关于SA算法的几点看法

本文针对启发式搜索算法ＳＡ,提出不同的看法：①关于ＳＡ在自身条件下平均复杂性为Ｏ（Ｎ１ｎＮ）的定理及其证明是不成立的．ＳＡ能否在自身条件下避免“指数爆炸”的问题并没有解决;②关于 ＳＡ优于 Ａ＊的定理及证明是不成立的;③ ＳＡ不具有可采纳性。此外．本文还给出了一些其它的不同看法。     

启发式搜索的一种新技术─SA算法

在一定的假设下，可把启发式搜索看作一种随机取样的过程。从而把统计推断方法引进搜索。根据上述思想．把Ｗａｌｄ序贯概率比检验方法与Ａ（Ａ＊）搜索结合，得到一种新算法──ＳＡ算法。文中讨论了该算法的优点及细节。最后通过一个实例说明算法的原理。     

局部统计量的快速计算算法

本文提出了一种新的在频域中计算局部统计量的快速算法。首先探讨了如何根据局部统计量的具体性质,设计快速卷积算子,然后将该算子与图象作循环卷积以达到快速计算的目的,最后讨论了循环卷积算子与线性卷积算子在计算局部统计量上的异同点。本文算法的最大特点在于计算速度与运算空间不随计算窗口的变化而变化。植物染色体图象的实验表明:本文算法较在时域中直接运算约快5～6倍。     

基于高阶统计量的机械故障特征提取方法研究

对高阶统计量用于机械故障特征提取进行了研究。首先利用Ｈｉｌｂｅｒｔ变换构造原始信号的解析信号,求取信号的包络,然后计算信号的高阶统计量。研究表明,用高阶统计量提取信号特征,可以 容易地将正常齿轮信号和齿轮裂纹、断齿的信号分离。     

关于充分统计量证明的两个定理

文中给出了证明充分统计量的两个定理,由此得到证明充分统计量相对简单的方法。     

一类物资多目标规划的算法研究和评价模型

提出了一种多目标资源分配的启发式搜索算法和评价模型,通过初始的若干种物资在不同站点之间的几种可能的调配方案,确定邮不同的初始搜索矩阵,在此基础上进行搜索可以很大程度地减少全局最优解的范围,结果表明,利用提出的基于随机参数统计原理的评价模型便能很容易得出合适的方案解。     

粒子群算法的改进与比较研究

针对粒子群算法(particle swarm optimization,PSO)"早熟收敛"和后期收敛速度慢的特点,文章提出了一种改进的PSO算法。该算法摒弃了近年来许多在改进过程中引入过量繁琐公式、各种变换因子而导致算法过程冗杂的粒子群改进方法,而是在简化PSO算法的基础上引入自适应局部搜索因子,在种群不变的情况下拓宽了搜索范围并提高了搜索精度,且在某些测试函数下寻优效果明显优于其他复杂的PSO优化算法。最后的测试实验表明,该文算法能避免早熟问题,有效地提高了算法的精确寻优能力。     

基于高阶累积量的格型结构及算法

为了解决格型结构对噪声敏感的问题,从基于高阶累积量的均方误差（ＣＭＳＥ）准则出发,提出了一种基于高阶累积量的格型（ＣＬ）结构,并讨论了该结构具有的一些重要性质。在此基础上进一步推证了系统参数辨识的基于高阶累积量的Ｂｕｒｇ算法（ＣＢｕｒｇ）,并给出了三阶ＣＢｕｒｇ算法的一种快速递归实现方案。仿真结果证明：就辨识结果的无偏性而言,这种ＣＢｕｒｇ算法的抗高斯噪声性能明显优于常规Ｂｕｒｇ算法而两种算法的运算量大体相当。     

BWC着色问题的一种启发式算法研究

无向图的BWC着色问题是给定两个正整数b和w,判断是否存在这样的着色方案:对b个顶点着黑色,对w个顶点着白色,其它顶点不着色,着黑色顶点集合与着白色顶点集合之间没有任何边相连。BWC的最优化问题,是找出一种最优化着色方案,使得与所有黑色顶点不相连接的着白色顶点数最大。该问题被证明是NP-完全问题。提出了一种基于禁忌表和局部搜索机制的混合启发式算法(BTLSBWC),通过对部分网络图进行测试,结果达到了现有文献计算出的最好值。     

检验正态分布的编程算法

假定总体为正态分布，是绝大多数统计分析和统计检验的前提。但是用大样本检验总体正态分布的计算比较复杂，手工难以完成，致使实际工作中往往放弃这一至关重要的检验。针对这种情况，研制了一套精确的编程计算方法，以完成这一复杂的计算过程。经过编程、上机、计算实例，并与手工计算对比，结果证明：这种编程算法精确、快捷、有效、免除了复杂的手工计算，解决了用大样本检验总体正态分布的难题，实现了体验总体正态分布自动化。     

通用启发式搜索算法库的设计

由于目前启发式搜索算法被广泛的应用,但是其设计都是针对具体问题的,在不同的领域运用时启发式搜索算法就要重新进行设计,这样浪费了大量的劳动和时间,同时正确性也难以得到保障。针对这个问题,本文通过对多种启发式算法的基础上统一建模,设计了通用的启发式搜索算法库,及通用的数据结构,并与具体问题脱离。实现了启发式搜索算法的通用性、可扩充性与易调试性。     

基于COM的启发式搜索算法库的设计与实现

目前启发式搜索算法都是根据具体的问题应用而设计的,在不同的领域运用时启发式搜索算法就要重新进行设计,这样浪费了大量的劳动和时间,同时正确性也难以得到保障。在对多种启发式搜索算法进行分析的基础上,根据软件复用的思想设计启发式搜索算法库,并将COM技术应用到启发式搜索算法库,从而实现启发式搜索算法库。基于COM的启发式搜索算法库实现了与具体应用领域脱离,有效的解决了启发式搜索算法开发,同时也扩大了COM技术的使用范围。     

模糊集值产生式系统的启发式图搜索算法

首先提出了模糊集值产生的系统的概念，然后运用三角范算子，得到了模糊集值产生式系统启发式算法，并对启发式算法的可采纳性给出了证明。     

0-1整数线性规划的一种组合直接搜寻法

本文提出了一种求解0-1线性规划的组合搜寻技术，首先它把分量取0或1的所有整数向量按分量中所含1的个数进行分类；然后在每类点集中对取1的分量实施适当的组合；最后，根据约束条件搜寻最优解。     

启发式搜索中一种新的加权技术

本文提出一种新的加权算法——ＷＳＡ法，它是在Ａ（或Ａ＊）搜索中引入一种新的加权技术。根据［１］中提出的原理，可以把启发式搜索看成某种随机取样过程，所以通过某种统计推断的方法，可以估计出搜索树中各子树包含目标的可能性．然后把某个权值加到不大可能是解路径上节点的估价函数上，从而使搜索集中在最有希望的路径上。在一致ｍ一枝树上；我们证明了这种加权方法可显著提高效率。     

基于启发式搜索和背包算法的分布式排样系统

针对理论上属于NP完全问题的二维矩形件优化排样问题,构建了一个排样效率高、计算速度快和排样效果好的一种近似算法.并结合计算机网络的大量应用,将算法应用于分布式排样系统.算法的主要思想是采用启发式搜索和背包算法,使每次排样都达到局部最优,从而得到近似最优解.并与其它2种近似算法进行了比较,指出了它们的不足之处,还给出了一个排样实例.     

基于启发式规则与和声搜索的配电网重构算法

提出一种基于启发式规则与和声搜索算法的配电网经济性重构方法.首先,根据配电网重构网络拓扑要求及和声搜索算法的特点,采用基于重构环解的和声向量编码方式,通过构建重构环特殊支路组、设定支路断开原则避免不可行解的产生;然后,以网损最小为目标分析初始网络,利用启发式规则将各重构环搜索范围压缩到最有可能的有效解范围之中;最后,利用和声搜索算法在有效解范围中全局寻优.该方法显著减少了候选解数目,能够快速搜索到全局最优解,且搜索性能不随网络规模的扩大而变差.IEEE典型算例的仿真结果验证了本文方法的正确性和有效性.     

求解航天器最优交会问题的改进和声搜索算法

针对航天器最优交会问题,基于C-W模型建立一种燃料时间混合指标,并提出一种改进和声搜索(AHS)算法进行求解.在AHS算法中,提出一种全局均匀学习操作,利用了当前全局最优和声的指导作用,取代了原始和声搜索算法的基音调整操作,增强全局搜索和局部搜索的平衡,并对参数PAR进行了有效的动态调整,以更好适应算法的搜索进程.利用几个最优交会实例对AHS算法的有效性进行了测试,数值结果表明AHS算法能够取得满意的结果,并且优于其他算法.