关于增量极限学习机的逼近阶估计

与以往探究增量极限学习机的全局逼近能力有所不同,文中给出了该算法定量的收敛性分析。源于纯贪婪算法估计逼近阶的思想,文中运用数列构造与不等式缩放等方法估计增量极限学习机的逼近阶,最终用定理证明了它对于连续目标函数f的逼近阶为o(n-16)。这就对增量极限学习机的快速收敛性能给出了清晰解释。     

基于条件随机场的维吾尔人名识别方法

人名识别是自然语言处理中具有挑战性的任务之一。该文实现了基于条件随机场的维吾尔人名识别。首先从对维吾尔语黏着性特点的分析入手,研究总结了维吾尔人名的构成特点,实现了以词形、词性、词干、后缀、首音节、最后一个音节和最近一个动词等为特征,基于条件随机场的维吾尔语人名识别方法,并设计了选取最佳特征模板的贪婪算法。实验结果表明:该方法达到了较高的性能,识别维吾尔人名的准确率、召回率和F-score分别达到了90.03%、82.96%和86.35%。     

两个变量的整数规划的两种局部寻优法

所有变量都限制为非负整数的线性规划为整数规划．给出了两个变量的整数规划的两种局部寻优法：图解枚举法和贪婪枚举法．     

关于两台平行机上在线排序问题的一个探讨

研究了两台平行机上目标为开工时间的在线排序问题,即目标函数为极小化最大工件开工时间。首先给出了问题的下界,然后证明了贪婪算法的上界等于问题的下界,从而是最优的在线算法。     

价格敏感需求下能力受限批量问题的混合算法

定价与批量模型的联合决策,为ERP软件包中市场功能和生产功能的有效集成提供了理论基础.研究了有限资源约束下,制造商如何协调地进行定价决策和生产决策,获得最大利润.提出了由动态规划和贪婪算法集成的混合算法,在多项式时间内求解出最优生产计划和各周期最优价格.实验结果表明,算法可以有效地解决定价和生产能力受限批量模型的联合决策问题:而且,与分散决策相比,联合决策可以制定更加合理的价格,给制造商带来更多的利润.通过生产能力的灵敏度分析,揭示了制造商的生产能力与利润的相互关系,有助于制造商选择恰当的经营策略.     

具有延迟时间的自由作业排序问题——最坏性能比分析

研究一类具有延迟时间的自由作业问题，证明在机器台数任意的情况下，一个简单的贪婪算法的最坏性能比不超过2。特别当m＝2时，证明了该算法的最坏性能比为3／2，其中m为机器的台数。     

构造均匀设计表的随机优化算法比较研究

给出了基于贪婪算法和门限接受算法的构造均匀设计表的随机优化算法，以中心化偏差为均匀性测度，编写了产生最优均匀设计表的相关计算机通用程序，通过计算和与文献比较，得到了更多更优的均匀设计表。     

资源受限最小赋权树形图的一种贪婪分解启发式算法

资源受限的最小赋权树形图问题(RMWA)是NP-难的,针对RMWA问题给出一种新的贪婪分解启发式算法.通过分解目标函数和约束条件,把RMWA模型分解成一个最小赋权树形图问题和n个独立的特殊背包问题.对这n个独立的特殊背包问题,设计贪婪算法求其解,其时间复杂度为O(nmlog2m);然后调整该解使其满足树形图的约束条件得到RMWA问题的一个可行解,该算法总的复杂度为O(nm2).最后,给出实例来阐述该贪婪分解启发式算法.     

一种MA准则下改进的OFDM系统自适应比特功率分配算法

针对经典贪婪算法(greedy)迭代次数多、运算量大的缺点,提出一种基于边缘自适应(margin adaptive, MA)准则的改进贪婪算法来进行正交频分复用(orthogonal frequency division multiplexing, OFDM)系统的自适应比特功率分配。与贪婪算法相比,改进算法通过预分配和迭代分配两部分来降低算法的计算量。在预分配中改进算法通过引入功率利用率函数,对信道条件好的子信道预先加载一部分比特。然后,在迭代分配的过程中,引用分类排序的思想,用一张表格存储子信道的功率变化情况,从而降低算法的复杂度。仿真结果表明,在相同的仿真环境下,改进算法和Greedy算法的误比特性能几乎一致,但改进算法的运行时间更短。     

一种新的Q学习算法在机械臂轨迹规划中的应用

为了对二自由度机械臂轨迹进行规划, 提出了一种新的动态搜索Q学习算法。该算法不需要建立机械臂的数学模型, 直接对轨迹进行规划, 根据学习进程动态调整贪婪策略的比例参数, 并给出较传统方式更具客观性和公平性的定量策略评价单元。同时, 由动态更新机构在线更新学习经验。仿真结果表明, 新的Q学习算法能使机械臂更快速地达到目标位置, 并实现轨迹全局最优。