一类禁位排列问题的粘贴DNA算法

提出了广义的分离操作和广义的多级分离操作的概念,简要说明了二者的区别,并给出了其实现方法。基于粘贴模型的巨大并行性,给出了一类禁位排列问题的粘贴DNA算法,分别使用扩展的分离操作和扩展的多级分离操作实现了该算法。通过一个实例说明了给出的实验操作步骤,并对生化实验进行了模拟,得出了模拟结果,从而证明了该算法的可行性。最后,对算法的操作复杂度进行了分析。     

对一类多重集排列问题的理论及应用分析

本文对一类关于多重集的排列问题进行了理论分析;并对涉及该类问题的一道实际应用题进行了讨论,同时给出了算法设计。     

利用粒子群优化算法求解圆排列问题

针对已有算法搜索时间较长,且易于过早地收敛于非最优解的缺陷,利用粒子群优化算法给出了圆排列问题的求解方法.首先,在分析了圆排列问题与旅行商问题关系的基础上,将圆排列问题转化为旅行商问题,从而得到一个相应的组合优化问题.然后,利用粒子群优化算法进行了求解.接着,为了进一步提高算法的精度,文中给出了一种利用混合粒子群优化算法的方案.最后,在仿真实验中,与已有算法进行了比较,实验结果表明,文中所给方法是有效的.     

基于粘贴模型的图顶点着色问题的DNA算法

为了用生化实验的方法解决图的顶点着色问题，基于粘贴模型的巨大并行性，将着色问题转化为可满足性问题，提出一个基于粘贴模型的DNA算法。通过一个实例给出了操作步骤，并对生化反应过程进行了模拟，得出具体的着色方案，证明了该算法的可行性。     

一种求解黑白球均匀排列问题的算法

主要研究黑白球的均匀排列问题,在简要分析了不同情况下如何做到“尽量均匀”后,给出一个基于累加的算法,并对该算法进行了简单的分析。最后,通过实验验证该算法的有效性。从实验结果来看,算法排出的白球和黑球相当规整,而且也最大限度地满足了“尽量均匀”的要求。此问题是一个很具有实用价值的模型,经过扩展后的算法可用于多维协调控制问题的求解。     

最大匹配问题的粘贴DNA算法

最大匹配问题(MMP)是图论中经典的组合优化问题。针对此问题提出了基于DNA粘贴计算模型的求解算法,阐述了该算法如何利用DNA链构建最大匹配问题的初始编码,说明了应用粘贴计算模型寻求最终解的生物操作过程,同时分析了此DNA并行算法的计算复杂度,最后给出了该算法的计算机模拟仿真结果和应用实例,得到了所给问题的最大匹配解,并对算法的可行性进行了验证和总结。     

利用遗传算法求解圆排列问题

圆排列问题是一个典型的组合优化问题,也是一个NP完全问题.遗传算法是根据自然界生物学进化而发展起来的一种进化方法,其具有简单、易行、抽象性与鲁棒性特征,已成功地解决了许多工程优化问题.给出基于改进遗传算法给出求解圆排列问题的新方法.首先,分析了圆排列问题与旅行商问题之间的关系.然后,将圆排列问题转化为旅行商问题.接着,利用所给改进遗传算法进行了求解.最后,在仿真实验中,与已有算法进行了比较,结果表明,所给算法是一种能够简单有效地求解圆排列问题的新方法.     

一个附带排列奇偶性的排列生成算法

自然数1，2，……，n的n级排列在数学中有广泛的应用。随着计算机的广泛应用，许多组合问题的计算机算法中要求产生所有的n级排列。但是，附带排列奇偶性的排列生成算法并不多见。本文采用给每一个n级排列编码的方法，利用集合映射，获得一个同时给出排列奇偶性的排列生成算法，并通过编码，对每一个排列得到一个序号。本文中的算法可望在优化问题的计算机算法中得到应用。     

快速蚁群算法求解圆排列问题

圆排列问题属于NP-完全问题,且蚁群算法已成功地解决了许多组合优化的难题。介绍一种基于蚁群算法求解圆排列问题的算法,并对此算法进行优化,提出一种求解圆排列问题的快速蚁群算法。它大大减少了蚁群算法的搜索时间,有效改善了蚁群算法易于过早地收敛于非最优解的缺陷。仿真实验取得了较好的结果。     

快速蚁群算法求解圆排列问题

圆排列问题属于NP-完全问题,且蚁群算法已成功地解决了许多组合优化的难题。介绍一种基于蚁群算法求解圆排列问题的算法,并对此算法进行优化,提出一种求解圆排列问题的快速蚁群算法。它大大减少了蚁群算法的搜索时间,有效改善了蚁群算法易于过早地收敛于非最优解的缺陷。仿真实验取得了较好的结果。     

频域盲解卷积局限性分析及一种改进算法

在频域盲解卷积问题中,时域信号的卷积混合转化为频域信号在有限频点的瞬时混合,使算法复杂度大大降低。但这种算法的局限是分离结果存在次序和幅度上的不确定性,并且窗函数长度和信号非平稳性之间存在相互制约的关系。文中对语音信号频域盲解卷积算法存在的制约因素进行分析并提出一种改进的基于包络相关性的排序方法。在分裂谱法的基础上,通过“分裂”后的多路信号求得“总包络”,再依据“总包络”进行排序,从而克服传统的直接依据输出信号包络相关性进行排序的不足。实验结果表明,采用本方法可获得较高的分离质量。     

基于代数神经网络的置换多项式判定网络学习算法

从神经元的运算特性入手,对神经元的激发函数,网络结构,学习目标三方面进行了推广,设计出了一类用于有限域上置换多项式判定的多项式神经网络模型,它们是单输入单输出的3层神经网络。给出了两类置换多项式判定的离散网络模型学习算法,该算法简单可行,易于实现。     

比特置换运算单元的设计与实现

比特置换操作在对称密码算法中使用频率非常高,但传统处理器对比特置换操作并不直接支持.为此,美国普林斯顿大学的Ruby B. Lee提出比特置换指令,并证明了比特置换指令对提高通用处理器上实现的密码算法的性能有明显作用[10].本文重点研究比特置换指令的实现技术,提出一种比特置换运算单元的实现算法,并在FPGA上进行验证.     

面向置换检验的冗余对比模式过滤算法

置换检验方法在进行对比模式挖掘时,返回结果中存在许多冗余对比模式。利用Charm方法挖掘样本集合中的对比模式,提出基于固定属性置换的FSPRP和FEPRP算法,依次为不同长度的对比模式构建零分布,从而过滤冗余对比模式。FSPRP算法通过生成一定数量的置换样本集合构建零分布,FEPRP算法则通过计算每个模式的对比性度量值分布合并建立零分布。实验结果表明,FSPRP和FEPRP算法相较于比较约束法能够过滤较多数量的冗余对比模式,并且FEPRP算法生成的零分布更接近精确零分布。     

盲信号处理中的次序不确定性问题研究

深入研究了盲信号处理中解决次序不确定的互参数法的理论基础,通过公式推导和高斯白噪声下的仿真实验,揭示了互参数法有效的原因之一是离散傅立叶的计算方法提供了互参数的相关性,从而得出了互参数法的应用可以拓展至语音信号以外的信号的结论;通过对源信号计算互参数来反映相关系数Corr和KL距离在语音信号卷积混合频域解法中的性能,发现KL距离的性能优于相关系数,但是在某些情况下,由于离散化带来的误差和信号长度太短而引起的独立性下降等因素,使得KL距离仍然存在着不能够进行有效进行频率对准的可能。     

融合分类信息的随机森林特征选择算法及应用

针对传统随机森林随特征数增加计算消耗高的问题,提出了一种随机森林多特征置换算法。该算法对数据特征进行聚类,保持其他特征簇不变,逐一对同簇特征同时随机置换,得到全部特征簇的重要性得分及簇间排序。簇内特征按与分类信息的相关程度排序,引入相关性阈值选出重要特征,对剩余特征按先簇间、再簇内的规则进行排序。为了进一步比较该方法的有效性,基于[K]均值聚类、层次聚类、模糊[C]均值聚类算法,设计了三种随机森林多特征置换的特征选择算法。实验结果表明,与传统随机森林方法相比,新算法可选择较少特征时仍取得较高分类精度,且时间效率更高。     

Calculation of the number of complete mappings for permutations

The computation time for counting “good” permutations rapidly grows as the length of permutations increases. The paper presents algorithms for enumeration of “good” permutations. Algorithms reducing twice the number of “good” permutations that should be counted are considered along with the algorithm employing the concept of weight of a “good” permutation. Translated from Kibernetika i Sistemnyi Analiz, No. 2, pp. 106–110, March–April, 2000.     

Fully dynamic algorithms for permutation graph coloring

We introduce a dynamic model for maintaining permutation graph coloring. Our motivation comes from the strait type river routing problem in VLSI. This paper presents fully dynamic algorithms for the permutation graph coloring problem. These algorithms are designed to handle Insert and Delete operations and answer some queries. The aim is to provide for running times that are asymptotically more efficient than recomputation (off-line algorithms that run in 0(n logw) time, are known [5,6,10,3]). First, the algorithm A^ that runs in 0(n) uniform running time per Insert/Delete operation is presented. Second, a more sophisticated data structure leads to the algorithm A2 that runs in (9(m logw) uniform running time per Insert I Delete, where m denotes the number of chains in the decomposition. It follows from [7,4] that the running time of A2 when the points from the dynamically changing set are drawn independently from a uniform distribution on the unit square is G(yfn logn) per Insert/Delete in probability. Third, we sketch a composite algorithm A3 that switches between A± and A2 guarantees an amortized running time of (min{n,m logw)) per Insert/Delete. Finally, we outline a number of applications     

应用强化学习算法求解置换流水车间调度问题

面对日益增长的大规模调度问题,新型算法的开发越显重要.针对置换流水车间调度问题,提出了一种基于强化学习Q-Learning调度算法.通过引入状态变量和行为变量,将组合优化的排序问题转换成序贯决策问题,来解决置换流水车间调度问题.采用所提算法对OR-Library提供Flow-shop国际标准算例进行测试,并与已有的一些算法对比,结果表明算法的有效性.     

A chaos-based symmetric image encryption scheme using a bit-level permutation

In recent years, a variety of chaos-based digital image encryption algorithms have been suggested. Most of these algorithms implement permutations and diffusions at the pixel level by considering the pixel as the smallest (atomic) element of an image. In fact, a permutation at the bit level not only changes the position of the pixel but also alters its value. Here we propose an image cryptosystem employing the Arnold cat map for bit-level permutation and the logistic map for diffusion. Simulations have been carried out and analyzed in detail, demonstrating the superior security and high efficiency of our cryptosystem.