时延受限的单播QoS路由算法

介绍了几种典型的单播QoS路由算法，对DCUR算法和Preferred link-based算法进行了描述．在RDM算法的基础上，提出了RDM_N算法．将Preferred link-based算法、DCUR算法和RDM_N算法进行了比较和讨论，结果表明，RDM_N算法是一种性能很好的算法．     

基于混合遗传算法的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法，解决了在故障诊断系统中BP算法容易陷入局部极小值的问题．该算法是在遗传算法中引入模拟退火机制，将其同BP算法结合，形成一个混合的优化算法．新算法既有神经网络的学习能力和鲁棒性，又有遗传算法的强的全局随机搜索能力．仿真结果表明，这种改进算法极大提高了内燃机故障诊断系统的效率和准确性．     

网络公平带宽共享算法研究

目的运用主动式队列管理算法解决Internet拥塞及不公平竞争问题．方法对几种典型的基于公平性的AQM算法进行了详细的分析讨论，分别对公平性的CSFQ算法、FRED算法和非公平性的RED算法在NS-2平台上进行了一系列的仿真，对几种算法的性能进行了比较和分析．结果仿真结果表明CSFQ算法优于其他算法．结论在公平性方面，CSFQ算法和FRED算法明显优于非公平性的RED算法，而CSFQ算法的性能更佳．     

基于信息融合的井下图像跟踪

提出了一种新的井下图像跟踪算法——图像相关算法与卡尔曼滤波器之间的信息进行融合．此算法基于贝叶斯规则，将一种常用的均方差图像相关算法和卡尔曼滤波器两者信息进行融合，得到一种新的成像跟踪算法．改进后的算法融合了MSD相关器和卡尔曼滤波器两者的信息，使得两者之间的信息反馈增强，提高了跟踪算法的性能和鲁棒性，大大减少了目标失锁的可能性，另外，改进后的算法还融合了噪声的统计性能，提高了对噪声的抑制能力．从理论计算和实验结果看，用这种算法获得的图像比一般相关算法获得的图像更具有真实性和准确性．     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

基于独立大粒度任务网格调度算法的分析比较

独立任务在异构环境下的调度问题已经得到了广泛的研究，已提出了许多启发式任务调度算法，其中包括静态调度算法和动态调度算法．对目前已提出的6种启发式任务调度算法进行了分析和研究，重点介绍了轮循（RR）算法．为了更好的比较这6种算法，采用了一种叫做处理器消耗周期（TPCC）的标准，并通过仿真，将算法进行了性能对比．     

B样条曲面的节点插入算法

Boehm算法和Oslo算法是B样条曲线节点插入的经典算法，本文将该算法推广到了B样条曲面上．由于该算法只对B样条定义域内的节点插入有效，而对于靠近节点矢量两端附近进行节点插入，将产生错误的计算结果．为此本文提出了两个改进的节点插入算法，并分析了9种情况，使这两个算法能够将节点插入到各种B样条曲面之中，弥补了原算法中的不足．同时，改进的算法还进一步完善了B样条曲面的升阶算法．     

两种静止图像压缩算法研究

概述了静止图像压缩算法的分类，介绍了各压缩算法的理论基础，阐述了离散余弦算法(DCT)以及离散小波变换(DWT)的基本变换算法，总结了常用于这两种算法的编码方式，并对DCT和DWT进行比较分析．DCT算法简单，运行方便，但有模块效应．DWT算法虽然比较复杂，但由于它有多分辨率分析的优点，从而提高了压缩比，并可以进行渐进传输和对感兴趣区域压缩．最后给出了图像压缩算法的衡量标准．     

一种新型的混沌BP混合学习算法

将一种新的快速BP(FBP)算法和混沌优化相结合，提出了混沌BP算法(CBP算法)．FBP算法吸收了误差函数的非线性信息，大大加快了BP算法的收敛速度，但它仍然采用梯度下降法，不可避免地存在局部极小的缺陷．混沌动力学具有遍历性、随机性的特点．能在一定范围内按其自身规律不重复地遍历所有状态，将混沌优化搜索引入FBP算法中，形成一种新型的混沌BP算法．它既能较快地局部收敛，又能全局收敛，避免了陷入局部极小的可能性．CBP算法为多层前馈网络的全局性收敛学习提供了一种有效的方法．     

一种改进的象素级圆的单点生成算法

提出一种改进的象素级单点生成圆的算法．该算法是在Bresenham算法的基础上通过一些技巧对其改进，使其避免了乘法运算和浮点数运算，这样一来算法在总的计算量上就大大的减少了．通过与Bresenham算法的比较，该算法的运算速度比Bre—senham算法有着更大的提高．     

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.     

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．     

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.     

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.     

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。     

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。     

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l_p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l_p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,叫分数阶信噪比. 在7种不同输入信噪比情况下,对最小平均l_p范数和改进的最小平均l_p范数算法进行了比较,结果表明改进的算法比最小平均l_p范数算法稳定,收敛速度快,性能明显优于最小平均l_p范数.     

模糊C-均值聚类算法改进研究

通过对模糊C-均值聚类算法的研究,用遗传算法的相关知识对其进行优化与改进.并使用著名的IRIS数据集分别对传统的模糊C-均值聚类算法和用遗传算法改进后的模糊C-均值聚类算法进行测试、比较.实验结果表明,用遗传算法改进后的模糊C-均值聚类算法比传统的模糊C-均值聚类算法更加准确、高效.这将为以后的聚类分析研究工作提供一定的帮助.     

一种最速下降的贪婪迭代算法

压缩传感应用于图像压缩重构的算法通常有凸优化算法和贪婪迭代算法两大类.一般而言,凸优化算法重构概率高、速度较慢,贪婪迭代算法具有较快的重构速度,但损失了重构质量.结合凸优化算法中的最速下降法及贪婪迭代算法中的正交匹配算法(OMP),提出了一种新的算法,并应用于一维信号和二维图像信号的压缩重构实验,且深入对比分析了不同降采样矩阵对新算法的影响.结果发现,对同一降采样矩阵,即使图像的纹理不同,新算法在重构质量及重构时间上都优于原始的OMP算法.     

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.