带权重的贪心萤火虫算法求解0-1背包问题

根据萤火虫算法的自身特点，将自适应权重、改进贪心算法、变异算子与基本萤火虫算法相结合，提出一种带权重的贪心萤火虫算法。通过加入自适应权重与变异算子，可以提高算法全局搜索能力，加入贪心算法在一定程度上可提高算法收敛速度，整体看，改进萤火虫算法提高了算法性能。通过仿真实验将改进后的算法与一些基本算法进行比较，实验结果表明，该算法在求解0-1背包问题时，无论在运算速度还是求解精度上都有明显改进。     

LEO卫星网络TCP拥塞控制算法改进研究

基于Vegas拥塞控制算法提出了一个适合于LEO卫星网络环境的TCP拥塞控制算法(Vegas-AB)，该算法是Vegas算法和Vegas-A算法的调和，可以动态地改变Alpha、Beta，Vegas-AB算法与Vegas-A算法的主要分支大体保持一致。在拥塞避免阶段，Vegas-AB算法更激进、更富有侵略性。仿真结果表明，在TCP吞吐量上，Vegas-AB算法优于Vegas算法和Vegas-A算法。     

一种基因与蚁群的融合算法研究

蚁群算法具有分布式并行搜索能力，通过信息素的积累和更新收敛于最优路径上，但初期信息素匮乏，收敛较慢。提出一种基因算法与蚁群算法融合的算法，将基因算法加入蚁群算法的每一次迭代中，利用基因算法快速收敛的优点，来加快蚁群系统的收敛速度；且基因算法中的变异机制，有利于提高蚁群算法跳出局部最优的能力。优势互补，实验结果表明该基因蚁群融合算法在寻优能力和收敛速度上都比基因算法和蚁群算法有较大的提高。     

一个新的不需要候选集的挖掘关联规则算法--Relim算法的研究

Fp-growth算法是当前挖掘频繁项目集算法中速度最快，应用最广，并且不需要候选集的一种挖掘关联规则的算法。但是，Fp-growth算法也存在着算法结构复杂和空间利用率低等缺点。Relim算法是在Fp—growth算法的基础上提出的一种新的不需要候选集的挖掘关联规则算法。它具有算法结构简单，空间利用率高，易于实现等显著优点。本文在详细阐述Relim算法后．对Fp-growth算法和Relim算法的性能进行了分析和比较。结果表明，Relim算法尽管结构简单，但其运行速度与Fp-growth算法相比并不慢，而且当对最小支持度高或者频繁规则比较少的数据集进行挖掘时，Relim算法的运行速度往往比Fp—growth算法要快。     

分布式系统中自然联结的优化算法分析

讨论了几种提高自然联结效率的算法。并比较了它们的效率和性能，其中包括经典的Ｍｅｒｇｅ－ｓｃａｎ算法，Ｎｅｓｔｅｄ算法，Ｈａｓｈ－ｊｏｉｎ算法，以及改进的ＪＭ１，ＪＭ２算法，Ｄｉｓｔｒｉｂｕｔｉｖｅｊｏｉｎ算法，ＪｏｉｎＦｒａｇｍｅｎｔａｔｉｏｎ算法，ＧＲＡＣＥＨａｓｈ－ｊｏｉｎ算法和ＨｙｂｒｉｄＨａｓｈ－ｊｏｉｎ算法。这些算法没有绝对的优势，在具体的应用环境下，可根据实际情况采用最合适的优化算法。     

改进相关矩阵估计的LMS牛顿算法分析与仿真

在LMS牛顿算法中权值的更新采用了输入信号矢量的相关矩阵估计，不同的估计方法对算法的性能影响很大，该文分析了一种改进相关矩阵估计的LMS牛顿算法，该算法通过对LMS牛顿算法中的相关矩阵采用改进的指数加权估计，大大提高了算法的性能，同时维持了适中的计算复杂度。此外，还比较了LMS牛顿算法与RLS算法，从原理上说明了它们的密切联系；指出算法改善性能的关键在于变步长特性，即步长随着时间增加而逐渐变小，使得算法既可以保持较快的收敛速度，又获得了较小的失调。算法在智能天线中的仿真结果表明，该算法具有比常规LMS牛顿算法更优的性能。     

Apriori算法及其改进算法Apriori—new的应用分析

对Apfiofi算法进行应用分析，针对其不足之处，提出一种新的改进型算法——Aprior—new，给出该算法的工作过程，并对该算法进行应用分析。将两种算法进行应用对比，结果表明．Apnofi—new算法占用内存少，执行效率更高。     

一种基于植物群落算法的无线传感器网络定位方法

针对DV-Hop算法定位精度低的问题，提出了一种基于植物群落行为在DV-Hop算法中的定位方法。首先，该算法利用植物群落算法与DV-Hop算法的第2阶段相结合实现最小误差的平均跳距；其次，植物群落算法在后期求解未知节点坐标时对其值进一步优化。最后，仿真结果显示，改进算法在不增加额外开销的情况下，定位误差进一步降低，相比其他传统群智能优化算法对DV-Hop方法的改进，算法的定位精度有很大的优势。     

基于强化学习的城市交通路径规划

城市交通路径规划需要考虑规划的快速性和车辆的安全性，而目前大多数强化学习算法不能兼顾两者。针对这个问题，首先提出采用基于模型的算法和与模型无关的算法相结合的Dyna框架，以提高规划的速度；然后使用经典的Sarsa算法作为选路策略，以提高算法的安全性；最后将两者结合提出了改进的基于Sarsa的Dyna-Sa算法。实验结果表明，提前规划步数越多的强化学习算法收敛速度越快。使用收敛速度和碰撞次数等指标，将Dyna-Sa算法与Q-学习算法、Sarsa算法和Dyna-Q算法进行对比，可知Dyna-Sa算法能够减少车辆在有障碍地图中的碰撞次数，保证车辆在城市交通环境中的安全性，同时能够提高算法收敛速度。     

动画演示与算法教学研究

算法向来就是计算机教学中的难点，一般算法教学方法很难有效帮助学生理解算法。通过分析算法动画演示的认知作用，强调只有好的算法动画演示才能有效促进算法学习，然后从认知主体需要出发，提出设计好算法动画演示的四个原则。说明只有认真调查研究每一个算法的演示目标和重点，合理安排演示内容和形式，才能设计出一个好的算法动画演示系统。     

DVBMT问题的一种改进算法

研究多播端到端时延受限条件下的最优时延抖动问题,目前已经出现了许多启发式算法,如DVMA(delay variation multicast algorithm)、DDVCA(delay and delay variation constraint algorithm)。DDVCA的时延抖动小于DVMA。Cheng等人也提出了一种算法,它的时延抖动小于DDVCA。在此基础上提出了一种有效的多播路由算法。仿真结果表明,该算法的平均时延抖动小于Cheng等人的平均时延抖动。     

基于网络延时的异步航迹融合

针对分布式传感器网络中广泛存在的通信延时问题,在异步航迹融合的基础上,提出一种基于网络通信延时的异步航迹融合算法。该算法对通信延时情况进行模拟,能自动地对产生延时的传感器进行跟踪和检测,并做出相应处理。算法具有较高的灵活性和较强的实用性。对数据传输延时的影响进行分析,通过仿真实验比较了数据传输延时对航迹融合效果的影响。     

用动态规划法求解延时/面积最小化工艺映射

本文提出了一个求解延时／面积最小化工艺映射动态规划法．它首先基干线性延时模型，给出了用动态规划法求解延时最小化工艺映射的步骤；然后从树型网络的面积计算公式入手，用动态规划法近似计算面积最小化工艺映射；最后用“线性加权和法”把延时／面积最小化工艺映射转变为单目标最优化问题求解．     

基于多跳间时延协作的最久分组优先算法

提出了一种基于多跳间时延协作的Crossbar调度算法。该算法以分组头中记录的时延为权重对分组进行调度，通过控制分组在各跳上的时延来达到调节端到端时延的目的。算法还使路由器避免了维护每个流的状态信息以及对单个流进行的复杂的队列管理和调度。计算机仿真表明，算法具有较高的资源利用率、较低的端到端时延抖动和较低的分组丢弃率等特点。     

Ad hoc网络中一种新的路由选择算法*

提出了一种基于网络总时延最小的路由路径选择算法。该算法根据链路的时延来进行路由路径选择,从而达到网络总时延最小的目的。仿真表明,该算法可以动态调整网络路由路径,从而使网络总时延达到最小。     

面向时延的NoC映射技术研究

针对NoC任务映射问题中时延难以预测和启发式算法效率低的问题,提出一个时延改进模型和近邻随机遗传算法。该模型从宏观的链路负载分布和单个节点的排队时延两方面来构建NoC映射的时延模型,通过引入时延因子、权重系数来刻画不同映射方案对时延性能的影响,避免了NoC通信时延精确建模的难题。提出近邻随机思想来构建遗传算法的初始种群,并且运用该算法实现了面向时延的NoC映射,在达到全局最优的情况下,比经典遗传算法效率提升将近20%。实验结果表明,该算法优于现有的经典遗传算法和随机映射方案。     

一种改进的分数时延估计方法及应用

传统的分数时延估计算法对环境噪声和混响噪声比较敏感,在复杂的实际环境中,算法性能会严重下降。为进一步提高时延估计算法性能,提出一种基于广义互相关（Generalized cross correlation,GCC)改进算法的广义互相关 最大似然相位补偿（ GCC Maximum likelihood phase compensation,GCC MLP)分数延时估计算法。该算法改进了GCC频域加权函数,并将线性相位补偿应用于频域互相关谱,获得连续的分数时延估计值,进一步提高了分数时延估计的精确性。仿真结果表明,GCC MLP相位补偿分数时延估计算法增强了对环境噪声和混响噪声的鲁棒性,减小了时延估计误差,算法性能优于曲线拟合、Sinc插值等传统分数时延估计算法。     

基于Internet的实时机器人系统时延预测研究及算法

针对基于Internet实时机器人系统，提出了多尺度的时延预测算法，该算法是在线和实时的。基于网络结构分析了网络时延的主要组成及其时延特性。不同于传统的网络往返时延的预测，该算法预测的是能真实反映端对端数据包传递的单程时延，而且还提出了预测单向时延所需的时钟同步算法。理论分析和多点之间的网络实验验证了该算法的高效性。     

DVBMT问题的改进算法

对E-DVMA所研究的多播端到端时延受限条件下的最优时延抖动问题进行了改进。在不增大时延抖动的基础上,有效地降低了平均时延。仿真结果表明,该算法的平均时延小于E-DVMA的平均时延。     

一种满足时延和时延差约束的组播路由算法

针对时延和时延差约束的组播路由优化问题,提出一种最优代价组播路由算法。基于Dijkstra最短路径树算法,通过指示函数调整新加入节点的优先级,利用局部信息构建低代价组播树,使其能较好地平衡组播树代价、时延和时延差之间的关系。仿真实验结果表明,该算法能正确构造出满足时延和时延差约束的组播树,同时具有时间复杂度低、求解成功率高等综合性能。