求解机械制造中线性规划问题的LINGO模型语言算法

运用LINGO6．0模型语言优化算法，对机械制造中的线性规划问题进行了研究，得到了可靠且比常规优化算法更为有效的优化结果，LINGO模型语言不仅要求连续变量的线性规划问题，而且能更方便地求解机械制造中的整型线性规划问题。     

求解机械制造中线性规划问题的LINGO模型语言算法

运用LINGO6.0模型语言优化算法,对机械制造中的线性规划问 题进行了研究,得到了可靠且比常规优化算法更为有效的优化结果,LINGO模型语言不仅能 求连续变量的线性规划问题,而且能更方便地求解机械制造中的整型线性规划问题.     

Kar markar算法与分式线性规划

本文将求解线性规划的Ｋａｒｍａｒｋａｒ算法推广至分式线性规划；给出了两种求解分式线 性规划的算法，其计算步数的界均为Ｏ（），其中Ｌ是问题数据的输入长度，ｎ为问 题的变量数目；改进了 Ｋｈａｃｈｉｙａｎ １９８０年所得的结果。     

线性规划内点算法的若干收敛性问题

对于线性规划问题 ｍｉｎ｛ｃтｘ｜Ａｘ≥ｂ，ｘ≥０｝，印度学者 и．Ｋａｒｍａｒｋａｒ于 １９８４年发明 了一种新的内点算法，它的时间复杂性为Ｏ（ｎ３．５Ｌ２），其中ｎ为问题的变量个数，Ｌ为输 入中的二进制位数。其后又出现了多种变形方案，如原始型和对偶型内点算法等等。本 文主要讨论它们的收敛性问题。关于Ｋａｒｍａｒｋａｒ算法，证明了当原始线性规划问题无有 限最优解时算法也可以收敛。关于原始型和对偶型内点算法，给出了它们的基本性质以 及若干收敛性结果。     

解线性规划问题的一种算法

本算法把线性规划问题化为只含不等式约束的标准形，然后迭代求解，粗估其计算量约为Ｏ（Ｋｎ＾３），其中Ｋ是一个不大的常数。初步试算表明它的优良的性能。     

结合全局最优策略的双层线性规划算法

运用线性规划内点算法求解双层线性规划的内层规划，使双层线性规划等价于一序列非线性规划问题；证明了该算法的收敛性。并结合全局最优策略给出了可行的算法步骤。     

凸二次规划的不可行内点算法

给出了一个求解凸二次规划的不可行点内点算法，算法的初始迭代点为非负不可行内 ，证明了算法的全局收敛性。该算 法可以看作是Ｋｏｊｉｍａ算人关于线性规划算法的推广，也可以看作是Ｍｏｎｔｅｉｒｏ等人关于可行内点算法的推广。     

双线性规划的一种算法

本针对双线性规划问题，提出一种有限步终止算法，该算法基于单纯形分解，通过解有限个线性规划得到最优解。     

寻求线性规划问题初始基可行解的一种新算法

对线性规划问题基可行解的性质进行了研究，给出了一种求解线性规划问题初始基可行解的算法，该算法的时间复杂度是约束条件个数的线性函数     

寻求线性规划问题初始基可行解的一种新算法

对线性规划问题基可行解的性质进行了研究，给出了一种求解线性规划问题初始基可行解的算法，该算法的时间复杂度是约束条件个数的线性函数。     

一种改进的RVSSLMS波束赋形算法

作为智能天线的关键技术之一,波束赋形算法引起了众多学者的广泛关注。为克服目前RVSSLMS算法比较简便,易于实现,但收敛速度较慢;RLS算法收敛速度较快,但其运算量大的问题,根据移动通信系统中波束赋形算法必须具有较快的响应速度和收敛速度的要求,对RVSSLMS算法进行了改进;结合RLS算法和RVSSLMS算法的优点,在开始迭代前的25次用RLS算法求加权系数W(k),再使RVSSLMS算法用RLS算法求出的加权系数W(k)作为初始值进行迭代求解,使其在保持原有运算量小的特点的同时,具有更快的收敛速度。用Matlab仿真对改进方法的有效性进行了验证,仿真结果表明:RLS-RVSSLMS算法既具有RLS算法收敛速度快的特点,同时保持了RVSSLMS算法计算量小的特点。     

一种改进的时序安排算法

时序安排或任务调度算法广泛应用于计算机的各个领域,如Linux进程调度算法,排课表算法等。本文使用无向图模型．得到一种改进的时序安排或任务调度算法。通过对比,显示该算法在实际应用中可大大提高工作效率。     

基于IRR信息的改进ARC算法

缓存是增强计算机整体性能的一项重要技术,缓存替换算法作为核心技术尤为重要。通过深入研究多种数据访问模式下ARC(adaptive replacement cache)算法的性能,总结出ARC算法性能较差的数据访问模式及其原因。针对发现的不足提出了一种改进的缓存替换算法,该算法通过引入IRR(inter reference recency)信息,提高了弱局部性访问模式下的缓存命中率,改善了ARC算法对不同数据访问模式的适应性。仿真实验结果表明,改进后的算法提升了应对弱局部性访问模式的能力,增强了算法的灵活性。     

一种改进的混合蝙蝠算法

为解决基本蝙蝠算法中存在的易陷入局部最优且求解精度不足的问题,提出一种改进的混合蝙蝠算法,引入了分组迭代模式和多种速度迭代公式加强了全局搜索能力,更新了种群领域搜索公式的基础上引用了t分布作为种群最优解的领域搜索方式,补足了蝙蝠算法的局部搜索能力,避免了算法陷入局部最优解。通过多个标准测试函数的实验验证改进的混合蝙蝠算法能有效解决基本蝙蝠算法中出现的问题。     

一种改进的樽海鞘群算法

针对基本樽海鞘群算法(Salp Swarm Algorithm,SSA)在求解复杂函数时存在求解精度差和易陷入局部最优等缺陷,提出一种改进的樽海鞘群算法(Improved Salp Swarm Algorithm,ISSA)。首先,在领导者位置引入随机维度以拓展种群多样性;其次,改变追随者方式,即在算法前期以较大概率执行差分进化操作,进一步增强种群多样性,在算法后期较大概率执行黄金正弦算法,较好地平衡了算法的全局搜索和局部勘探能力。通过23个基准函数测试表明,本研究改进算法在收敛速度、计算精度和稳定性方面优于基本樽海鞘群算法和黄金正弦算法(Golden Sine Algorithm,Gold-SA),同时与其他改进樽海鞘群算法相比,该算法也具有一定优势。     

一种改进的Marple算法

本文根据时序建模中Marple算法的特点,经过分析推导,提出了一种改进的Marple算法。实践表明,改进算法能降低Marple算法的乘法运算工作量。     

一种可调节动态任务调度算法

提出了适于异构环境独立任务调度的可调节动态调度算法(AS算法)。该算法以任务与处理机的执行时间和完成时间作为参数共同构造任务调度顺序的衡量值,其中二者所占的比重能进行适当调整。AS算法克服了Min-min算法单纯追求局部最优的局限性,更适合异构环境。实验结果表明AS算法可以有效地降低调度跨度,其性能比Min-min算法有所提高。     

一种改进的自适应粒子群优化算法

针对粒子群优化算法中出现对大规模问题搜索失败,分析了粒子群优化算法的收敛性,指出了粒子速度与搜索失败的关系,提出了一种根据速度信息自适应调整参数的粒子群优化算法,该算法在满足收敛性的条件下,搜索过程中粒子根据理想的速度自适应调整参数进行搜索。修改后的算法经过大量测试函数上的模拟实验验证,并与其他算法进行了比较。实验结果表明,该算法能克服基本PSO算法在求解高维、多峰等复杂非线性优化问题时易陷入局部最优和不收敛等搜索失败的问题。     

一种改进的快速SURF算法

SUR算法是一种鲁棒性较好的特征提取算法,被广泛应用在图像处理和机器视觉上。但是,经典的SURF(SpeededUp Robust Features)算法积分图像(Integral Image)过程占用内存大而耗时多。为此,从积分图像处理方面对经典的SURF算法进行了改进,提出了只占用一个图像空间的快速积分图像算法。实验验证表明,该算法能够达到占用内存小且耗时少的预期效果。     

一种改进的ORB特征点匹配算法

针对ORB特征描述算法没有解决尺度不变性的问题,提出了一种将具有尺度不变性的BRISK特征描述符与ORB特征检测子相结合的特征点匹配算法;利用ORB特征检测子检测待测图像中的特征点,并借鉴BRISK特征描述算法的思想对检测到的特征点进行均匀采样,然后对采样到的特征点进行特征描述,最后使用暴力匹配的方法计算汉明距离从而完成特征匹配;通过实验验证了改进算法,有效地解决了ORB特征描述算法不具备尺度不变性的问题,相较于原ORB算法,改进算法的尺度不变性得到了有效提高且更加稳定、可靠,同时,改进算法的实时性也略优于原算法,适合于要求实时性高且尺度变化大的应用中。