一种基于贪心算法的快速PCA算法

提出一种快速算法,该算法利用贪心算法构造卷数据降维矩阵,在保持点与点之间“核距离”不变的情况下．把待分解矩阵变换成一个低维矩阵。在没有偏差的情况下,将对原始大矩阵的分解变成对这个低维矩阵的分解,大幅降低了时间复杂度,减少了对内存的使用率的同时增加了算法的稳定性。     

基因组Translocation排序问题的改进多项式算法

该文给出基因组Transhocation排序问题的一个改进多项式算法，原算法所有存储空间O（n)，时间复杂度为O(n^3)，文中改进算法仍采用O(n)存储空间，时间复杂度为O(n^2logn),具体地，将计算Translocation距离的时间复杂度由O(n^3)改进为O(n^2),将计算Translocation序列的时间复杂度由O(n^3)改进为O(n^2logn).     

求解广义背包问题的贪心DS_BPSO算法

首先针对演化算法求解背包问题定义了贪心变换的概念,并给出了该变换的一种有效实现算法;然后将此算法与文献[5]中提出的具有双重结构编码的二进制粒子群优化算法(DS_BPSO)相结合,提出了一种解决广义背包问题GKP(General Knapsack Problem)的快速算法:基于贪心变换的DS_BPSO算法(GDS_BPSO).利用该算法求解文献[3,6]中的著名背包实例,给出了该背包实例的目前最好结果.此外,对于随机生成的大规模背包实例,通过与文献[3]中的HGA算法对比计算表明:GDS_BPSO算法是求解广义背包问题的一种高效方法.     

一种基于模式最长前缀正文分割的串匹配新算法

字符串的模式匹配问题是计算机科学的基本问题之一，本文提出了基于模式最长前缀正文分割的匹配新算法(Text Divided Algorithm，以下简称TD算法)．首先在模式P中寻找最长的前缀子串subp，使其末字符在subp中只出现一次；然后根据subp末字符的特点，将正文T进行分段，按段对模式P进行匹配．新算法有以下重要的特点：1．最坏情况下，本算法有效地减少了字符重复比较的次数，从而提高了算法的匹配效率；2．匹配算法在二维匹配和不精确匹配中较易推广；3．匹配过程近似于直接算法，便于接受和理解。     

求解背包问题的更贪心粒子群算法

将粒子群算法与贪心思想相融合,提出一种用于求解0/1背包问题的更贪心混合粒子群算法。对超过背包重量约束的粒子的处理措施是去掉已经装进去且性价比最差的物品,直至满足重量约束为止,这种思想在改善粒子质量的同时避免了通常罚函数方法中敏感的参数选择问题;对当前可行粒子的处理措施是将还未装入背包且性价比最好的物品装进背包,直至不能装为止。通过与文献中基于经典算例的计算结果比较表明,更贪心粒子群算法无论在寻优能力、计算速度和稳定性方面都超过了文献中提到的混合遗传算法（HGA）、贪心遗传算法（GGA）和混合粒子群算法（GBPSOA）。     

一种非比较分段排序算法的研究

非比较分段排序（简称NCSS）算法是建立在模仿人类思想方式基础上的一种非比较排序算法，算法分析和实验结果都表明：NCSS算法的时间复杂度和待排序数据分布无关，为O（N），而附加存储空间极小，排序速率明显优于QuickSort,ProportionSplitSort，分段快速排序等算法，NCSS算法特别适合于数据最大的场合。     

贪心二进制狮群优化算法求解多维背包问题

针对经典的多约束组合优化问题——多维背包问题(MKP),提出了一种贪心二进制狮群优化(GBLSO)算法。首先,采用二进制代码转换公式将狮群个体位置离散化,得到二进制的狮群算法;其次,引入反置移动算子对狮王位置进行更新,同时对母狮和幼狮位置重新定义;然后,充分利用贪心算法进行解的可行化处理,增强搜索能力并进一步提高收敛速度;最后,对10个MKP典型算例进行仿真实验,并把GBLSO算法与离散二进制粒子群(DPSO)算法和二进制蝙蝠算法(BBA)进行对比。实验结果表明,GBLSO算法是一种有效的求解MKP的新方法,在求解MKP时具有相对良好的收敛效率、较高的寻优精度和很好的鲁棒性。     

一种基于的统计的排序算法

本文提出了一种基于统计的快速排序算法，并对该算法的时间复杂度和空间复杂度进行了分析，该算法要求排序关键字满足一定的约束条件，其时间复杂度为O(n)，对该算法做一些简单的修改，还可以将其推广到一般关键字的排序问题。     

测试集问题的集合覆盖贪心算法的深入近似

测试集问题是一个有着广泛应用的NP难问题.集合覆盖贪心算法是测试集问题的一个常用近似算法,其由集合覆盖问题得到的近似比21nn+1能否改进是一个公开的问题.集合覆盖贪心算法的推广被用来求解生物信息学中出现的冗余测试集问题.通过分析条目对被区分次数的分布情况,用去随机方法证明了集合覆盖贪心算法对测试集问题的近似比可以为1.51nn+0.5lnlnn+2,从而缩小了这种算法近似比分析的间隙.另外,给出了集合覆盖贪心算法对冗余度为n-1的加权冗余测试集问题的近似比的紧密下界(2-o(1))lnn-Θ 1).     

求解矩形packing问题的贪心算法

在货物装载、木材下料、超大规模集成电路设计等工作中提出了矩形packing问题。对这一问题,国内外学者提出了诸如模拟退火算法、遗传算法及其它一些启发式算法等求解算法。该文利用人类的智慧及历史上形成的经验,提出了一种求解矩形packing问题的贪心算法。并对21个公开测试实例进行了实算测试,所得结果的平均面积未利用率为0.28%,平均计算时间为17.86s,并且还得到了其中8个实例的最优解。测试结果表明,该算法对求解矩形packing问题相当有效。     

堆与贪心算法

堆是一种特殊的树,堆的首元素常常是堆中结点的最小或最大值.堆排序是一种比较快的排序方法,贪心算法中常常要找到最小(大)值.本文介绍了堆在贪心算法中的运用,并分析了其时间优越性.     

求解TSP问题的贪心遗传算法

提出贪心遗传算法。通过构建“基因库”形成好的“基因片断”,从而生成高性能的初始种群;依据贪心选择的原则指导遗传操作,实施贪心交叉操作和贪心变异操作;移民操作向种群引进新的遗传物质,克服了封闭竞争缺点,并且可以避免早熟收敛。贪心遗传算法可以大大加快搜索的速度,仿真结果表明算法是十分有效和实用的。     

基于贪婪算法成像侦察卫星调度方法研究

成像侦察卫星的调度问题需要考虑大量互相联系的约束条件,实现全面调度的难度比较大,特别是在作战的情况下,很难满足快速战略决策的要求,而且各种干扰因素将会对卫星的状态产生影响,需要优越的初始调度方案作为基础.针对以上提出的实际问题,首先对成像侦查卫星约束条件进行分析,在简单假设的基础上对问题进行描述,建立卫星调度的约束模型,基于贪婪算法原理,通过软件实现调度模型求解,得到成像侦查卫星的快速调度方案,为卫星任务状态变化的二次调度和满足快速战略决策提供比较令人满意的调度基础解.     

基于遗传算法指纹分类在保管系统中的应用

研究指纹的自动分类问题对解决大容量指纹库的匹配实时性有着重要的意义。为了优化基于指纹识别的银行保管箱系统,提高其对指纹图像的识别速度,文中引进了遗传算法指纹分类对指纹图像进行粗匹配。该方法通过利用复制、交叉和变异操作,对群体中的个体进行优化与筛选。介绍了基于遗传算法的指纹分类在银行保管箱系统中的应用,基于遗传算法的指纹分类法克服了一般排他性分类法所固有的对某些指纹图像无法识别的缺陷,同时提高了整个系统的效率。     

基于贪心算法的科学卫星下行传输规划

本文针对多星、多站、变速率、大数据量的科学卫星数据下行传输规划问题,在开机时间约束条件下,考虑任务权重,建立了多卫星规划调度模型,提出了基于贪心算法的求解模型,并以两颗科学卫星的调度问题为例,对模型和算法进行了验证.     

基于贪婪策略的克鲁斯卡尔算法的实现与分析

贪婪策略可用于求解图的最小生成树,克鲁斯卡尔算法是实现图的最小生成树的一种常用的算法。该文介绍克鲁斯卡尔算法的实现方法,并对算法的运行效率进行分析。     

算法研究在算法教学中的应用

在算法教学中补充讲解一些综合实例,通过提出问题,分析问题,讲解问题,将算法研究的思想贯穿其中,可以培养学生的研究意识以及培养学生的发散式思维。     

算法研究在算法教学中的应用

在算法教学中补充讲解一些综合实例，通过提出问题，分析问题，讲解问题，将算法研究的思想贯穿其中，可以培养学生的研究意识以及培养学生的发散式思雏。     

一种快速霍夫变换算法

霍夫变换是图像处理中的一种常用的检测算法,能够有效地在较大的噪声环境中提取图像中的特定信息。但标准的霍夫变换算法运算量大,处理速度慢,有较大的局限性。该文讨论了一种快速霍夫变换算法,该算法有效地降低了传统霍夫变换算法的时间复杂度,提高了计算效率和运算速度,对于提高图像处理的速度,增强图像处理的实时性有着显著的作用。     

基于固定优先级和贪心法的航班时隙分配算法

航班时隙分配在空中交通管理领域中有着重要应用,考虑到在相同的延误时间情况下,不同类型的航班和不同的载客人数造成的综合损失差异,提出一种基于贪心法的航班分配算法。该算法在对航班进行排序的时候,在考虑到航空公司公平性的基础上,根据航班类型和载客数量,计算每架航班的优先级,然后根据当前可用时隙,以贪心法的规则找出优先级最高的航班,若有多个航班满足条件,则根据先来先服务原则进行选择,从而使经济损失和人员延误损失二者构成的综合损失最小化。算法仿真结果显示：该算法在很大程度上改进机场的运营效率,确保航空公司航班分配的公平性,维护航空公司及其服务对象的利益,具有一定的实用性和有效性。