集装箱倒箱问题的启发式算法研究

为降低集装箱堆场的倒箱率,对翻倒箱落箱位置的确定问题进行了研究,提出了一种启发式算法H及其改进算法IH。利用仿真实验将所提出的两种启发式算法与最优解及已有启发式算法OH进行了比较,结果表明,提出的两种启发式算法在解的效果和稳定性上均明显优于算法OH,其中改进算法IH相对算法H又有进一步的提高。     

受限p-中心的并行迭代算法

提出了受限 p-中心的多项式时间并行迭代算法 ,分析了这些算法的计算复杂性 .计算实例表明所提出的算法简洁有效 .本文的算法还可以对其它关于受限 p-中心及 p-中心的启发式算法和近似算法进行补充 ,以此为基础容易获得相应的 Tabu Search算法和遗传算法 .     

基于文化知识的量子进化算法

量子进化算法在实数优化时存在局部寻优能力不佳、收敛速度较慢等缺陷.为克服这些缺陷,本文引入文化算法思想提出一种基于文化知识的量子进化算法,该算法具有量子进化层和知识进化层双层进化框架,引入的文化算法能较好地协调全局与局部寻优,并避免算法陷入局部极值.由于新的算法框架及量子观测方式的引入,提出的算法不但保留了量子编码的优点,而且有效解决了求解实数优化问题时存在的缺陷.实验表明,提出的算法不但比量子进化类型算法性能有较大提升,而且与其它相关的几种算法相比具有更好的求解精度和速度.     

一种改进的QR分解VBLAST解码算法

基于传统的QR分解算法,将最大似然算法应用到QR分解算法中,提出了一种改进的VBLAST解码算法,称为MLQR算法.该算法主要克服QR算法最先检测层性能差的缺点,将最大似然法应用到QR算法中,以最大限度地提高最先检测的两层信号的性能,然后回代到QR算法中检测余下层信号.仿真结果表明,提出的MLQR算法比QR算法和迫零算法在误码性能上要好,特别是在高信噪比下性能得到明显改善.     

一种机器人路径规划的蚁群算法

提出一种机器人路径规划的蚁群算法,该算法引入信息素限定和自适应信息素挥发系数的方法解决蚁群算法应用中的停滞现象和搜索能力的问题。算法仿真研究中发现了算法的收敛速度和环境地图建模的方式有密切关系,提出栅格地图模型的坐标变换法,提高了算法的运行效率。比较仿真实验结果证实了本算法的有效性和快速性。     

局部均匀环境中自适应极化与波形优化检测

研究了一种局部均匀环境中的自适应优化检测算法。首先提出了两种波形设计方案;然后基于自适应子空间检测器提出自适应极化分集与波形设计联合优化检测算法,该算法首先将优化检测问题转化为多参数的联合优化问题;进而应用田口优化算法解决该优化问题。仿真实验证明,在局部均匀环境中提出算法相比其他算法检测性能获得了极大改善;重要的是,由于引入高效的田口优化算法,提出算法的效率得以极大提高。     

一种灵巧同构系统的任务静态调度算法

针对高性能的灵巧同构系统计算环境特点,提出了一种多处理机的任务静态调度算法。该算法结合遗传算法和启发式列表调度算法,具有较短的调度时间;算法考察了多处理机调度中的任务间前趋关系、通信关系以及任务存储量要求,具有实用意义。仿真结果表明,与标准算法和CP/MISF(critical path/most immediate successors first)算法比较,所提出的算法能够得到较优的调度结果。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

基于免疫算法的火电厂机组负荷优化分配研究

提出应用进化算法—免疫算法解决负荷优化分配的问题,在分析负荷分配的数学模型和免疫算法的基础上,详细研究了基于免疫算法的负荷优化分配方法。文中提出了抗体基因编码采用混合编码及抗体组的概念,更有利于算法的进行。该算法通过10台机组系统进行了验证,计算结果表明该算法与其他优化算法相比,能更有效的达到或接近全局最优。     

基于三阶线性微分算子的零空间追踪算法

本文研究了利用一个自适应的三阶线性微分算子把一个复杂信号分解为若干简单信号的和, 这些简单信号属于这个三阶线性微分算子的零空间. 通过三个具体的信号分解的例子,展示了我们所提出算法的实用性.最后通过一个实例,对我们提出的算法与经验模态分解算法进行了比较,实验结果表明我们提出的算法要好于经验模态分解算法.     

Using Genetic Algorithms to Improve the Search of the Weight Space in Cascade－Correlation Neural Network

ＵｓｉｎｇＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓｔｏＩｍｐｒｏｖｅｔｈｅＳｅａｒｃｈｏｆｔｈｅＷｅｉｇｈｔＳｐａｃｅｉｎＣａｓｃａｄｅ－ＣｏｒｒｅｌａｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ￥Ｅ．Ａ．Ｍａｙｅｒ，Ｋ．Ｊ．Ｃｉｏｓ，Ｌ．Ｂｅｒｋｅ＆Ａ．Ｖａｒｙ（...     

带二次参数赋权的多阶段网络最短路算法

当网络中的权值不是常数而是含参数的函数时,它可以看作是一种动态网络,用传统的算法求解这类网络的最短路径变得十分困难.为此,提出了含二次参数权的多阶段网络最短路问题,并利用Dijkstra算法思想和隐枚举方法给出了求该网络最短路的隐枚举标号算法,最后对该算法的复杂性进行了分析.理论分析与实验结果表明,尽管该算法不是多项式的,但对于一定规模的该类网络还是十分有效的.     

平面测量问题中单应矩阵的算法研究

在平面测量问题中,单应矩阵扮演着十分重要的角色。同计算机视觉中的其他问题一样,单应矩阵的计算对数据噪声极其敏感。本文系统地研究了求解单应矩阵的三种算法。首先分别给出了各种算法的理论推导;其次对每种算法都做了数值模拟实验,并分析和比较了实验结果。结果表明基于直线对应的算法比点对应算法更具有鲁棒性。最后我们还给出了真实图象的实验结果。     

基于孪生神经网络的目标跟踪算法进展研究

目标跟踪作为计算机视觉领域的关键课题, 广泛应用在智能视频监控等领域。随着深度学习的迅速发展, 基于孪生神经网络的跟踪算法(简称为孪生跟踪算法)因其速度和精度的平衡优势成为了主流算法。尽管已有大量研究, 但仍缺乏从跟踪框架层面对孪生跟踪算法进行系统分析。为了梳理目前孪生跟踪算法的研究进展, 首先介绍了孪生跟踪算法的常见挑战、主要组成、跟踪流程、常用数据集和评价指标; 其次按照对跟踪框架的改进方向分为改进特征提取的算法、优化相似度计算的算法和优化跟踪结果的算法, 并分别详细介绍; 然后对20个主流跟踪算法进行测试与分析; 最后总结目前孪生跟踪算法存在的问题以及对未来的研究方向。     

复杂网络中的社团结构分析算法研究综述

许多实际网络中都存在着社团结构.为了寻找大规模复杂网络中的社团结构,人们提出了很多算法.本文综述了近几年来比较有代表性的一些算法.首先介绍了计算机科学中最有名的谱平分法和Kernighan-Lin算法,然后介绍了社会学中具有代表性的分裂算法和凝聚算法,并着重分析了最新提出来的一种寻找网络中彼此重叠的社团结构的派系过滤算法.最后指出了进一步的研究方向.     

多执行模式资源受限工程调度问题的优化算法

近几年来,模拟退火（ＳＡ）和遗传算法（ＧＡ）等智能优化方法在求解组俣最优化问题显示出了较强的能力,许多文献报告了它们在这类问题上的应用,有些文献则报告了一些它们的混合算法,然而,定些算法对问题的求解效果因问题的结构不同而有限大差异,它们的成功必须充分结合问题本身的特点,本文针对多执行模式资源受限工程调度问题的特点,设计了一种ＳＡ／ＧＡ混合算法,利用被普遍应用的标准问题对该算法进行了测试,取得了令人满意的结果。     

基于排序机制的全序广播算法分类与性能分析

已有的全序广播和多播算法多达近五十种,为了便于人们根据需要从众多算法中进行选择,需要对这些算法进行明确分类。但现有的分类方法都存在着完备性较差,且难以理解等问题。基于排序机制,从全序广播和多播算法的通信记录、优先权、动态序列器、静态序列器和目的方一致五个方面,给出了一种针对全序广播与多播算法的新系统分类方法。同时,还从定性、定量两个方面对分类的各类算法进行了规范、应用模型环境以及性能的分析与评测。使用新的分类方法以及测评结果,可以在现实应用中很方便地从现有算法集中根据需要选择合适的算法。     

单纯形置换算法的改进及其应用

本文提出单纯形置换算法的改进策略。在单纯形置换过程中进行退化检验，如果单纯形退化到状态空间的某仿射子空间中，则依据一定的规则对它进行修正，以保证算法在整个状态空间中的搜索能力。改进算法被应用于线性系统参数的绝对最小误差回归辩识，仿真实例显示了算法的有效性。     

Underlay认知无线电网络功率与允入控制优化算法

频谱共享认知无线电网络中允入控制算法对系统总吞吐量、总传输概率及认知用户中断概率的影响,并提出两种新功率与允入控制联合优化算法。所提算法基于信干噪比与功率对应关系,引入有效信干噪比、有效链路增益比两个新权值。在非可行系统中依据新权值逐步移除违规认知用户,使允入认知用户数目最大化并有效控制总传输功率。在可行系统中利用新权值将“极大-极小”服务质量和总吞吐量优化两个问题转化为易解决的传统线性规划问题。仿真实验结果表明,新算法复杂度低、用户中断概率小且系统吞吐量大。     

一种新的求解Flow Shop问题的启发式算法

同顺序 Flow Shop问题是一个著名的 NP难题 ,至今尚未找到有效算法 .总体来讲 ,求解该问题的启发式算法主要可分为规则式算法和迭代式算法两种 .对该问题有很多求解目标 ,如最小加工周期 ( min makespan) ,工件的最小平均在系统的停留时间 ( min mean flow tim e)等 .本文以求解最小加工周期为目标 ,基于目前已知的性能最好的算法 NEH算法的基本思想 ,提出了一种新的启发式算法 -组合指标算法 .大量的数据实验表明 ,新的算法具有很好的计算结果 ,而且这种算法可以说是给出了求解 Flow shop问题的一种新的思路和方向.