一种改进的关联规则增量式更新算法

在支持度和置信度不变的情况下,随机或偶然向数据集添加数据记录会导致关联规则的变化.在FUP算法的基础上给出了一个改进的增量式更新算法,本算法在充分利用先前关联规则的基础上极大的减少了扫描原数据集的次数,与FUP算法相比极大的减少了算法运行时间,并实验验证了算法的优越性.     

基于位置相关查询的一种语义缓存模型

为了克服FAR算法在位置预测方面的不足，定义了一种语义缓存模型，与传统的语义缓存模型相比增加了对移动单元的坐标和语义片段的时间描述，有助于预测未来移动单元可能的位置．提出了一个改进的RBF—FAR算法作为替换策略，并结合使用RBFNN进行位置预测．实验证明，通过定义新的语义缓存模型，采用新的查询替换策略，再结合神经网络的自学习特性，使得RBF—FAR模型更加灵活，并有效地减少网络负载和查询时间．     

一种求解容量制约下交通网络流模型的新梯度方法

容量制约下的交通网络流模型是一个非线性规划问题，表现为在路段容量约束条件下的用户均衡网络的优化，这个模型能够描述交通网络的拥挤特征．容量制约下的交通网络流模型可以转换成传统的用户均衡模型的形式，为此对于任意一个给定的结点对，定义了一个新梯度，这个新梯度等于所有使用路径的费用的均值．利用新梯度的特征，并结合惩罚函数方法，可以获得容量制约下的交通网络流的解．数值实验表明所提出的方法表现出优良的收敛性能．     

交通信息网格中的最短出行路径并行算法

根据城市路网的特点，提出了一种新的路网图的分割方法；在此基础上，提出两种网格最短路径并行算法GPSPA1和GPSPA2．这两种算法克服了传统并行标签算法只适合在共享内存的并行机器上使用的缺点，适合网格环境下使用．实验结果表明：分割器不能完全分割源点和目标点时，GPsPA2比GPSPA1效率高；完全分割时，两种并行算法的加速比大约都是3．GPSPA2应用于交通信息服务网格系统2．0版中．     

伪并行遗传算法在供水管网优化调度中的应用

讨论了基于微观水力模型的多水源大型供水管网优化调度问题的主要特征，并提出了求解该问题的改进遗传算法．首先，针对决策变量的结构提出二进制-实数混合编码策略；其次，设计并实现了多种群进化的伪并行遗传算法．将本算法与单一群体进化算法同时应用于实际管网的优化调度求解，结果表明，通过个体迁移策略，伪并行遗传算法可以加速优化搜索的进程，显著改善解的质量，并有效节省运行调度费用．     

水平轴风力机风轮叶片优化设计模型研究

提出了风力机风轮叶片的优化设计模型,该模型考虑了风场风速的概率分布,以风力机年能量输出最大为设计目标,使用遗传算法进行搜索寻优.利用开发的优化设计程序,设计了1.3 MW风力机的叶片.与已有风力机相比,设计结果显示了明显的优越性,从而说明了该优化设计模型的有效性和实用性.     

一种基于遗传算法的权重的确定方法

针对模糊综合决策中权重的确定,提出了一种新的解决方法——用遗传算法来求解.遗传算法具有全局搜索能力,可以找到一个近似的最优解,在算法中应用了替换操作,以提高种群的多样性,有效地避免早熟现象的发生.此算法克服了其他方法主观性偏强的缺点,实验结果也表明算法是有效的.     

基于IP网络的自动拓扑搜索算法

目前局域网规模不断扩大、结构日趋复杂,网络速度及网络管理成为网络系统正常运行的主要指标及关键,其中网络拓扑自动发现是网管系统的基本要求和重要功能.要求网络拓扑发现速度快并可反映使用权级而决定服务内容、服务器、路由器和交换机的布局状况,提供可视化管理界面,如系统配置、节点状态和流量监控、异常告警等,对网络系统正常运行、防范网络攻击具有重要意义.本文提出一种基于移动Agent的网络拓扑发现改进算法(广度优先搜索算法),降低了拓扑生成的复杂度,从而提高了系统速度.     

Ad Hoc网络中基于模拟退火-蚁群算法的QoS路由发现方法

针对Ad Hoc网络的动态网络环境和链路、节点性能限制等不利因素，提出了一种新的QoS路由发现方法——SAANT．该方法利用蚁群算法增加了发现可用QoS路由的概率，利用基于概率的路由转发策略来减少洪泛造成的网络开销，从而强化所提算法的全局搜索能力和自适应性，减小了洪泛对Ad Hoc网络性能的影响．所提方法还利用模拟退火算法调整路由发现算法的搜索方向，以弥补蚂蚁算法收敛速度上的弱点，减少了搜索过程中的停滞现象．在包投递成功率、平均包延迟和吞吐量等方面，通过仿真实验对SAANT、仅基于蚁群算法的QoS路由算法和传统的按需路由算法的方法进行了性能比较，结果表明，在Ad Hoc网络环境下，SAANT的收敛速度、移动性能和网络负载性能均表现出更好的适应性．     

基于期望最大化加速算法的正交频分复用信道估计

针对基于期望最大化（EM）迭代算法的正更频分多路复用（OFDM）信道估计方法复杂度高、收敛慢，严重制约OFDM的传输速率的缺陷，提出了一种基于EM加速算法的OFDM信道估计方法．该方法基于拟牛顿加速算法，并结合一种带调整参数的Broyden对称秩1校正公式来实现，具有二次收敛性，提高了EM的计算速度，降低了计算复杂度．仿真结果表明，相比于空间选择期望最大算法，在性能损失只有0．1dB的情况下，EM算法的复杂度得到很大的降低，且其计算速度可提高十几倍．