基于改进克隆算法的WSN的QoS路由研究

为解决在无线传感器网络QoS约束下的最优路由选择问题,在优化网络拓扑结构的基础上,提出利用克隆选择算法和蚁群算法结合求解WSN组播路由的方法.该算法利用克隆选择算法对原始路由种群进行优化改善,避免搜索过程陷入早熟收敛问题,然后利用蚁群算法快速搜索.该算法在保证能力最优的前提下,提高了路由搜索速度,在保证最优路径选择基础上,节约了通信成本,仿真结果证明了其可行性和有效性.     

多种进化算法混合解决约束工程优化问题研究

针对单一进化算法不适合解决所有优化问题的情况,提出了一种混合多种进化算法解决约束工程优化问题的算法.该算法混合了差分进化、粒子群优化和共生生物搜索等3种算法,首先利用差分进化算法产生和选择最优种群,然后利用粒子群优化算法寻找每一个最优解并进行更新,最后利用共生生物搜索算法对所有种群进行共生互动更新,选择出最优种群以进行...     

基于频率的Read Mapping种子选择算法

选择具有最低频率的最优种子是一个复杂的计算问题,往往需要很长时间.提出了一种read的基于频率的合并种子选择算法(FMSS),该算法能够高效地选择接近最优的种子集合,可用于改善现有映射工具的性能.实验对比了平均种子选择方法和当前最优的种子选择策略(OSS,optimal seed solver),结果显示FMSS算法能够用很少的时间代价给出接近OSS的最优种子集合,这表明FMSS算法可集成到现有映射工具中用于处理更大规模的read mapping问题.     

决策表最优特征子集的选择--基于粗集理论的启发式算法

特征子集选择问题是机器学习的重要问题。而最优特征子集的选择是NP困难问题,因此需要启发式搜索指导求解。基于粗集理论,本文提出了一种新的决策表最优特征子集选择的启发式算法。和以往的方法相比,这种算法简单实用,在一定条件下能够以较高的效率得到最优特征子集。     

不完备广义多尺度决策系统的逐步最优尺度选择

现有的最优尺度选择算法有可能无法得到全局最优尺度组合,且具有较高的时间和空间复杂度。针对该问题,提出了不完备广义多尺度决策系统的逐步最优尺度选择算法。介绍了不完备广义多尺度决策系统,给出了上下近似集的性质;采取属性约简与尺度选择同步优化策略,以得到全局最优尺度组合;给出了一个快速的求相容类方法,并提出了不完备广义多尺度决策系统的逐步最优尺度组合选择算法,该算法显著降低了时间复杂度与空间复杂度。数值实验表明所提出的算法是有效的。     

一种面向智能排考的最优时段“净化”方法

针对各类排考资源在空闲时间段上的最优匹配问题,根据考试编排的约束条件,从时间选择算法的构建、着色、数据结构描述以及可用时间段的选择,最优时间段的形成等方面进行算法描述,并给出算法的具体步骤和流程图.实验结果表明,经"净化"处理后的最优时间段匹配算法能有效解决排考过程中的约束问题,避免排考过程中的人为干预,而且具有较好的灵活性和简洁性.     

用贪心算法求解删数问题

贪心算法作为解决问题的一类重要方法,因其直观、高效的特点而受到重视。如果某一类实际问题,能够具有最优予结构和贪心选择性质,那么它就可以通过一系列局部最优选择来获得整体最优解。本文首先对删数问题进行了分析,然后给出了该问题的贪心解法。最后对所提出算法的时间复杂度进行了分析。     

一种基于混沌搜索改进的人工蜂群算法

针对人工蜂群算法存在容易陷入局部最优解以及收敛速度慢的不足,提出了一种改进的人工蜂群算法.该算法在基本人工蜂群算法的基础上,根据可能解上的适应值定义搜索步长来解决陷入局部最优的问题,根据可调的参数定义食物源选择概率模型来解决收敛速度慢的问题,该选择的概率模型是基于混沌搜索定义全局最优解的搜索方法.最后,在7种不同的测试函数上对改进后的算法进行了实验测试,实验结果表明该改进算法比基本人工蜂群算法有着更高的搜索精度和较低的时间复杂度.     

一类积微分系统最优参数选择问题的数值算法

文章考虑了一类积微分系统最优参数选择问题,推导出目标函数的梯度计算公式,把最优参数选择问题当成数学规划问题利用逐步二次规划法（SQP）进行数值求解,并给出一致的算法．     

基于模拟退火算法的输电网中长期规划研究

模拟退火算法是一种解决组合优化问题的有效方法,其最终优化结果不依赖于初始解的选择,理论上可避免算法过早收敛于局部最小点,从而保证找到全局最优解或全局近似最优解．本文将模拟退火算法用于输电网中长期规划问题的研究,详细介绍了算法实现过程中各种参数的选择方法并给出了具体算例．试算结果表明利用该算法得到的优化结果是令人满意的．     

基于MATLAB对两种三角化算法的分析

面绘制是一类三维空间数据场的可视化算法。它常需在三维空间规则数据场中构造等值面。最具代表性的等值面构造方法是Marching cubes。Dual cubes是另外一种等值面构造方法。本文将基于Matlab详细分析原始marching cube和dualcube算法。     

MC算法生成数据的分组网格化处理

对MC算法生成的数据进行后续处理,首先采用排序归并算法,归并顶点数据.根据相邻三角形共有顶点的特性,确定三角形之间的连接关系.根据属于同一个子等值面的三角形相互连接的特性,采用种子算法,将属于不同子等值面数据进行分组.采用顶点表与三角形表的数据结构存放子等值面的数据,实现MC算法生成数据的分组与网格化.     

基于超长方体与KNN的分类算法

提出了超长方体与KNN相结合的分类算法.在训练阶段,该算法为训练集中的每一个类别构造多个超长方体,区域分离每一类训练样本.在测试阶段,该算法首先检查测试样本是否被某一个超长方体包围,如是则其类别被识别出,否则用KNN方法确定其类别.实验采用四个真实数据集进行测试.实验结果表明基于超长方体与KNN的分类算法在四个数据集全部优于两个基于多球覆盖的分类方法,是一种有效的分类方法.     

Exclusive-nor sum-of-sum逻辑及其最小化研究

对DRM(dual Reed-Muller)逻辑的非标准形表示形式和之同或和(exclusive-nor sum-of-sum,ENSOS)进行研究,并给出一种启发式的ENSOS逻辑最小化算法。该算法采用立方体覆盖表示ENSOS,对立方体迭代应用XNOR连接运算实现ENSOS逻辑的化简。为在算法结果质量与算法效率之间进行折中,该算法在进行立方体的XNOR连接时采用前瞻和回溯策略。使用基准函数进行验证的实验结果表明,所提出的算法能够获得更为精简的逻辑表达式。     

融合构型查找表与邻接查找子表的改进MC方法

针对医学图像三维可视化中移动立方体面绘制算法（marching cubes,MC）执行速度慢、效率不高的问题,提出了融合构型查找表与邻接查找子表的改进MC方法。该方法通过显性构建邻接查找子表约束体元搜索路径,使面绘制时只处理有效体元,根据邻接查找子表特点设计堆栈结构实现搜索算法,不仅提高了算法访问效率,而且减少了临时存储空间。在可视化工具包(VTK）下用改进MC方法对人体脚、胸腔、头部的CT数据集进行三维重建实验,结果表明在不损失重建质量的前提下,重建过程中遍历立方体数目缩短95%左右,重建时间缩短20%左右,提高了MC方法的执行速度和重建效率。     

多值变量函数集合锐积的组合算法

该文研究含n个多值变量的多维体对一多维体集合作锐积运算的组合算法。该算法将此集合锐积的计算归结为寻找一对应的行相关矩阵的极小有效极大列组合复盖集,其所得均为质多维体,且有较高的计算效率。     

多视角三维数据场的构建研究

基于移动立方体（marching cubes,MC）算法,考虑到现实条件下观测数据的不完整性,提出一个方便模式识别研究的可伸缩三维数据场模型。该模型混合 MC 算法和分区域处理方法,考虑了多角度观测对场域及目标的影响,描述了三维数据场对模式识别的作用。场域建立的实践表明,利用多观测点互相补充的方法改进了 MC 算法,提高了运行效率。     

基于体数据变形的自适应移动立方体算法的研究

 移动立方体（Marching Cubes）算法是一种经典的三维重建方法,但是对采样稀疏的体数据进行重建时,不能满足所需的精确度要求。提出了一种基于体数据变形的自适应移动立方体算法。该算法通过自适应地改变体素顶点的位置,使得体素包含更多的图像信息从而使体素内的三角面片更加逼近等值面;同时,采用了区域增长策略对体数据进行分割从而避免了对整个体素空间的运算;对算法的并行优化提升了算法的三维重建效率。实验证明使用该算法对稀疏体数据进行三维重建,提高了重建的精确度,并且保证了重建的实时性与交互性。     

一类多元多项式的有效赋值方法

一类多元多项式的有效赋值方法张晓鹏（西北大学数学系，西安７１００６９；作者，男，３２岁，讲师）矩形域和立方体上定义的多元多项式是逼近论和计算机辅助设计等方面应用很广泛的函数形式［１．２］，因而人们很关注它的有效赋值问题．本文对矩形域上的Ｂｅｒｎｓｔｅ...     

基于XML的OLAP实现方式研究

提出了一种基于XML的OLAP实现方式——X-OLAP．用XML本身的层次结构来体现数据仓库中元组之间的聚集关系．对于数据仓库中大量存在的基本单元组,该实现方式在不增加新节点的情况下能表示所有由基本单元组产生的综合数据,有效地减小了数据仓库的体积,并且证明了所有OLAP操作都可以在该X-OLAP上实现．