基于PSO智能优化的SFS三维重构算法研究

智能优化算法在优化计算、搜索和人工智能方面有着广泛的应用潜力。为了提高三维重构模型的逼真度,本文把智能优化算法中的PSO算法应用在SFS算法改进中,并应用基准 测试函数对算法进行仿真比较,最后分析了算法的性能效率与收敛性。可以看出,优化后的SFS算法性能有了显著提高。     

单处理器系统的实时调度算法研究

实时调度算法是实时系统中的关键技术。文章在研究单处理器系统中常用实时调度算法：固定优先级调度算法和动态优先级调度算法基础上，详细分析了常用固定优先级调度算法RM、DM算法和动态优先级调度算法EDF、LLF和MLLF算法的运算过程和使用条件，提出了各个算法在实际应用中存在的问题，为实际应用中选择何种实时调度算法确定了依据。     

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。     

分布式系统中的检查点算法

检查点能够保存和恢复程序的运行状态．它在进程迁移、容错、卷回调试等领域都有重要的应用．本文对分布式系统中的检查点算法进行了详细的分类评述．检查点算法可分为单进程和分布式程序检查点算法，分布式程序检查点算法又可分为异步检查点算法和一致检查点算法．同时本文系统介绍了改进检查点算法性能的典型方法．这些改进算法主要采用两个策略来减少算法的开销与延迟：一是减少检查点文件中需要存储的信息量，如增量算法等；二是提高检查点操作与目标程序运行的并行性，如主存算法等．最后，文章讨论了目前检查点算法的局限性和进一步的工作．     

面向TSP求解的混合蚁群算法

针对蚁群算法的早熟和停滞等现象,将免疫算法机制引入蚁群算法,提出用于TSP求解的混合算法。该算法具有蚁群算法的自适应反馈机理、收敛速度快和免疫算法操作算子简单和维持种群多样性、防止种群退化等特性。从算法解的质量与效率方面与基本蚁群算法和免疫算法进行比较,结果表明融合免疫机制的蚁群算法性能显著提高,也为解决其他组合优化问题提供一个新的思路。     

狼群算法的基本原理及应用综述

狼群算法是基于狼群捕食中的游猎行为、召唤行为、攻击行为,收敛速度和求解精度更高的智能群体算法.该文基于知网数据库的现有中文文献,阐述了狼群算法的基本原理、基本模型,以及在算法研究、算法应用研究、离散化问题应用研究三方面的进展情况.     

求解工程约束问题的新型智能优化算法及展望

为了研究新型智能优化算法的性能和应用前景,选择了近几年提出的6种仿生智能优化算法:哈里斯鹰优化(HHO)算法、平衡优化(EO)算法、海洋捕食者算法(MPA)、政治优化(PO)算法、黏液霉菌算法(SMA)和堆阵优化(HBO)算法,对其性能和在不同带约束的工程优化问题上的应用进行对比分析.首先,对6种优化算法的基本原理进行...     

对BM串匹配算法的一个改进

在对著名的Boyer-Moore串匹配算法进行分析后，对BM算法中的尝试位置移动处理部分进行改进，提出了IBM算法，该算法将好后缀移动与坏字符移动合并进行处理，从而尽量利用已有信息进行更大的尝试位置移动，使算法具有更高的效率，对IBM算法进行复杂度分析，对BM算法、KMP算法和IBM算法进行实际性能比较，结果表明IBM算法的平均运行时间明显优于BM算法与KMP算法。     

快速否定选择算法的研究与分析

人工免疫算法具有良好的特性,已被广泛应用于入侵检测、信息恢复、敷据挖掘等领域的研究中,否定选择算法是人工免疫算法中的典型算法,但存在重复检查、检测器查找效率低及逐位比较的时间和空间开销大等问题.我们分析否定选择算法中匹配算法的特点,设计自体、检测器和抗原中检测元素的转换算法,提取自体数、检测数和待检数,引入红黑树建立索引.设计基于红黑树的快速否定选择算法,避免反复提取子串和重复比较寻问题,提高检测效率,最后实现了快速否定选择算法的原型系统,测试、比较了否定选择算法和基于红黑树快速否定选择算法的检测效率,洲试结果表明使用基于红黑树快速否定选择算法检测抗原,能有效的减少比较次数,提高检测效率.     

有限域上椭圆曲线 Jacobian 群求阶算法综述与比较

关于椭圆曲线密码体制（ECC）的研究,如今无论是 ECC 理论还是 ECC 的标准化、产业化都趋于成熟。在 ECC 的设计中,安全椭圆曲线的选取是 ECC 实现的基石,也是其安全性的重要保证。目前,随机选取法是最好的安全椭圆曲线选取方法,其核心思想是对随机生成的椭圆曲线计算其 Jacobian 群的阶。文章主要介绍了几类经典的计算椭圆曲线 Jacobian群阶的算法：Schoof 算法、SEA 算法、Satoh 算法、AGM 算法。在详细介绍 Schoof 算法的基础上,提出了其基于离散对数问题的改进算法：袋鼠算法和大步小步（BSGS）算法的改进方法,并用实验结果说明加速后的算法得到了提升。针对 SEA 算法,文章也提出了其 BSGS 改进算法并通过实例分析比较了原 SEA 算法与 BSGS 改进算法的实现效率。针对 Satoh 算法、AGM算法,文章介绍了算法的理论依据和具体实现,并通过实例分析比较了其优劣性和适用情况。     

基于人工选择的组合电路优化算法

针对一般组合电路的优化算法复杂、优化过程时间长、优化效率偏低等问题,提出一种人工选择方式下的组合电路优化算法。该算法模拟物种进化时的家养模式,将最小项作为基因,函数表达式作为染色体,把逻辑电路的优化过程演变为遵循电路定律的基因变异、重组、寻优的过程。算法通过有利的变异条件,提高了算法的收敛速度和效率。通过与简单免疫、多目标遗传、自适应免疫算法的实验比较,证明了该算法的有效性和优越性。     

一种高效的多模式字符串匹配算法

在Fan-Su(FS)多模式字符串匹配算法基础上,结合BM-Horspool(BMH)算法和Quick Search(QS)算法的优点,提出一种高效的多模式字符串匹配算法。该算法能够充分利用本次匹配失败和部分匹配成功的信息,一方面增加模式树根节点失配的概率,提高匹配过程中失配时的跳跃距离。另一方面避免不必要的状态转移,实现不匹配时的连续跳转。分析指出,在最好情况和平均情况下,时间复杂度均优于ACBM算法和FS算法。实验结果表明,一般情况下该算法的查找时间仅为AC算法的10%~35%,ACBM算法的50%~60%,FS算法的70%左右,FSQB算法的65%左右。     

求解全局优化问题的混合人工鱼群算法

把Powell算法作为人工鱼群算法的一个局部搜索算子,嵌入到自适应人工鱼群算法中,构成一种基于Powell算法和自适应人工鱼群的混合算法。该算法充分利用了自适应人工鱼群算法的全局收敛性和Powell算法的强局部搜索能力,使得混合算法的全局收敛性能得到了改善,并且减少了计算量。计算机仿真结果表明,自适应混合人工鱼群算法能够在保持较高精度的前提下快速收敛。     

基于蚁群-遗传融合框架的仓储群机器人任务分配

将智能仓储中的自主移动群机器人订单任务分配,建模成群机器人协同调度的多目标优化问题,将成员机器人完成拣货任务的路径代价和时间代价作为优化目标.设计了蚁群-遗传算法融合框架并在其中求解.该框架中,蚁群算法作为副算法,用于初始种群优化;遗传算法改进后作为主算法.具体地,在遗传算法轮盘赌选择算子后引入精英保留策略,并在遗传操作中加入逆转算子.针对不同数量的订单任务,使用不同规模的群机器人系统进行了任务分配仿真实验.结果表明,在本文所提的融合框架中求解,较分别使用蚁群算法或遗传算法单独求解,性能上具有明显优势,能够发挥蚁群算法鲁棒性好和遗传算法全局搜索能力强的特点,提高智能仓储系统的整体运行效率.     

两种最短路径算法的比较

Dijkstra算法与Floyd算法是求最短路径的最常用、也是最有效的两种方法。通过从多方面对Dijkstra算法与Floyd算法的进行比较、分析,给出这两种算法的差异及Floyd关键部分的程序,并介绍了Dijkstra改进的算法。     

基于区间—遗传算法求解非线性方程组

将非线性方程组的求解转化为函数优化问题,结合遗传算法的群体搜索、全局收敛的优点,及区间算法特有的解的存在性检验准则,提出了一种区间—遗传算法。在迭代计算过程中,区间算法为遗传算法搜索提供可靠区域,同时遗传算法为区间算法提供安全的初始区域。数值实验表明,该算法能够在较大范围的初始区间内快速,可靠地迭代得到高精度的区间解,是求解非线性方程组的一种有效的算法。     

用并行计算从基因表达数据构建大规模基因调控网络

为解决大规模基因调控网络构建算法精度不高、计算时间过长的问题,提出一种从基因表达数据分析出发,并行计算和阈值限定相结合的新算法来构建大规模基因调控网络。该算法中基因间交互强度值采用条件互信息值度量,并行计算采用GPU与CPU相结合的CUDA与OpenMP架构。综合数据集的运行结果证明该算法较新的构建算法（如贝叶斯模型算法和微分方程模型算法）相比,在构建大规模基因调控网络时有更高的运算精度和更短的运行时间。     

A scheduling method based on a hybrid genetic particle swarm algorithm for multifunction phased array radar

A hybrid optimization approach combining a particle swarm algorithm, a genetic algorithm, and a heuristic inter-leaving algorithm is proposed for scheduling tasks in the multifunction phased array radar. By optimizing parameters using chaos theory, designing the dynamic inertia weight for the particle swarm algorithm as well as introducing crossover operation and mutation operation of the genetic algorithm, both the efficiency and exploration ability of the hybrid algorithm are improved. Under the frame of the intelligence algorithm, the heuristic interleaving scheduling algorithm is presented to further use the time resource of the task waiting duration. A large-scale simulation demonstrates that the proposed algorithm is more robust and efficient than existing algorithms.     

一种改进的K-means算法在入侵检测中的应用

传统的聚类算法存在很多缺点,因此需要做进一步的研究。通过对传统的K-means算法和加权熵措施的K-means算法的研究,提出了一种改进的加权熵措施的K-means算法,且该算法采用了一种新的计算对象间距离的方法,不仅能使在同一个簇中任意对象之间的距离尽可能的小,更能使得不同簇中的任意对象之间的距离尽可能的大。通过在KDD Cup99数据集上实验仿真,表明该算法具有较强的实用性和自适应功能。     

基于小波编码的巡航导弹图像压缩方法研究

弹栽图像压缩系统要求压缩算法在保证图像质量的前提下对图像实现大压缩比实时压缩.针对这些要求,提出了采用小波编码算法作为图像压缩系统的实现算法和DSP作为算法的实现平台.小渡压缩算法分为两个部分,即先对图像进行整型提升小波变换,再利用SPIHT(Set Partitioning in Hierarchical Trees)算法对变换结果进行编码.对小渡编码过程中存在重复运算和存储量大的缺点进行了改进,使之适合于DSP并行处理.实验结果表明,改进的算法与原算法相比,重构图像的峰值信噪比相当,大于28dB,满足图像质量要求;图像压缩速度达到20帧/s,完全满足实时性要求.