基于MPI的Warshall算法实现及其优化

MPI并行编程方法是目前编程人员广泛使用的方法之一,但此方法将并行性开发的任务完全交给编程人员,程序的质量与效率往往与编程人员水平及风格不同而显示出不同的差异.本文基于MPI环境下把传统串行程序转变为并行程序从而提高其性能.此外通过MPI所提供的函数来进一步优化并行程序以便提高其性能.     

Apriori算法的一种优化方法

介绍关联规则挖掘中的经典算法――Apriori算法的关键思想。针对传统Apriori算法效率上的不足,提出一种改进的Apriori算法――En-Apriori算法。该算法采用矩阵的方法,只须扫描一遍数据库,同时优化了连接操作,较好地提高了算法的效率。实验结果表明,En-Apriori算法优于Apriori算法,具有较好的实用性。     

多目标优化的一种改进微粒群算法

微粒群算法是解决多目标优化问题的一个重要方法.为了多目标目标优化求解问题,常用的微粒群算法在处理多目标优化问题时,存在所得Pareto最优解集的分散性和实用性较差的缺点.针对上述问题,提出了微粒群算法的一种改进形式.改进算法引入了个体精英解集,从中选择更合适的个体最优位置.同时,在评价个体适应度时,考虑了目标函数值差异这一信息.个体对应的目标函数值差异大,则其适应度就小.这样能避免各目标函数值差异过大的最优解存在.三个典型的多目标测试函数表明,改进方法得到最优解集具有更好的分散性和实用性.测得结果证明,改进方法是有效的.     

一种基于改进粒子群优化和模拟退火的Memetic算法

针对现有Memetic算法收敛速度慢、容易陷入局部极值等不足,提出一种基于改进粒子群优化和模拟退火算法的Memetic算法(简称为PMemetic算法).在PMemetic算法,基于人工萤火虫算法邻域结构思想改进粒子群优化算法,并将其作为全局搜索策略;同时,采用模拟退火算法作为局部搜索策略.将PMemetic算法应用到6个典型的函数优化问题中,并与粒子群算法进行比较分析,实验结果表明PMemetic算法提高了全局搜索能力、收敛速度和解的精度.     

一种改进的模式匹配算法

本文分析了入侵检测系统中常用的模式匹配算法及现有的一些改进算法,在此基础上提出了一种新的改进算法,指出了进一步改进的方向.本文的算法利用了已匹配子串的信息,增大了模式串的右移量,提高了算法效率.试验结果表明该算法能够有效地减少模式串的移动次数,提高入侵检测系统的检测速度.     

最短路问题的Floyd改进算法

目前在不含负回路的网络中,对于求解任意两节点之间最短路问题的方法有很多,Floyd算法是最经典的算法之一,但随着节点数量的增加,重复的计算量也随之增大,从而降低了计算效率。为此,文中通过迭代矩阵和下标标注法对Floyd算法进行了改进,改进后的算法既能快速地计算出网络中任意两节点之间的最短路长值,又能更直观地找出最短路径。通过具体实例分析表明,Floyd改进算法减少了重复计算,简化了路径标注方法,提高了计算效率。     

一种优化神经网络的教与学优化算法

为了提高BP神经网络的输出精度,提出一种改进的教与学优化算法进行神经网络中的权值和阈值的优化调整.算法对基本的教与学优化算法的“教”阶段和“学”阶段分别进行改进,并提出一种“自学”机制来增强算法的学习能力.通过函数拟合实验和拖拉机齿轮箱故障诊断实验进行算法性能测试,结果表明,与遗传算法和基本的教与学优化算法相比,该算法具有收敛速度快、求解精度高等优势.     

细菌觅食优化算法的研究进展

细菌觅食优化算法是近年来发展起来的,基于大肠杆菌觅食行为模型的一种新型智能算法。它具有对初值和参数选择不敏感、鲁棒性强、简单易于实现,以及并行处理和全局搜索等优点。但其在应用过程中存在精度不够高、收敛速度不够快的缺点。文中首先对细菌觅食优化算法的基本原理及操作流程进行介绍,并概述了国内外学者在这一领域的研究现状,接着分析了算法三大主要操作存在的问题,然后探讨了算法的改进和应用,最后分析了算法未来的研究方向。     

基于求传递闭包的Warshall算法的改进

围绕传递闭包分析比较了著名的Warshall算法,给出了一个三角形算法。当关系矩阵是稀疏矩阵时,该算法比Warshall快。     

最优化问题算法模式的研究

论文在对最优化问题的结构和实例进行严格描述的基础上,提出一种沿算法框架、算法模式再到具体算法的路线来解决最优化算法设计问题的方法。文中对算法模式概念进行了重新定义,给出求解最优化问题的一个算法框架,以及从该算法框架导出算法模式、算法及其实现程序的实例,同时对算法模式的使用步骤,算法框架、算法模式与算法三者之间的关系,算法模式的编程实现技术进行了论述。     

用混合遗传算法进行工程智能优化的方法研究

智能优化是从诸多新兴学科衍生出来的前沿科学,遗传算法是智能优化的重要工具之一。该文针对遗传算法存在的不足,用混合遗传算法解决了工程智能优化问题,弥补了遗传算法存在的缺陷,在工程实践中证明了混合遗传算法在性能和质量方面的优越性。     

一种改进的粒子群多目标优化算法研究

为了解决多目标优化过程中各个解之间存在的资源争夺、冲突,算法由于趋同性而带来的早熟无法收敛等缺点,文中提出了一种多子种群协同优化粒子群算法。算法分别采用不同的种群优化不同的目标,并且在算法中引入外部档案和精英学习策略,使得算法能够得到更多的外部档案的解供选择,精英学习策略是为了使算法的分布性和收敛性更好。最后将算法应用到多目标测试函数中,通过实验验证了改进后的算法的收敛性和分布性都比经典多目标算法NSGA-II要好。     

基于粒子群优化算法的测试选择优化方法研究

测试选择优化问题作为复杂电子装备的诊断设计优化过程中的一个关键问题,是一个典型的集合覆盖问题,属于经典的N—P难题;针对现有优化方法存在的不足,通过对测试选择问题的分析,提出一种基于二进制粒子群优化算法的测试选择优化方法,将备选测试集合采用二进制粒子编码,构造粒子适应度函数,通过粒子群搜索实现了快速求解;与传统方法相比较,该方法搜索速度快,优化效果明显,该方法已在工程实践中得到应用。     

基于混沌遗传算法的维修保障资源优化方法研究

维修保障资源优化集成作为保障资源分析的一个关键问题,是一个典型的集合覆盖问题,属于经典的N-P难题;针对现有优化方法存在的不足,通过对保障资源优化集成问题的分析,提出一种基于混沌遗传算法的保障资源优化方法;算法以遗传算法为主流程,利用混沌现象不重复遍历的特点优化生成初始种群,然后对每次迭代中的个体以一定的概率进行混沌优化;以C17电路为例,对算法的有效性进行了验证,结果表明,与传统方法相比较,该方法搜索速度快,优化效果明显,该方法已在工程实践得到应用。     

无线传感器网络DV-Hop定位算法的改进方法研究

为了提高传统DV-Hop算法的定位精度,推动该算法的进一步发展,文中从平均跳距计算和未知节点坐标计算两个阶段入手对传统DV-Hop算法进行改进,提出了一种基于RSSI加权修正的平均跳距计算方法和一种基于最小二乘法修正的未知节点坐标计算方法。为了验证算法改进的有效性,在Matlab中进行了仿真实验。实验结果表明：文中算法相对于传统DV-Hop算法测距精度提高了约20%;定位精度较传统DV-Hop算法提高了约30%。理论和实践均表明：在同等条件下文中的改进算法与传统DV-Hop算法相比具有更高的定位精度。     

基于C程序冒泡排序算法的研究与改进

排序是计算机科学的一个重要领域,在数据处理中占有极其重要的位置。在程序开发中实现大量排序应用时,所要求的就是简单、有效、快捷的算法。为提高其执行的效率,将在阐述传统冒泡排序的理解及执行过程中,对其算法深入分析,着重阐述冒泡排序算法的改进与提高过程,从基本方法入手,对其改进算法进行分析、实验,并总结得出最有效的改进算法。     

基于MapReduce模型的排序算法优化研究

MapReduce已经发展成为大数据领域标准的并行计算模型。为了使MapReduce系统下参与计算的所有节点高度负载均衡,并且最小化空间使用率、CPU、I/O的使用时长和网络传输开销等指标,在保持算法良好并行性的基础上,提出了一种MapReduce优化算法的设计规范,对多个指标同时进行优化。针对数据处理领域最重要的排序算法进行理论分析,给出了多指标约束下的最优算法,并证明了该优化算法满足MapReduce 优化算法规范。最后通过实验验证了该优化的排序算法在有效性和效率方面严格优于传统的排序算法。