支持向量机改进序列最小优化学习算法

为提高支持向量机序列最小优化学习算法的学习性能，提出了一种支持向量机改进序列最小优化学习算法，对传统SMO学习方法进行了多方面改进，从优化变量的选择和2个变量的优化方法分别提出具体可行的改进方法．改进后的SMO学习算法提高了学习速度，加快了网络收敛速度．基于改进SMO算法的仿真结果验证了改进SMO算法的有效性和优越性，并通过仿真，与原始算法进行了比较，显示了改进SMO算法的快速性．     

基于改进路网分层和A~*算法的最优路径研究

为了合理规划最优路径,满足实际应用的需要,对基于改进路网分层算法和A*算法的最优路径进行了研究。首先分别改进了路网分层算法和A*算法,然后提出了一种融合改进路网分层算法和改进A*算法的最优路径算法,并给出了最优路径算法在GIS平台上的实现过程。最后将该算法应用于苍南电力有限责任公司,结果表明,与传统A*算法相比,该算法降低了搜索时间,得到了最优的路径,提高了企业的工作效率。     

经典Bellman-Ford算法的改进及其实验评估

针对以高效求解有边数限制的最短路问题,对经典Bellman-Ford算法进行了改进．借鉴划分算法的思想,通过减少距离标号的数目,得到了两个改进算法．既然已有的改进算法均不能解决有边数限制的最短路问题,因而本算法是经典Bellman-Ford算法的全新改进．相对于经典Bellman-Ford算法,改进后的算法不仅可有效地节省存储空间, 而且实验表明能显著地提高计算效率．     

一种改进的变步长双模算法研究

在对常模算法（CMA）和改进常模算法（MCMA）的研究基础上,提出了一种改进的变步长双模算法（Variable Step-size MCMA—DD）。改进算法通过误差信号自动地调节步长,从而调节算法的收敛速度。通过仿真表明,改进算法具有与MCMA—DD算法相近的误码性能,但是很大程度地加快了算法的收敛速度。     

基于单层感知器的辨识方法及其应用

单层感知器神经网络模型是多层感知器神经网络———ＢＰ网络的基础,对单层感知器学习算法的改进是进行ＢＰ网络学习算法改进的基础。把带遗忘因子的递推最小二乘辩识算法的原理应用到单层感知器的学习算法中,提出了单层感知器的改进学习算法。这一改进算法克服了常规学习算法不适于在线学习的缺点。仿真实验的结果证实,基于改进学习算法的单层感知器完全可以满足线性系统在线辨识的要求。最后分析了这种改进算法的优点及其具有这些优点的原因     

求解TSP的贪心模拟退火算法

通过分析传统模拟退火算法的不足和可行的改进方案,提出了一个用于求解TSP问题的贪心模拟退火算法.新算法在改进的模拟退火算法的基础上结合改进的贪心算法,增加了算法的解的质量.实验表明,新的算法比传统的模拟退火算法和贪心算法有更优的解.     

随机选择变异及自适应差分进化算法的研究

为兼顾搜索速度和精度,提高搜索效率,克服不易跳出局部最优的缺点,提出了随机选择变异策略、自适应调整变异率和自适应调整交叉率3种改进设想.利用3种改进设想改进DE算法,得到了7种改进算法,将7种改进算法应用到双容水箱液位模型闭环辨识案例中.结果表明,7种改进算法都提高了跳出局部最优的能力,综合比较可知,3种改进设想同时应用的改进算法性能最优.     

关联规则挖掘的Apriori算法的改进

提出一种将Apriori算法与散列技术和事务压缩技术相结合的改进算法,研究了散列函数的构造及其对算法效率的影响,分析了事务压缩技术的原理及其实现方法,用实例给出了原算法与改进算法的实现步骤,结果表明,新算法减小了存储空间,提高了算法的效率,并改进了数据挖掘技术的性能。     

改进的快速排序算法

本文通过分析快速排序算法中固有的不足之处,提出了改进的快速排序算法,并对算法的时间复杂度进行分析,通过编写程序上机实验,将原算法与改进的算法运行所需时间进行比较,证明了改进算法的有效性。     

基于蚁群策略的改进概率分析算法求解Job shop问题

通过引入蚁群算法中的正反馈和信息消逝机制,对概率分析算法单纯基于学习概率的进化寻优过程进行了改进.并针对Job Shop基准问题进行求解测试,比较了概率分析算法和改进算法,测试结果表明了改进算法具有较好快速性和稳定性的特点.     

混合遗传算法在旅行商问题中的应用

为了更优地解决旅行商问题，改进单纯用遗传算法求解旅行商问题的结果，本文通过遗传算法和禁忌搜索算法自身的特点，分别对二者的优势和不足进行分析，提出一种将二者混合使用的求解旅行商问题的算法．该算法以遗传算法为基础，用遗传算法作全局搜索，用禁忌搜索算法作局部搜索．同时，通过计算实例分析，将这种混合遗传算法用于旅行商问题的求解中．试验表明，混合遗传算法比较单纯的遗传算法的计算结果有一定的改进．     

基于进化计算的贝叶斯网络结构复合学习算法

提出一种贝叶斯网络结构复合学习算法.该算法将EM算法、蒙特卡罗抽样算法、进化算法结合起来,用EM算法、蒙特卡罗抽样算法将不完整的数据集转换成完备的数据集,再利用进化算法进化网络结构.这种算法能够克服EM算法容易陷入局部最大值的缺陷,对于缺省数据处理是基于后验网络的,网络结构随进化计算不断优化,得到的补充数据可信度比较高,网络学习效率高、运算性能好.     

求解多峰优化问题的改进布谷鸟算法

布谷鸟算法是一种简便而高效的元启发式算法.然而,布谷鸟算法在求解复杂的多峰优化问题时通常存在易陷入局部最优解的缺点.针对布谷鸟算法的这种缺点,结合神经网络算法和布谷鸟算法的特性,提出一种基于神经网络的布谷鸟算法.该算法的核心思想是借助改进神经网络算法的强大全局搜索能力和动态种群策略来平衡布谷鸟算法的全局搜索能力和局部搜索能力,从而减少布谷鸟算法陷入局部最优的可能性.该算法首先将种群中的个体依照适应度值的优劣进行排序,然后对种群中最好的一半个体通过布谷鸟算法进行优化,对种群中最差的一半个体通过改进的神经网络算法进行优化,最后将所有个体组成一个新的种群,并从中筛选出最优解.采用24个复杂基准测试函数检验所提出算法求解多峰优化问题的性能,并将优化结果与神经网络算法,布谷鸟算法以及一些改进的布谷鸟算法所获取的优化结果相比较.实验结果表明:所提出的算法充分地展现了神经网络算法和布谷鸟算法的优势,其在求解质量,求解效率以及求解稳定性上均显著优于其它算法.     

基于自适应分簇机制的ZigBee路由优化算法

ZigBee协议虽然采用AODVjr和Cluster-Tree两种算法的结合体作为自身的路由算法（ZBR）,但这种路由算法并没有结合到各自算法的优点,对于提高网络的性能是有限的.为此,提出了一种结合AODVjr和Cluster-Tree优点的分簇路由算法--ACZBR算法,该算法在簇内使用Cluster-Tree算法,在簇间使用AODVjr算法.同时,为了避免簇首节点由于能量过度消耗而成为死亡节点,该算法采用了簇首自适应切换策略,从而保证网络的性能.仿真结果表明,该算法对于ZBR算法在网络生存时间、丢包率、时延等方面都有明显的改善.     

关于DNA序列比对算法的简述

按照序列的数量，先对双序列比对中Smith-Waterman算法、FASTA算法、BLAST算法、MUMmer算法和遗传算法等进行了详细分析和比较，然后对多序列比对中的CLUSTAL算法和星比对算法也进行了比较全面的总结，并指出了当前的研究热点。     

一种用于自适应噪声对消器的改进LMS算法

归一化IMS（NLMS）算法是目前适应噪声对消器中常用的一种算法,文中根据对输入信噪比的估计,在NLMS算法基础上提出一种改进的LMS算法,在3种不同输入信噪比情况下,对NLMS算法和改进的算法进行了比较,结果表明改进的算法性能明显优于NLMS算法。     

模糊系统结合蚁群算法的金具温升建模

为了得到准确可靠的阀厅连接金具温升模型,运用模糊系统结合蚁群算法的方法进行建模。在分析基本蚁群算法与梯度下降法优缺点的基础上,将两种方法结合形成改进蚁群算法,即在基本蚁群算法基础上应用梯度下降算法。通过试验得到的训练数据分别用基本蚁群算法、梯度下降算法、改进蚁群算法训练模糊系统,改进蚁群算法的收敛效果优于其他两种方法;通过试验得到的测试数据对4种方法所得的模型进行测试,由改进蚁群算法训练模糊系统所得模型的测试效果是最好的。结果表明,若能通过试验得到足量训练数据,用改进蚁群算法训练模糊系统的方法对阀厅连接金具的温升进行建模是可行的。     

蚂蚁算法与拟牛顿法嫁接求解管网数学模型

管网水力计算的问题可归结为联立求解连续性方程、能量方程和压降方程.牛顿法是求解非线性方程组的一个经典方法,但当初值选择不好时,有可能不收敛.将新型的仿生算法———蚂蚁算法引入到求解管网数学模型中.利用拟牛顿法与蚂蚁算法相互之间较强的互补性,提出了求解供水管网微观数学模型的新算法———嫁接法.计算表明,嫁接法结合了蚂蚁算法与拟牛顿法各自的优点,计算速度快,效果良好.     

一种改进的自适应脉冲对消LMP算法

应用一种改进的最小平均lp范数算法对有用信号中存在的脉冲噪声进行对消。这种算法是根据对输入信噪比的估计，在最小平均lp范数算法的基础上改进的。为了测量这种算法下脉冲噪声的对消性能，引入了一种新的信号失真的性能测度，对分数阶信噪比，在7种不同输入信噪比情况下，对最小平均lp范数和改进的最小平均lp范数算法进行了比较，结果表明改进的算法比最小平均lp范数算法稳定，收敛速度快，性能明显优于最小平均lp范数。     

基于边界扫描技术的抗混淆自适应测试算法

针对现有边界扫描测试快速测试算法存在征兆混淆现象的问题,在深入分析多种测试算法的基础上,提出一种抗混淆的自适应测试算法.首先,通过分析走步算法的特点,给出一种走步算法的改进方案.该方案在保证算法完备性指标不变的情况下,提高了算法的紧凑性指标.在此基础上,结合改良计数序列算法,生成抗混淆自适应测试算法.该算法解决了改良计数序列算法存在的征兆混淆问题,极大提高了算法的完备性指标,且紧凑性指标较好.