基于Ultra Search的桌面搜索设计与实现

提出一种基于Ultra Search的桌面搜索设计和实现方案,简要介绍了Ultra Search体系架构和各个组件的功能,然后给出该桌面搜索的框架和各个组件的实现细节,并和多个桌面搜索工具在相同的数据源上进行测试,结果表明,该桌面搜索有不错的搜索性能。     

一种新型的混合模式运动估计搜索策略

基于实时视频图像序列的运动矢量分布特性,本文提出了一种新型的混合模式运动估计搜索(MPS)策略。该算法根据给定的搜索距确定相应的搜索模式,使用中途停止技术快速的给出运动矢量。相比现有各种搜索算法,MPS搜索策略能够同时满足图像序列中的高速运动与慢速运动的搜索。仿真试验表明,本文搜索策略不仅在搜索速度上比现有MPEG-4校验模型的DS算法更加快速,并且具有更小的运动补偿误差以及更加真实的运动矢量场。     

一种改进的基于概率的Peer-to-Peer搜索模型

对等网络中如何快速地搜索到目标是对等网络研究的关键问题.针对现有无结构P2P系统的缺点,结合查询到目标对象的概率以及查询响应的时间,对原算法加以改进.该算法可以有效地找到目标节点,而且网络带宽消耗低.     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题,依据无人机的实时数据,构建了基于路径的多层规划模型,并设计了模型的算法求解流程.使用遗传算法与禁忌搜索混合算法,得出了任务规划中的最优路径规划,并在此基础上进行了冲突的消除.通过仿真案例表明,用无人机协同配合导弹部队作战,实时传输作战数据,能够解决战场信息模糊不确定的问题;使用多层规...     

近似支配的NSGA-Ⅲ算法求解柔性作业车间调度问题

针对NSGA-Ⅲ算法求解多目标柔性作业车间调度问题时存在的收敛性、局部搜索和精英存储上的不足,依次设计了近似支配原则、变邻域局部搜索和精英存储策略,进而提出了一种近似支配的NSGA-Ⅲ-AD算法.结合柔性作业车间调度问题的特点,建立了多目标优化模型,设计了种群个体的初始化方法、近似支配的选择操作和变邻域的遗传操作.在仿...     

基于项目集格及位图索引的频繁项目集发现算法

以格论及位图索引技术为基础给出了一个新的频繁项目集发现算法.1)该算法利用有向图进行一次性数据预处理,在预处理过程中将数据库预先存贮为每个结点都用一个域来记录其支持度的项目集格,从而把复杂的频繁项目集的发现问题转化为图搜索问题,提高了频繁项目集发现过程的效率.2) 支持度计算是关联规则发现中I/O及计算开销都非常大,算法引入了位图索引技术,提高了项目集支持度的计算速度.存储完整位图需要较大空间,针对该问题算法对位图进行了分块管理并对其进行了有效的编码压缩;不仅可以有效地对原始位图进行有效压缩,另外也可以在较大程度上提高支持度的计算效率.最后,对算法进行了计算实验与分析.     

考虑BOM的FMS生产线能力规划问题

针对印刷装配板(Printed Wiring Board, PWB)的制造过程,建立了一个基于多种需求状态的多计划期多种产品类的能力规划模型.该模型考虑了机器的柔性、产品类的BOM(Bill of Materials)约束(物料需求约束)以及进行生产能力调整的风险.考虑该模型是一个大规模的混和整数规划问题,无法用一般的数学软件直接进行求解,提出了一种求解近似最优解的方法,首先应用启发式算法减少装配线能力调整决策变量的搜索空间,然后应用遗传算法进行搜索.最后通过实例分析验证了该方法的可行性及其在管理学上的意义.     

基于偶图匹配和禁忌搜索的排课新算法

针对目前高校的特点,提出一种偶图匹配和禁忌搜索相结合的排课新算法.将排课五要素恰当地绑定封装成课元和课栈两个向量,并以二维权值矩阵描述课元和课栈之间的关联权重,按照重权优先的原则并根据正确性原则进行约简,获得课元和课栈之间的匹配偶图.在此基础上,引入禁忌搜索算法,以排课的完备性原则、合理性原则和人性化原则的加权和为目标函数,以随机二维权值矩阵生成的匹配偶图为初始解,对二维权值矩阵进行扰动构成搜索邻域,以生成的匹配偶图为禁忌对象,采用全局藐视准则,获得最优的排课方案.给出典型算例验证提出的方法,结果表明了其可行性,并且具有考虑因素多和计算效率高的特点.     

基于自适应初始搜索点预测的目标跟踪算法

为了得到恰当的初始搜索点以使得目标跟踪算法避开背景干扰并缩短搜索距离,提出了一种自适应初始搜索点预测的算法。该算法通过对坐标变换参数的变化率进行Kalman滤波来更好地预测初始搜索点;更重要的是,该算法有效地在线估计Kalman滤波器中的模型噪声功率,而非先验地对它们的取值做出假设,因而能够在没有任何人工干预的情况下动态地根据不同的目标运动状况和搜索精度进行实时调整。大量实景视频流上的实验结果均证实了该算法显著提高了跟踪稳定性,并且大幅降低了计算量。     

量子K最近邻算法

为减少经典K最近邻算法的时间复杂度,提出了量子K最近邻算法(QKNN)。介绍了QKNN算法的构造步骤,然后为减少量子计数子程序的运行时间,进一步将固定的K值修改为可变的k,形成改进的k可变的量子最近邻算法(QkvNN)。为弥补由于最近邻个数K变化带来的分类错误率上升的影响,在Boosting算法框架下,用三个由QkvNN算法训练的弱分类器,去构造了一个强分类器,从而提高单独运行QkvNN的分类精度。在此算法中,由于利用了量子计算的强大能力,使得经典K最近邻算法的时间复杂度从O(N)减小为O(N)。