非单调线性互补问题的宽邻域预估校正算法

对P*(κ)阵线性互补问题提出了一种新的宽邻域预估校正内点算法.该算法是基于Mehrotra型预估校正算法思想,把线性规划问题拓展到非单调线性互补问题中(P*(κ)-LCP),并讨论了其计算复杂性.分析结果表明,所给算法是多项式时间算法.最后通过数值实验验证了算法的有效性.     

求解P_*(κ)-LCP的自适应全-Newton步不可行内点算法

对P*(κ)线性互补问题提出了一种自适应全-Newton步不可行内点算法.算法是对Mansouri等人(H.Mansouri and M.Pirhaji in Journal of Operations Research Society of China 1:523-536,2013)提出的单调线性互补问题的自适应不可行内点算法的推广.在算法的每一次迭代中,障碍校正参数θ的取值并不固定,它总在1/(51n(1+4κ)2)和1/(14n(1+4κ)2)之间取满足算法要求的最大值,使得算法快速收敛于问题的一个ε-近似解.     

非线性互补问题高阶宽邻域内点算法

对p*(κ)线性互补问题提出了一种高阶宽邻域内点算法,在算法的每步迭代过程,基于线性规划原始-对偶仿射尺度算法的思想来求解一个线性方程组得到迭代方向,在适当选取步长,得到算法的多项式复杂性.     

P_*(κ)线性互补问题的二阶预估-校正内点算法

提出了一种求解P()线性互补问题的不可行大邻域二阶预估-校正内点算法,在一步迭代中,算法只需进行一次矩阵分解,且具有代数复杂度C(1+κ)5/2n5/4 1ogε-1,数值实验验证了算法的有效性.     

求解P_*(κ)-水平线性互补问题的核函数内点算法

提出了一个新的核函数,使用该核函数设计了一个求解P*(κ)-水平线性互补问题(P*(κ)-HLCP)的多项式内点算法.为了给出算法的复杂度,首先分析了该核函数的性质;最后,给出了大步更新算法和小步更新算法的迭代复杂度,这些复杂度与目前内点算法最好的复杂度一致.     

κ-test算法在星系团研究中的应用

介绍了κ-test算法基本原理,并将此算法运用于近邻星系团系统A399/A401.κ-test算法对该系统中215颗星系空间分布的成团现象进行了判定,证实确是真正物理意义上的成团.     

基于分水岭算法的磁共振脑图像自动分割

基于分水岭算法，提出了一种新的非脑组织去除和自动的脑磁共振图像的分割方法，利用区域合并技术克服分水岭算法固有的过分割问题，通过参数的设置，可以将图像中的非脑组织去除掉；对已去除非脑组织的图像，巧妙地将分水岭算法、区域合并和κ—均值算法相结合，可进行全自动地分割，效果良好。     

4t（t≥2）阶规范化HADAMARD矩阵算法

本文讨论了4t(t≥2)阶规范化HADAMARD矩阵与(ν,κ,λ)组态等价定理的完备证明及(ν,κ,λ)差集与2~(?)(n≥1)阶HADAMARD方阵的一种算法.     

一种加速的κ-均值聚类方法

针对传统κ-均值聚类方法不能处理大规模聚类的问题,提出一种加速κ-均值聚类方法,称为S_κ-均值聚类算法.该方法在传统κ-均值方法基础上,首先随机抽取一定量的样本点作为初始工作集,并在初始工作集上进行聚类,求出相应的类中心.然后对剩余的样本,根据其与已得到的类的相似度进行一次性的划分,从而得到划分后的类别.由于该方法只有较小规模的初始工作集需要进行一般的κ-均值聚类,而剩余的大多数数据不需要进行反复迭代就可以直接得到其聚类结果,从而在很大程度上提高了聚类效率,解决了传统κ-均值聚类方法不能用于处理大规模数据聚类的问题.实验结果表明,与传统κ-均值聚类方法相比,S_κ-均值聚类算法的聚类速度得到了明显提高,能够有效处理大规模数据的聚类问题.     

基于粒子群和人工蜂群算法的混合优化算法

提出一种基于粒子群(PSO)和人工蜂群算法(ABC)相结合的新型混合优化算法—PSOABC。该算法基于一种双种群进化策略,一个种群中的个体由粒子群算法进化而来,另一种群的个体由人工蜂群算法进化而来,并且在人工蜂群算法中按轮盘赌的方式选择个体进化所需的随机个体。此外,算法采用一种信息分享机制,使两个种群中的个体可以实现协同进化。对4个基准函数进行仿真实验并与ABC进行比较,表明本文提出的算法能有效地改善寻优性能,增强摆脱局部极值的能力。     

一个求解P*(κ)线性互补问题的高阶Dikin型仿射尺度算法

对于P*(κ)线性互补问题提出了一个新算法———高阶Dikin型仿射尺度算法.算法的每步迭代,基于线性规划Dikin原始———对偶算法思想来求解一个线性方程组得到迭代方向,再适当选取步长,使算法具有多项式迭代复杂性.     

一类水平线性互补问题的一个不可行内点算法的收敛性

作为单调水平线性互补问题的推广，引入了Ｐ＊（κ）阵水平线性互补问题（简称Ｐ＊（κ）－ＨＬＣＰ）．证明了Ｙ．张的算法能被推广以解决Ｐ＊（κ）－ＨＬＣＰ问题，这个推广算法在运算过程中是独立于分类数κ的．如果这个算法的起始点是一对任意的正数，那么算法将达到Ｑ－线性收敛；如果起始点是一对足够大的正数，此算法经过至多Ｏ（（ｋ＋１）４ｎ２ｌｎ（（ｘ０）ｒｓ０）／ε次运算得到ε－逼近解，其中（ｘ０，ｓ０）是一对起始点     

对称锥非线性互补问题的无穷范数宽邻域算法

为求解笛卡尔P*(κ)对称锥非线性互补问题,采用无穷范数宽邻域,研究了宽邻域不可行内点算法的理论复杂度,发现其与Frobenius范数宽邻域的复杂度一致.数值实验结果表明,该算法有效且稳定.     

基于一种新的S型函数快速凸组合最小均方算法

为解决传统凸组合自适应滤波算法在联合参数迭代计算量大、算法收敛速度慢、跟踪性能差等问题,提出了一种基于一种新的S型函数快速凸组合最小均方(SCLMS)算法;该算法用一种新的S型函数,代替Sigmoid函数,在保证和CLMS算法相同稳态误差情况下,避免了指数运算,减少了计算量;同时也提高了收敛速度和信号的跟踪性能。通过独立高斯白噪声作为输入信号算法仿真、相关噪声作为输入信号算法仿真;以及非平稳环境下算法仿真;并对三种仿真结果进行了分析,验证了该算法性能可靠有效。     

一种新的可变步长LMS算法研究

在分析基本最小均方误差算法(LMS)和归一化最小均方误差算法(NLMS)的基础上,提出了一种新的可变步长LMS算法(NVLMS)和它的改进算法(MNVLMS).仿真结果显示,NVLMS算法对于平稳过程中的滤波器,能获得较快的收敛速度和较小的稳态误差.在非平稳环境下,MNVLMS算法在减少算法复杂度的情况下能获得和NLMS算法一样的收敛速度和稳态误差.     

利用压缩变换求极限2-周期连分式的值

加速收敛在连分式理论中占有重要的地位,对极限周期连分式进行加速收敛最常用的方法是通过选择合适的修正因子。如果b0＋^∞K（n=1）（an/bn）是极限κ-周期连分式,则修正因子序列也应是κ-周期的,这就使得对于k≥2的周期连分式的修正因子的选取较为困难。借助连分式的压缩性质,针对极限2-周期连分式推导出一种新算法,从而避免修正因子的选取,数值例子表明新算法使得连分式的收敛更快,精度更高。     

狼群算法的研究与应用综述

狼群算法(wolf pack algorithm, WPA)是一种比较新的群智能优化算法,是一种通过模拟狼群捕食行为和猎物分配规则而抽象出的自然启发式算法,自问世以来就受到众多学者的关注。首先对狼群算法的原理进行分析,然后总结算法的改进策略,接着列举算法的相关应用,最后对狼群算法进行展望。     

VBLAST系统译码算法的新方案

VBLAST(垂直分层空时编码)系统具有很高的频谱效率,但是误码性能一般。提出了一种迭代信号处理算法(ISP算法),利用最大的可用分集来改善通过迫零算法得到的初始数据的估计,从而提高系统的误码性能。并结合一种减小迫零算法计算量的改进算法进一步得到一种新的算法———改进ISP算法,仿真结果表明改进ISP算法大大减小了计算复杂度,而且只有很小的性能损失,因而更加适用在实际的系统之中。     

改进花朵授粉算法

智能系统试图模拟人类专家来解决复杂的现实问题。问题的领域从工程、工业到医学、教育都各不相同。在大多数情况下,系统需要根据多个输入进行决策,但是搜索空间通常很大,因此很难使用传统的算法进行决策;元启发式算法可以用作寻找最优解的一种工具。因此,改进元启发式技术和现有算法是必要的。本文介绍了一种改进的花朵授粉算法(FPA)。将标准的FPA与克隆选择算法(CSA)结合,应用到23个优化基准函数上,并对其进行测试。将改进算法与五种著名的优化算法(模拟退火、遗传算法、花授粉算法、蝙蝠算法和萤火虫算法)进行比较。实验结果表明,相比标准FPA和其他四种方法,改进花朵授粉算法能够找到更精确的解。     

一种CSCW群组通信路由算法的研究

对计算机支持的协同工作(CSCW)的群组通信中已有的两种主要的路由算法:反向路径分发算法和核心树算法进行了探讨,并在其基础上提出了一种新的路由算法:EGERET算法。