明,在通常应用环境中,该算法显著的缩短了扫描时间,取得了很好的效果。