基于F-M算法的电路划分新方法

提出了一种基于F M算法的启发式电路划分新方法.首先对电路各单元进行聚类,将聚类结果作为算法的初始划分,为了得到更好的划分效果,在F M算法的每一次迭代过程中都引入了单元释放;同时对比例划分作了进一步的研究;最后将该方法应用于标杆电路的划分.实验结果表明,该方法与F M算法相比,划分结果得到了明显的改善.     

算法的相关性变换与划分带个数的关系

使用相关性变换法，划分并映射循环算法到具有固定尺寸的Ｓｙｓｔｏｌｉｃ阵列。下标集合被划分成若干条带，划分带的条数与变换后的Ｓｙｓｔｏｌｉｃ阵列算法的执行时间成正比。指出了Ｍｏｌｄｏｖａｎ给出的计算划分带条数的公式有很大局限性，给出了由空间变换计算划分带条数的方法。     

Knapsacks约束的弧相容改进算法

通过修改背包约束弧相容算法的数据结构,将点阵图改为有向图,解决了原背包约束弧相容算法中存在冗余计算和无效操作的问题,加快了算法对问题的求解效率.对比实验结果表明:在面对同一类问题时,因为数据结构更复杂,改进算法的初始化时间虽增加,但求解时间提高了20%~50%;在面对求解难度较高的问题时,改进算法能更好地缩减求解问题的时间.     

基于改进粒子群优化算法的Ontology划分方法

为解决规模巨大的Ontology难以使用的问题,提出了一种基于改进粒子群优化算法的Ontology自动划分方法.根据Ontology划分的要求,将概念落入某个子Ontology的概率作为粒子的速度,而将概念落入的子Ontology编号组成的数字串作为粒子,设计了粒子群优化算法的适应度函数,并给出了Ontology划分算法的具体步骤.最后进行了相关对比实验,结果表明,该方法具有比其它方法更好的划分效果.     

基于改进KL算法的软硬件划分方法

软硬件划分问题是嵌入式系统软硬件协同设计中的重要问题之一。针对该问题,提出一种基于改进KL算法的软硬件划分方法。通过调整初始分组的方法提高算法的性能,解决了算法执行时容易陷入局部最优解的问题,加快了算法的执行速度。实验结果说明该算法对于规模适中的系统均可以有效地解决软硬件划分问题。     

基于划分技术对Apriori算法的改进

本文提出了一种基于划分技术对Apriori算法改进后的算法,它的优点是执行的整个过程只需要访问数据库两次,从而大大减少了访问数据库的次数。     

基于解空间划分的PSO改进算法

 提出一种基于解空间划分的粒子群优化算法, 该算法在保持粒子群搜索能力的前提下对解空间进行预处理, 寻找最佳搜索区间, 提高了粒子群搜索效率; 在粒子群搜索过程中设置检查点, 动态更新解空间区间划分. 实验结果表明, 该算法有效提高了粒子群的搜索效率, 并使粒子群算法不易陷入局部极值. 同时, 在自适应状态下, 该算法能搜寻到指定精度下粒子群所需的最小迭代次数, 并得到较满意的最优值.     

人体重心动摇轨迹包络面积的改进算法

研究了人体重心动摇轨迹包络面积的算法,对传统算法进行改进,提出简单快速的包络面积测量算法,并将其编写到平衡仪的软件程序中。经过验证,新算法可准确快速地测量出人体重心动摇轨迹包络面积。     

基于面积保持的Douglas-Peucker改进算法的多边形化简

面状数据的化简是空间数据多尺度表达和制图综合必须处理的关键问题,有些面状的地理要素要求简化前后面积保持一致,并且不破坏原来的拓扑关系.因此必须对原有的线化简算法做适当的改进.提出对要化简的多边形根据其与相邻多边形的邻接关系,对邻接线段分别化简,以保持原来的拓扑关系;并在采用Douglas-Peucker算法化简时,加入面积平衡的约束条件,构造"平衡线",使化简前后保持面积一致.通过对实验数据化简结果的分析,改进的算法能很好保持化简前后面积及拓扑的一致性,但较Douglas-Peucker算法化简结果,其化简率较小一些.     

基于改进人工鱼群算法的软硬件划分方法

将人工鱼群算法应用于软硬件划分,从而提出一种软硬件划分方法．针对人工鱼群算法在应用于离散型问题时普遍存在的最优解出现概率低、收敛速度慢等问题,采用随机步长来改善鱼的游走行为,使用邻域搜索来获得邻域内的更优状态,并根据无效迭代次数来提前终止迭代、提高算法效率．在对不同结点数的随机 DAG 图划分实验中,改进后算法的平均耗时约为原算法的6.5%～34.5%,而最优解出现概率则为原算法的5～7倍．因此,改进后算法在寻优能力和收敛速度上均优于原始算法,可更高效地完成软硬件划分任务．     

网络拓扑图多级分割塌缩阶段算法改进

针对网络拓扑图上的宏观异常预警可视化显示需要,分析了当前图的多级划分算法.算法分为图塌缩、初始划分和多级优化三个阶段.在多级分割算法的图塌缩阶段,提出改进算法———KV算法和VC算法.实验验证改进后算法在运行时间、恢复时间和分割边数上均优于传统算法.改进塌缩KV算法在分割边数上平均提高了4.6%,在运行时间上提高了12%,而VC算法降低了KV算法的时间复杂度.     

MDOCEM中一种改进的启发式任务分解算法

基于多Agent的分布式开放计算环境模型(MDOCEM)中,任务分解是提高任务执行并行度的重要环节。针对有关学者提出的一种启发式任务分解算法,分析了它的特点与不足,并据此提出了一种改进的启发式算法,该算法采用目标驱动的思想,实现了对任务分解问题求取包含操作数最少的可行解的目标.     

最小-最大圈划分的近似算法

给出了求解最小-最大圈划分问题的一种新的近似算法,该算法的近似比为305p-2,时间复杂性为O（n^4）．     

用最佳智能梯形分割法分割文本

智能信息处理是中文信息处理的重要内容；而自然语言处理和理解是智能信息处理的核心，在自然语言理解过程中要把自然语言信息进行分解，从中获取我们需要的有用信息，最佳梯形智能分割法就是一种对自然语言进行分解的有效方法。     

带断层约束的Delaunay三角剖分混合算法

三角剖分是构建高精度数字高程模型(DEM)的基础,在各个领域都有广泛的应用。特别是在约束数据域下的Delaunay三角剖分更具有重大的研究价值,前人已经做了大量的工作,并提出了一系列经典的剖分算法。在对传统算法进行研究与分析后,总结了传统算法的优缺点,结合了逐点插入法、三角网生长法以及分治法的思想,提出了一种高效的、带断层约束的Delaunay三角剖分混合算法。该算法在建立无约束的DT(Delaunay Triangulation,DT)网格的基础上通过嵌入加密后的断层数据来实现带断层约束的CDT(Constrained Delaunay Triangulation,CDT)网格。通过实例比较,说明了混合算法在构网质量和时间效率上都优于传统算法。     

基于节点划分的无线传感器网络自适应分簇算法

为延长网络的生命周期,针对随机部署的无线传感器网络节点均匀分布和能量有限的特点,提出了一种基于节点划分的分布式自适应分簇算法.通过节点的划分均衡簇内负载,利用节点的剩余能量与通信距离信息的自适应加权来优化调整节点竞选簇头的概率.模拟实验结果表明,该算法可有效延长网络的稳定周期和生存时间,数据传输量比LEACH-E算法增加了近20%.     

牙颌模型区域标记分割算法

牙颌隐形矫治中要求对STL格式牙颌模型边界进行准确、高效地分割。针对这一要求,本文对传统的交互标记分割算法进行了改进:由单面片输入改为区域选择,用相邻两面片的弯曲程度函数作为对应的高度场函数,由排序进栈优化为直接插入队列。该算法实现了目标牙齿的快速、自动分割。结果表明,改进算法分割的牙冠更完整,效率更高,能够满足矫治要求。     

基于划分的模式匹配改进算法

为提高基于划分窗口的字符串匹配算法(SKIP和KMPSKIP算法)的性能,结合QS算法的优点,通过提前预览下一窗口最后一个字符的移动信息跳过尽可能多的字符进行下一轮匹配,减少了匹配次数,提高了匹配效率.理论分析及实验结果均表明,改进算法在平均时间复杂度方面优于原始算法,在模式较短的情况下,ISKIP算法的平均运行时间仅为BMH算法的65%~85%.     

最小最大路划分的一个启发式算法

首先证明了最小最大路划分问题是困难的,然后利用二分算法给出了特殊情形下的最优算法,最后给出了满足三角不等式的图上的一个启发式算法.     

带二维装箱约束的需求可拆分车辆路径问题模型及算法研究

车辆配送计划时通常会考虑货物易损、易碎的可能性,以及如何充分利用有限的运输资源对货物进行配送以满足顾客的需求。在车辆有限、货物易损坏、顾客需求可进行拆分等环境下,实现车辆配送总路径最短,即考虑二维装箱约束的客户需求可拆分的车辆路径问题。对问题进行详细定义,建立了2L-SDVRP模型。将遗传算法与BLF算法的结合求解模型;并用数值案例验证算法有效性。