用适应值激励机制提高遗传算法的效率

分析了传统遗传算法作为函数优化器在宏观进化机制上的局限性 ,讨论了群体的可进化性在函数优化中的作用。在此基础上提出在遗传算法中引入适应值激励机制 ,用它来动态地提高群体的可进化性。数值实验表明 ,带有适应值激励机制的改进遗传算法的搜索效率得到很大提高。     

电路划分问题的遗传算法求解

电路划分是VLSI设计中的一个重要过程，它是降低超大规模集成电路设计复杂性、增强图形可读性的有效方法，因此电路划分算法尤其重要。针对该问题，本文提出了两种基于不同编码方式的遗传算法，算法1采用0-1编码方式，算法2则为基于模块编号的整数编码方式，同时给出了相应的适应度函数及遗传算子设计。将两种算法用于标杆电路模型的求解，与传统的F-M电路划分算法相比，这两种算法得出的划分结果有明显改善，但时间效率有所下降；另外算法一在时间效率上优于算法2。     

基于Voronoi图的异常检测算法

异常检测是数据挖掘的一个重要组成部分，其中基于密度的方法LOF是目前常用的主要方法。然而LOF方法进行检测时需要设定参数k和MinPts，检测结果对参数非常敏感，容易造成检测错误。该文提出了一种基于Voronoi图的异常检测算法VOD，采用Voronoi图来确定对象间的邻近关系，解决了基于密度方法存在的问题，算法的时间复杂性从O(N2)降低到O(NlogN)。     

基于带状态回溯个体进化的子结构发现

将进化算法引入图数据挖掘，以克服贪婪式查找易陷入局部极值的问题。针对图数据挖掘中经常遇到的子图同构问题，提出了带状态回溯个体的概念，从而使遗传算子的设计更为合理。另外，还提出了一种新的多样性保持方案，从种群的组成和个体的生成两个方面提高了种群的多样性。在进化过程中随时去掉当前种群中没有潜力的个体的机制使查找空间缩小了一半。实验结果表明，以上措施增强了算法的寻优能力，提高了算法的效率和解的质量。     

适用于软件成本估计及风险评估的混合方法

论文提出了一种用于软件成本估计以及风险评估的方法。该方法将基于算法模型与基于经验的两种成本估计方法相结合,一方面以软件项目基础数据作为评估基础,另一方面则利用了专家知识。另外,该方法还可应用于软件风险评估。为了说明该方法以及证明其可行性,文中提供了一个案例研究。该案例详细说明如何构建成本费用估计模型以及如何利用该方法进行软件风险评估。     

一种改进的遗传算法Scatter GA

介绍一种改进的扩散式遗传算法 Scatter GA(Sc GA)。在原简单遗传算法 Sim ple GA(SGA)的基础上进行局部改进 ,采用更接近问题实际的实数编码方式 ,增加了第 2个变异算子 ,取消了选择算子。使用改进的算法对 4个典型函数进行计算 ,并与 SGA,m icro GA(m GA) ,Steady State GA(SSGA)的结果进行比较 ,可以看出 ,改进算法在收敛速度和精度上均优于其它同类算法。     

电路划分算法改进

为提高电路划分的质量,对KL电路划分算法运行的终止条件进行改进,给出相关的公式推导过程,使得算法找到同样的解节省1/2的程序运行时间。     

电路划分问题的算法研究与计算机实现

在介绍电路划分问题的基础上，提出了一种基于宏单元的电路划分数学模型，同时给出了利用计算机解决该问题的遗传算法的设计和实现过程。将该实现方案用于对标杆电路划分进行测试，与传统的F-M划分算法相比，划分结果得到明显改善。     

基于AES的数据加密方案

将最新的数据加密标准（AES）算法Rijndael与目前国际上应用最广泛的公开密钥密码技术（RSA）相结合，提出了一种新的数据加密方案。     

软件项目风险管理中的风险分析过程

风险分析过程是软件项目风险管理中的重要组成部分,对后期的风险控制以及相关决策都具有极为重要的意义.利用标准过程定义的符号表示法,定义了软件项目风险管理中的风险分析过程.详细地阐述了如何通过一系列的风险分析过程活动将风险陈述转变为按优先顺序排列的风险列表.结合实例说明风险分析过程中使用的主要方法及工具,这些方法和工具能够有效地提高风险分析的准确性.