求解变分包含问题的一个新迭代算法

介绍了一类实Banach空间中的带有P-η-增生算子的变分包含问题.借助于P-η-增生算子的预解算子,提出了一个新的求解这类变分包含问题的含有非扩张映射的迭代算法,并分析了该算法的强收敛性.     

基于RSA加密和DS算法嵌入的DWT变换域图像隐写

为提高秘密数据安全性并保持载体图像良好的视觉质量,本文提出了一种基于RSA算法加密和DS算法嵌入的离散小波变换(DWT)域图像隐写方法.首先借助经典的RSA算法对数据进行加密,秘密数据被转换成密文,借助二维离散小波变换域的修正细节系数,利用DS算法将已加密的秘密数据嵌入载体图像,并分析了接收端对秘密数据的复原过程.最后,借助MATLAB软件对本文提出的方法进行验证,并用峰值信噪比(PSNR)对结果进行评估.结果表明,本文提出的方法能有效增强秘密数据的安全性并能保证载体图像的视觉质量,因此具有可行性和有效性.本文隐写机制高度安全,在信息安全领域具有良好的应用前景.     

二阶隐马尔可夫模型及其在计算语言学中的应用

介绍了在观测噪声和马尔可夫链不相互独立的条件下改进的隐马尔可夫模型(HMM)的结构．在传统的隐马尔可夫模型的基础上研究了改进模型的Baum-Welch算法，并导出了改进模型的参数估计公式．     

稀疏信息处理中的迭代分式阈值算法

在稀疏信息处理中, l₀范数优化问题通常转化为l₁范数优化问题来求解。 但l₁ 范数优化问题存在一些不足。 为寻找一种更有效的求稀疏解的算法, 首先构造一个新的收缩算子, 其次证明该收缩算子是某非凸函数的邻近算子。 然后用该非凸函数替代l₀-范数, 对新的优化问题用向前-向后分裂方法得到对应的迭代阈值算法-迭代分式阈值算法(IFTA)。 仿真实验表明该算法(IFTA)在稀疏信号重构和高维变量选择中均有良好的表现。     

求解约束优化问题的自适应免疫混合蛙跳算法

针对基本混合蛙跳算法存在收敛速度幔和优化精度低等不足,提出了免疫混合蛙跳算法.将免疫算法的信息处理机制插入到基本混合蛙跳算法中,免疫接种算子可以改善算法的搜索能力,以此引导算法的进程.同时通过自适应机制来维持种群的多样性,使得算法在保持开发与探索平衡的同时提高了收敛精度.通过对13个经典约束优化问题测试函数的仿真实验,表明了自适应免疫混合蛙跳算法在约束优化问题上具有很好的性能.     

重用抗体优良片断的免疫进化算法

基于克隆选择原理与算法,通过分析具体现象阐述了改进克隆选择算法的思想来源,设计了挖掘抗体中优秀决定基因并生成记忆集、封装优秀决定基片段、用变异抗体群中亲和度高的抗体按概率替换记忆抗体群中低亲和度抗体的方法,获得了重用抗体优良片断的克隆选择算法.借鉴强度Pareto进化算法的进化框架,提出了重用抗体优良片断的免疫进化算法.该算法通过克隆选择替代选择、交叉、重组等遗传操作.在一组0/1背包问题上的测试结果表明,所提出的算法可以有效保持种群多样性,获得较高质量的Pareto非劣解集.
     

任意六面体网格系统的建筑风致干扰数值模拟

采用任意六面体同位网格系统对控制方程进行离散,显式修正了网格非正交性和两相邻网格的错位,构建了与网格系统相适应的SIMPLE算法,并编制通用的建筑间风致干扰的数值模拟程序WSB.应用WSB和任意六面体同位网格系统,对中国沿海地区典型的低层双坡建筑物与上风不同体型建筑物之间的风致干扰进行数值模拟和分析.结果表明:任意六面体同位网格系统的生成、控制方程的离散、SIMPLE算法的实现以及程序WSB正确且有效;上风建筑对抗风起着积极的作用;上风建筑及其体型的不同对低层双坡屋面建筑坡面风压大小和分布形态影响显著.     

遗传算法引入进化方向算子的一个改进及应用

为了有效找到全局最优,将“进化方向”引入到遗传算法中被认为是非常有用的。文中提出了一个新的进化方向算子,用于对标准遗传算法进行改进,该算子依据父代个体和当代个体的进化方向产生子代个体,进化方向的求取无须计算梯度。算子的作用对象是个体中的变量而不是染色体中的基因,因而适合于采用任何形式编码的遗传算法场合,包含该方向进化算法被用于二维多峰函数的极大值搜索问题,进行了对比验证,将新算法进一步应用于离心压     

UMA模型上不均匀循环的自适应混合调度

不均匀循环的调度分配是并行计算中最经常遇到的问题。采用动态调度势必增加额外开销,纯采用静态调度又很难保证各处理器的负载平衡。本通过引入静态块和动态块的概念,提出了在ＵＭＡ（Ｕｎｉｆｏｒｍ Ｍｅｍｏｒｙ Ａｃｃｅｓｓ）模型上把静态调度和动态调度结合起来使用的自适应混合调度ＡＨＳ（Ａｄａｐｔｉｖｅ Ｈｙｂｒｉｄ Ｓｃｈｅｄｕｌｉｎｇ）算法,并给出了在曙光一号多处理机上的一些实验结果。     

基于改进粒子群算法的集成网络节点部署优化

针对集成RFID与WSNs网络中智能节点最佳位置的选择问题,采用改进粒子群算法优化策略,在复杂的传播环境、交叉覆盖及智能节点间不可避免的干扰等影响因素下,寻找智能节点的最佳位置。该最佳位置不仅要保证给定智能节点对标签的最大覆盖率,而且要使得智能节点间的干扰最小。仿真结果表明,基于惯性权重线性递减策略的粒子群算法,加快了寻找最优节点部署的速度,并能快速有效地收敛于最优解,从而在保证覆盖率的前提下使干扰最小。