模拟退火算法及其改进算法的研究

本文主要研究传统模拟退火算法以及改进算法的思想,在文中分别对各个改进算法给出了实验对比数据,更好证明了改进算法的有效性;在最后讨论了模拟退火算法的优缺点,并在对改进算法的分析研究的基础上归纳给出模拟退火算法可行的改进方向。     

基于改进粒子群优化算法的BP预测模型

该论文提出了基于改进粒子群优化的BP算法. 在该算法中,通过对粒子群优化算法中的惯性权重的计算方法的改进,同时利用改进的PSO算法替代了BP算法中的梯度下降算法,使得改进后的算法具有不易与陷入局部极小等优点. 并将该算法利用在预测气温上,实验证明： 改进后的算法在预测模型上能够取得较好的预测效果,提高预测精度.     

一种改进的堆排序算法

对传统堆排序算法进行分析并做出改进。利用堆的性质降低堆排序过程中的数据比较次数,从而在不提高空间复杂度的前提下改进了堆排序算法的效率。通过理论分析得到改进算法在堆重建过程中的数据比较次数是传统堆排序算法的一半,即改进算法的时间复杂度的主项系数是传统算法的1/2。同时,实验结果表明,改进算法的效率比传统算法提高了20%左右。     

一种改进的BP神经网络在新股定价中的应用

针对传统BP神经网络算法的不足,提出了一种改进的BP神经网络算法;给出了改进算法在新股定价中的应用,从影响新股定价内外部因素出发提炼和处理数据,利用改进算法进行仿真实验;结果表明,利用改进的算法在新股定价中起到了较好的应用效果。     

改进的适合低码率的SPIHT图像编码算法

针对小波变换编码SPIHT算法在低码率下效果不佳的情况进行了改进。改进算法对低频系数采用SPECK算法,在当前阈值下高频系数部分有重要系数时,SPIHT算法才开始,而且对SPIHT算法也进行了改进。实验表明,在同压缩比下,改进算法重构图像峰值信噪比PSNR都比标准SPIHT的高。     

基于改进差分盒算法的织物疵点自动检测方法

根据织物检测的实际情况需要,提出了基于差分盒算法的改进算法,在使用Brodatz纹理库样本的前提下,分别在盒子高度确定、盒子总数统计以及网格中盒子数量确定3个方面进行改进,在算法时间和精度两项上,对经典差分盒算法和改进算法进行了比较,对比得出了改进算法的时效性;还应用了改进差分盒算法对3种常见纹理的疵点织物进行了计算,以确认疵点织物,并验证了改进差分盒算法;实验通过检出率、误检率、漏检率和检测精度4个检测精度参数表明,改进的差分盒算法可以有效地区分疵点织物和正常织物,该方法具有很强的实用性。     

一种改进的变步长自适应滤波算法

为了提高LMS自适应滤波算法的性能,在对传统LMS算法及其改进算法研究的基础上,提出了一种改进的变步长算法.在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系.将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善.     

一种改进的随机抽样算法

文章提出了一种改进的随机抽样算法,对其时间和空间复杂性进行了分析,结果表明改进的随机抽样算法总体性能优于现有随机抽样算法,最后,给出了改进算法在等距抽样中的应用.     

局部线性嵌入算法改进研究

局部线性嵌入算法(Locally Linear Embedding LLE)是一种功能强大的数据降维方法,但它在处理稀疏数据源时的失效问题限制了其广泛应用,且至今没有一个完善的解决方案.为解决这一问题,从算法原理和执行过程两方面分析算法失效原因,把算法的两个优化过程联合优化,对算法进行改进.通过对S曲线稀疏采样模拟稀疏数据源,把改进前后的算法对样本点实验结果进行对比,验证了算法改进的有效性;同时,用改进后的算法处理人脸数据,展示了改进后算法的实用价值.改进后的算法将进一步促进局部线性嵌入在工程和研究领域的应用,极大地改善了算法的性能.     

Rijndael的一种改进算法及其实现研究

文章提出了一种可应用IC卡数据加密的Rijndael改进算法。改进算法通过用随机密码对明文补位,实现密文与明文的长度相同;通过改进密蚎扩展算法,保障新算法安全;通过减少加密轮次,降低其时间复杂度,从而使其在IC卡数据加密系统中的应用可行。文章在Delphi环境下设计了封装该改进算法和原算法的控件。文中对该控件进行了测试,测试表明改进算法较Rijndael算法更适合应用于IC卡系统中。     

基于HGA的模糊神经控制器设计及其应用

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应。给出一种基于递阶遗传算法的模糊神经网络优化算法,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数。将这种模糊神经网络控制器应用于镍氢电池的充电控制中,证明了算法的有效性。     

增量网络监测点的增量选取算法

针对网络拓扑结构扩充后,原有网络中布置的监测点不易变动的问题,提出一种增量网络监测点的增量选取算法。该算法优化了以网络中顶点的度数作为贪心选择策略求解图的弱顶点覆盖的贪心算法,从而得到更少顶点的近似解。在计算增量网络监测点集时,该算法只利用新增网络拓扑得出新增网络的监测点集,求得的增量监测点可直接加入到原网监测点集合中得到新的全网监测点集,降低重新布置全网监测点的成本。实验结果表明,增量算法得到的全网监测点集与在全新的网络中重新计算得到的全网监测点集的顶点数基本相同,可有效应用于实际的网络监测点部署。     

一种正交混合空时网络编码的中继通信算法

针对无线通信网络中频谱利用效率较低以及网络吞吐量不足等问题,提出一种正交混合空时网络编码的中继通信算法(QHNR)。该算法通过系统模型分析了在传输周期中的MAC阶段和BC阶段中的中继通信方式以及节点发送数据的出错率,采用分级增益的方法来提高信道利用效率,提升系统性能,并通过中继概率来选择较好的中继节点。通过网络吞吐量和网络功率分配情况来分析QHNR算法的性能。实验仿真结果表明,QHNR算法在提高网络吞吐量,提升信道利用效率上,相比采用TWR通信方案和MWR通信方案具有更好的效果。     

基于遗传算法的网络资源配置优化

随着新一代网络的结构复杂化和应用多样化,如何进一步提高实时业务的服务质量,是急需解决的重要问题之一,而合理配置和优化网络资源是解决该问题的有效方法。针对多业务网络,提出一种以网络资源均衡度为目标、QoS为约束的优化模型;应用改进的遗传算法实现带宽和节点缓冲区资源的优化配置,以实现网络流量分布均衡,从而提高网络性能。通过分析遗传算法种群适应度的变化趋势,给出一种基于种群稳定性系数阈值的迭代终止方法,以提高算法收敛效率。通过实验验证了以上方法的有效性。     

一个计算网络可靠度的递归算法

给出一个计算网络可靠度的有效算法,该算法的特点是结合概率论的有关知识和布尔代数运算：递归地调用一个简单、有效的概率公式来计算网络可靠度。该算法易于在计算机上操作和实现,从而适用于大型网络可靠度的定量计算。最后通过实例验证所给算法的有效性。     

点和边有容量约束的网络最小费用最大流算法*

分析了目前网络最小费用最大流算法存在的问题,提出网络最小费用最大流新算法。概括出条件约束下的网络最小费用最大流问题的两目标优化数学模型,针对点和边有容量约束的网络最小费用最大流问题特点,定义了有向路径、有向路径单位流费用和残量网络的概念。依据可行流分解定理,以邻接矩阵为网络数据存储结构,使用数据结构中的遍历方法,实现了网络最小费用最大流新算法。该算法在不破坏平面性条件下,可以求解点和边有容量约束的网络最小费用最大流。最后,通过实例进行了算法测试和比较。算法测试表明：点和边有容量约束的网络最小费用最大流算法是完全可行和有效的。     

VANET中基于公平性的多信道MAC协议

随着车载无线通信需求的增加,车载自组织网络（VANET）将成为现代智能交通系统的一个重要组成部分。对VANET中多信道MAC层协议进行了研究,提出了一种提升网络公平性的退避算法。车辆通过比较自身已成功发送的业务量与平均业务量的大小,确定不同的退避方案,一定程度上实现网络中车辆的接入公平。考虑到该退避算法在提升公平性的同时,牺牲了一定的网络吞吐量,服务信道不饱和,进一步提出根据车辆密度调整服务预约时期长度的算法,提高服务信道的利用率,增大网络的吞吐量。仿真结果表明,提出的退避算法公平性指数相比于二进制退避算法,提升了约2.3倍,而相比于倍数增线性减退避算法,提升了约2.05倍,网络的吞吐量提高了约16%。     

基于卫星网的路由算法研究及其伪代码实现

路由问题在通信网中一直是一个核心问题，路由算法的优劣将直接影响到整个通信网络的性能以及通信的质量，在卫星网络中也不例外。由于卫星网络具有区别于地面网络的拓扑结构的动态变化等独有的特点，使得适用于地面网络的路由算法不能用于卫星网络上，因此必须针对卫星网络的特点设计适合于卫星网络的路由算法。本文先阐述了路由算法的影响因素及设计目标，然后提出了一种运行于卫星网络上的基于时空的路由算法，给出了算法的详细步骤，并详细介绍了算法的伪代码实现。实验表明该算法能很好地满足卫星网络的要求。     

无线传感器网络自适应规模扩展的算法设计及实现*

无线传感器网络是由大量智能传感器节点组成的多跳无线网络.针对无线传感器网络的特点,在能量有效的传感器网络MAC协议下,提出并实现了网络自适应规模扩展的算法,并利用网络仿真工具NS-2实现仿真测试.该算法在无线传感器网络MAC层实现了网络规模的可扩展性,增强了网络自适应网络规模变化的能力.     

基于PSO-BP神经网络的网络流量预测与研究

传统网络流量预测采用线性方法进行处理,不能很好地满足要求.根据互联网通信量的自相似性,提出一种基于BP网络的粒子群优化PSO-BP算法进行网络流量预测,用PSO算法对BP网络节点的初始权值进行优化,并利用历史记录训练BP网络,采用Matlab进行仿真.试验结果表明,PSO-BP算法加快了BP网络收敛速度,训练结果的均方误差函数mse在5%以内,提高了网络流量预测精度.