基于KMP算法的next函数理解与分析

在字符串模式匹配算法的研究过程中,KMP算法是基于常规的BF算法的一种改进算法,而其中next函数值的求解过程更是该算法的重要内容.本文以原算法的求解过程作为基础,通过对next函数值求解过程的算法改进和模式字符匹配串匹配过程的描述,从而增强对KMP算法的理解.本文利用C语言实现了改进后的next函数值求解算法.     

入侵检测系统中的模式匹配算法研究

综述入侵检测系统中的模式匹配算法,包括经典的单模式匹配算法KMP算法、BM算法和多模式匹配AC算法。在此基础上提出一种改进算法——两端分段匹配算法,并加以验证,最后指出改进模式匹配算法效率的研究方向。     

一种字符串模式匹配算法的实现

为寻求更有效的字符串搜索方法,利用有穷自动机的定义,分析KMP算法以及自动机状态转换规律,提出了一种新的字符串模式匹配算法.结果表明此算法具有比基本的串匹配算法更优越的算法复杂度,并且相对KMP算法而言更简洁易懂,在计算机上容易实现.     

字符串的模式匹配算法——基于KMP算法的讨论

重点对基本的串匹配算法和 KMP算法进行了探讨。通过对这两种算法的比较分析提出了一个新算法 ,此算法具有比基本的串匹配算法更优越的时间复杂性 ,并且相对KMP算法而言更简洁易懂     

用于连续函数优化的蚁群算法

为了用蚁群算法来解决连续优化问题，该算法将函数优化问题中生成解的过程转化为蚁群每前进一步就选择一个十进制数字并以此来生成一个十进制串的过程。与普通蚁群算法相同，蚁群在选择数字的过程中将一定量的信息记录在每条选择的路径上以改变下一次蚁群选择各个数字的概率。实验数据表明，文中的函数优化算法能比遗传算法以及其他用于连续优化的蚁群算法更快地找到更好的解。这种算法为蚁群算法求解连续优化问题提供了一种新的方法。     

一种新的应用于数据流关联分析的多模式匹配算法

基于流数据处理技术的关联分析方法要求有一个快速、高效的模式匹配引擎,模式匹配算法是引擎实现的关键.针对传统多模式匹配算法的缺点,在对AC算法和 Wu-Manber算法进行充分研究的基础上,提出了一种能增加了字符匹配跳转距离,减少匹配次数的新的多模式匹配算法———AC-WMN算法,并对该算法进行了性能测试和分析.实验证明该算法能够有效提高模式匹配的处理速度和效率.     

量子进化算法和免疫算法的比较研究

量子进化算法和免疫算法都是解决优化问题的强有力算法。在分析了量子进化算法搜索的特点和免疫算法的机理基础上,对它们进行比较,阐明了二者的不同特点,并通过仿真实例总结出它们在求解多峰值函数优化问题上各自的优缺点。     

求解非线性互补问题的一个无导数下降算法

在实际求解过程中,一些非线性互补问题没有导数或很难获得导数,因此提出了无导数下降算法.通过讨论了非线性互补问题在经过价值函数的极小化变形之后的解决方法,提出求解非线性互补问题的一个无导数下降算法,在一定条件下证明了该算法的适定性及收敛性,利用数值例子表明了算法是有效的.     

利用微粒群优化算法求解非线性规划问题

针对过程系统优化中的非线性规划 (NLP)问题 ,应用微粒群优化算法 (ParticleSwarmOptimization ,PSO)对其进行求解。系统介绍了PSO算法的基本思想和解题步骤 ,通过引入罚函数把PSO算法应用到NLP问题的求解中 ,可以对一般的NLP问题和非凸的NLP问题进行有效地求解。利用两个测试函数和一个过程系统优化的实例对其进行了测试并与其它算法所得的结果进行了比较。结果表明 ,PSO算法在使用的普遍性、求解的准确性方面都优于一般的算法 ,是一种有效的求解NLP问题的方法     

Hook-Jeveese搜索法和改进的微粒群算法的混合算法

提出一个求解无约束最优化问题的新的混合算法Hooke-Jeeves搜索法和惯性权重线性调整的局部收缩的微粒群算法的混合算法。该算法不需要计算梯度,容易应用于实际问题中。通过对微粒群算法的修正,使混合算法具有更加精确和快速的收敛性。主要目的是通过加入混合策略证明标准微粒群算法是能够被改进的。利用6个基准测试函数进行仿真计算比较,计算结果表明,新混合算法在求解质量和收敛速率上都优于其它的两种算法(PSO和与混沌相结合的PSO算法)。仿真结果表明,新算法是求解无约束最优化问题的一个高效的算法。     

遗传算法在模拟有源滤波器设计中的应用

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。首先，该文给出了应用遗传算法求解问题的一般步骤，然后将遗传算法用于模拟有源滤波器的优化设计，其仿真结果验证了算法的有效性。     

KMP算法在正则文法中的应用

本文应用KMP算法解决一类“不含莫字符串系列”正则文法。通过KMP算法的匹配思想,自动生成等价于自动机状态集最小化的正则文法（包括左线性文法、右线性文法和混合线性文法）,解决该类正则文法自动生成的技术,使编译程序设计增添一个新的技术手段。     

基于蚁群算法的知识约简

Rough集理论中知识约简是个NP-hard问题，目前已提出较多的求解方法，但是每种方法由于其自身的局限性，只适用于一定条件下的求解．蚁群算法是较新的仿生优化算法，在解决各类组合优化问题中都取得了很好的效果．其显著优点是受问题规模的影响不大，对大规模问题的求解仍能发挥较优的性能．受蚁群算法该特性的启发，提出基于蚁群算法的知识约简方法．文中具体描述了将条件集的组合方式用一图结构来表示、构建目标评价函数、算法参数的设定以及算法的具体实施步骤等．最后通过于相关文献的比较实验，验证了该方法的有效性．     

自适应蚁群算法在Flow Shop调度问题上的应用研究

运用能自适应地改变挥发度系数的自适应蚁群算法研究流水车间作业排序问题,设计出解决该问题的算法步骤与流程。最后,通过仿真比较该算法与基本蚁群算法在解决该问题方面的性能,仿真结果表明,该算法在解决Flow Shop方面的问题上取得满意的效果。     

一类模拟退火算法与遗传算法混合优化策略

提出一类模拟退火算法（GA）和遗传算法（SA）的混合策略。算法结构上,提出模拟退火算法与遗传算法相结合,既发挥模拟退火算法搜索面广、遗传算法收敛快的优点,又克服前者收敛速度较慢而后者收敛容易早熟的问题。在算法操作细节上,加入杰出个体保护策略及自适应调整的遗传操作,以及增加记忆功能的模拟退火操作与收敛准则。从而既防止算法陷入局部最优,又提高收敛速度及搜索效率。     

遗传算法在高校排课中的应用

分析了排课问题的数学模型,提出了一种遗传算法.该算法采用矩阵编码方案,建立罚函数满足课表问题中的多重约束条件.结果表明,该算法能比较有效的解决排课问题.     

广义单纯形算法

提出了一个新算法，取名为广义单纯形算法，它可被看作是单纯形法的扩展算法．新算法可行解定义范围增大，求解过程检验数不局限为一种符号．阐述了新算法机理并发表了新方法计算线性规划例题结果．     

基于遗传算法的考试系统组卷算法设计

本文分析了考试系统中的组卷问题,结合遗传算法,从算法预处理、编码方法、初始化群体、适应度函数、选择算子、交叉算子和变异算子这几个方面,详细地研究了如何采用遗传算法解决组卷问题。并且通过实验数据,与随机抽取算法和其它组卷算法作比较,说明了本算法的优越性。     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。