无约束最大子序列求和改进算法

给出了无约束最大子序列求和的一种改进算法，在不增加复杂性的前提下，突破了美国Mark Allen Weiss教授在约束条件下对该问题求解的算法，即该算法不能计算所有整数为负数情况下的最大子序列和（否则，结果视为0），从而解决了针对所有整数的无条件约束最大子序列的求和问题．     

带约束最长公共子序列快速算法

带约束最长公共子序列(CLCS)问题有很深的生物学应用背景,常被用来表示同源基因序列相似性的度量,但计算CLCS时间代价很高,最早的CLCS算法的时间复杂度为O(rn4),目前,最快的CLCS算法的时间复杂性为O(rn2).运用对偶原理将带约束最长公共子序列问题转换为带约束最小覆盖集问题,并建立带权的ref树结构,构造包含约束序列的约束覆盖子集,约简带约束覆盖子集并从中搜索关键路径,再通过关键路径构造CLCS,该算法将算法时间复杂度提升到O(nlogn+(q+r)L),r是约束序列的长度,q是两序列序偶的个数,L是两序列的最长公共子序列(LCS)长度.     

改进的无约束化的BFGS算法

提出了一种改进的ＢＦＧＳ算法，该算法的基本思想是采用多步迭代改变一次ＢＦＧＳ算法的修正公式；在假设ｆ（ｘ）是二阶连续可微且一致凸的条件下，证明了该算法超线性收敛性；最后给出该算法的数值实验结果。     

一种改进的最大m子段和算法设计

提出了一种基于动态规划的最大m子段和改进算法设计思想,通过该改进算法,显著降低常规算法的空间复杂度,有效地提高算法的执行效率和空间利用率。对于目前广泛开展的ACM/ICPC程序设计竞赛有一定的指导和借鉴意义。     

改进的无约束优化问题的过滤算法

信赖域算法加入过滤技术可以加大试验点x+,被接受的几率.文章去除了信赖域子问题凸性的判断,同时对于信赖域半径采用自适应的选取办法,使信赖域半径与gk和Bk密切相关,以求对于信赖域算法的改进.     

最大熵剑桥算法的一种改进的约束条件

在最大熵剑桥算法中,提出了一种正方体约束条件代替通常的球体约束,讨论了两种条件在一定条件下的相互嵌套性,说明了正方体约束较之球体约束具有明显的优越性     

最大熵原理在无约束优化方法中的应用

经研究，发现将最大熵原理与无约束优化方法相结合亦能达到约束优化公式化，简化优化的过程，使用罚函数法可将约束化优化问题变成无约束化问题，但原问题中的可微函数组成罚函数后有可能成为不可微问题，因而影响了再使用无约束优化方法中的诸多效的方法，如先使用最大熵原理找出原约束优化有关问题的等效Ｌａｇｒａｎｇｅ函数后，再构成罚函数即可保证是可微的了。     

改进的移动渐近线算法求解无约束优化问题

对于求解无约束优化问题,提出一个改进的移动渐近线方法。基于信赖域方法和滤子技巧,该方法的全局收敛性得到证明。数值结果也说明了算法的有效性。     

解无约束最优化问题的子空间信赖域法

对无约束最优化问题给出了一类具有降维和记忆功能的子空间信赖域算法。该方法既有信赖域算法的特点，又有多信息下降法的特点，故收敛速度较快，初步的数值试验也证实了这一点。     

基于锥模型的非单调自适应信赖域算法

针对无约束优化问题提出了一个基于锥模型的非单调信赖域算法.首先提出一种求解子问题的新方法,在此基础上给出该文算法.算法结合自适应技术,避免信赖域半径更新的盲目性;并引入滤子技术和新的非单调技术,利用非单调Armijo线搜索得到步长,进而产生新的迭代点.在一定的假设条件下,证明了该算法的全局收敛性,数值实验表明了算法的有效性.     

求解一类无约束优化的混合遗传算法

目的 求解一类无约束优化问题。方法 结合传统优化算法局部寻优能力强、收敛速度快，而遗传算法在搜索过程中不易陷入局部最优的两种算法的特点，给出了一种基于最速下降法的混合遗传算法。结果 算例表明所设计的算法是有效的。结论 算法可以提高局部搜索能力，提高解的精确度，搜索速度。     

一种求解最大独立集的自学习进化算法

为了求解最大独立集问题,通过对求解最大团问题EA/G算法的分析,从初始解选取、种群的构成、遗传策略等方面对EA/G算法进行了改进,提出了自学习进化算法,并在DIMACS基准图上进行了大量的实验.实验结果表明,该算法运算结果比EA/G算法所求结果有很好的改善.     

快速挖掘最大频繁项目集的新算法

针对关联规则下最大频繁项目集的特性,提出了一种快速挖掘最大频繁项目集的新算法MMFI(miningmaximumfrequentitemsets)。该算法摆脱了传统的经典算法Apriori及其变种情况下的自底向上的搜索策略,利用集合枚举树(set enumerationtree)的变形结构采取了自顶向下的新的搜索方式,并通过其独特的启发式判断策略、候选项目集的生成策略等,大大减少侯选项目集的生成,从而降低了CPU搜索时间,提高了挖掘效率。     

一种快速发现最大频繁项集的挖掘算法

文章分析了关联规则发现中关于频繁项集的生成与测试方法,提出一种快速挖掘最大频繁项集的算法MFIA_VTL。该算法针对数据库的垂直事务标识列表结构对项集搜索空间进行基于前缀的划分,来发现最大频繁项集。实验表明,该算法性能稳定,可扩展性好。     

一种改进的社区发现最大流算法

为合理设计最大流算法中边容量的分配策略,利用网页的入度和出度的概率分布以及Web页面间链接重要性差异,合理分配边容量,提出改进的最大流算法MBP.实验结果表明,改进的最大流算法MBP发现的社区质量多数情况下优于HITS算法和原始最大流算法.     

基于最大熵的文本分类算法的改进

基于最大熵模型的文本分类算法对不同测试文档的训练结果相差较大.利用Boosting机制改进基于最大熵模型的分类算法,以提高该分类算法的稳定性.实验结果表明,该改进方法可以有效改善基于最大熵模型分类算法的稳定性,且分类精度也有一定的提高.