可逆多分子饱和反应动力系统的极限环及其数值模拟

应用微分方程定性理论研究了一类具有2重饱和反应速度的生物化学反应动力系统,得到了关于存在唯一极限环的显著不同的参数区域,并用深度优先搜索算法编程进行了计算机数值模拟,发现其存在Hopf分支现象.     

基于遗传搜索策略的人工蜂群算法

针对人工蜂群算法收敛速度缓慢、容易陷入局部最优解的问题,将改进的遗传进化机制与蜂群算法相融合,提出了一种遗传蜂群算法。通过引入遗传算法的交叉变异算子,有效地增加了食物源的多样性,减小陷入局部最优的可能;采用了自适应选择食物源的机制,使蜂群在中后期更好地搜索到最优食物源所在区域,进而提高了全局搜索效率;此外,提出了在侦察蜂阶段的局部搜索策略,提高了算法进化的收敛速度。将遗传蜂群算法应用于TSP中,通过对TSBLIB中几个典型问题的实验,结果表明,提出的遗传蜂群算法具有很强的全局优化能力,在求解TSP问题中精度高,收敛速度快,且是一种解决TSP问题的有效方法。     

INTERNET搜索引擎探解

web搜索是因特网上非常有用的信息检索工具,但是由于目前搜索引擎检索出的信息庞大,且一个特定的搜索引擎主要包含某一特定领域的信息,这使得用户很难获得准确的导航信息,为此本重点介绍了AltaVista和Yahoo等当今流行的两种搜索引擎,并对它们各自的优点和功能进行了分析。通过时它们的分析揭示了目前网上搜索引擎所面临的问题,由此介绍了一种新的web搜索引擎——元搜索引擎,最后介绍了适合于Web信息获取与处理的WIRPL语言以及搜索引擎使用的一些技巧。     

基于分类技术的Blog用户兴趣挖掘

文章通过分析Blog用户兴趣挖掘的重要性,提出了一种基于文本分类技术的自动挖掘Blog用户兴趣的方法,帮助用户自动推荐相似兴趣的博客以及为用户提供个性化的搜索与浏览博客内容的服务.     

基于自适应搜索窗的非局部均值去噪算法

提出了一种采用局部多项式近似—置信区间交叉(Local Polynomial Approximation and Intersection of Confidence Intervals,LPA-ICI)技术的自适应选取搜索窗的非局部均值图像去噪算法.首先采用LPA-ICI寻找当前像素所在的同质区域,然后将该同质区域设定为当前像素的自适应搜索窗.自适应搜索窗内的像素与当前像素在灰度值以及几何结构上均呈现出"同质"性,对当前像素的估计值更接近真实值.定性与定量实验结果表明:相比于形状和大小固定的搜索窗,自适应选取搜索窗的非局部均值去噪算法能取得更好的去噪效果,对图像中边缘和纹理细节信息具有更好的保护能力.     

集装箱船全航线Bay位排箱优化模型

针对集装箱配载问题的复杂性,提出了集装箱船在一个航次中挂靠多个港口的混装Bay位的排箱模型.该模型以例箱量最少为目标,忽略集装箱的尺寸及箱内货物类型等因素,仅考虑倒箱对配载的影响.以Bay位某列是否存在倒箱为设计变量,以全航线倒箱数量最少为目标建立优化模型,并利用隐式图启发式搜索技术对各个港口的集装箱进行安排.计算机模拟结果表明,所提出模型能快速产生倒箱数最少的全航线Bay位排箱方案.     

一种新的求解优化问题的混合粒子群算法

将粒子群优化算法与一种自适应局部搜索算法相结合,提出了一种新的混合粒子群优化算法,使粒子群算法寻优过程中的全局搜索能力和局部搜索能力良好平衡;采用了典型函数和模糊神经网络优化问题对算法性能进行测试,并与其它方法进行比较.实验结果表明,这种混合粒子群优化算法能获得质量更好的解,具有较高的收敛性,特别是在高维复杂函数优化上具有很强的竞争力,其性能大大优于单一的优化方法.     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.     

基于矩阵搜索求解排课表问题的算法

讨论了排课表问题的一种矩阵解法,提出了一种基于矩阵行搜索变换求解该问题的新方法,并给出了软件实现的详细步骤.不仅给出了算法的理论基础,还给出了程序实现时的一些技巧,算法的时间复杂度为O(n2e),具有较高的效率和实用性.     

用独立通路法确定矿井通风网络的极值流

确定矿井通风网络极值流的常用算法有Ford-Fulkcrson法、Edmonds-Karp法和Dinic法。所谓独立通路就是采用深度优先搜索法在找通路的过程中，后面的通路至少要含有一条前面的通路所不含有的分支。独立通路法确定网络的极值流，就是利用找独立通路的思想来找增广路，找增广路时每次至少有一个分支达到饱和。从网络的源点开始进行寻边，找分支的可增广量为量大的出边，将该出边的末节点作为新的寻边始节点，继续找可增广量最大的出边，该搜索过程一直到所寻找的分支的末节点为网络的汇点为止，一条增广路即一条通路确定完毕，将该通路中分支的最小增广量作为通路的增广量对通路的各分支进行增广。增广后至少有一条分支达到饱和，删除饱和分支，用导出的网络继续找新的增广路并增广。