一种利用Hausdorff距离的高效目标搜索算法

为了快速高效地进行目标搜索，提出了一种在仿射变换条件下，利用Hausdroff距离进行目标搜索的高效算法。此算法是在一种新的距离变换形式——“最小正方盒距离变换”的基础上进行的。实验结果表明，与现有算法相比，该算法在不影响搜索成功率和目标定位精度的情况下，还可以显著地缩短搜索时间。为验证该算法的有效性，将该算法与Rucklidge算法进行了对比实验，结果表明，该算法明显优于Rucklidge提出的快速目标搜索算法。     

从中序遍历及后序遍历构造二叉树

本文给出了一个算法，该算法输入一棵二叉树的中序遍历和后序遍历的结点序列，构造出该二叉树。该算法具有Ｏ（ｎ）时间复杂度，是解决该问题的最优算法，其中ｎ为二叉树的结点数。     

一个有效的沿三维直线的体素遍历整数算法

沿着三维直线进行体素遍历的算法在医学图像处理及其它三维图形和图像应用中是一个非常重要和基础的算法，该文在研究了二维平面中像素的直线遍历算法的基础上，提出了一个以二维平面中遍历算法为基础的沿三维直线的体素遍历算法，该算法是第一个整数遍历算法，因此没有其它算法所产生的累计误差，另外，该算法所用的判断公式是非常精炼的，因此计算量很小；文章最后将该算法与现有的体素遍历算法进行了比较，比较的结果表明，该算法不仅没有累计误差，而且执行速度也是最快的。     

通信协议的全局状态算法及自稳定性

本文主要研讨了一类适应于通信协议的全局状态算法及协议的自稳定性。文中先论述了一种适应于协议全局状态的基本算法，讨论了该算法对全局状态的适用性及对协议自稳定性的局限性；然后论述了一种增强算法，该算法不仅适用于协议的全局状态，而且适用于增强协议的自稳定性，文中给出了该增强算法的正确性证明及复杂性分析，并通过协议实例验证了该算法的可用性及有效性。     

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。     

基于Dijkstra算法的一种最短路径优化算法

详细介绍了经典的Dijkstra算法，举例说明了该算法的实现方法以及该算法的缺点：即需要网络结点数平方级的内存；同时详细说明了一种基于Dijkstra算法的优化算法——邻接结点算法，该算法充分利用了网络拓扑信息中的弧段的连接关系，避免了使用含有大量无穷值的关联矩阵，使之更适合带有拐向限制设置的最短路径算法和大量结点的实际数据。实践证明。该算法可以节约大量的内存，对于结点数比较大的网络，或带有大量拐向限制设置的网络，具有较好的适用性。     

一种适用于通信协议自稳定性的恢复算法

主要提出了一种适用于通信信议自稳定性的恢复算法，先论述了适用于该算法的有关概念及形式描述方法；接着描述了该恢复算法，并给出了该算法的正确性证明及复杂性分析；最后通过一个多进程通信协议的实例研究，验证了该算法的正确性和有效性。     

改进约束人工蜂群算法及金融应用

为了有效求解约束优化问题，提出一种改进人工蜂群算法。该算法引入Pareto支配准则提高算法探索能力，避免算法早熟。在雇佣蜂阶段，通过识别种群当前状态自适应选取搜索方程与约束处理策略，引导种群快速进入可行区域。在跟随蜂阶段，利用全局最优解引导种群进行搜索，提高算法开发能力。通过对CEC 2006中20个测试函数实验结果分析表明，该算法能够有效求解约束优化问题。进而，将该算法应用于求解投资组合优化问题，通过数值实验说明该算法是求解投资组合优化问题的有效算法，可以用于求解此类金融问题。     

连续优化问题的蚁群算法研究

蚁群算法是一种新型的模拟进化算法，初步的研究已经表明该算法具有许多优良的性质，对于连续优化问题，提出了基于蚁群算法思想的求解算法，并与网格法作了比较，数值试验结果表明该方法比较有效，并具有通用性。     

基于矩阵与图的关联规则挖掘

提出了一种新的算法，该算法是在基于图的关联规则挖掘的基础上进行研究，并提出改进。该算法与传统的关联规则挖掘算法Apfiofi算法相比，具有一定的优势，如复杂度低，无需多次扫描数据库等。     

结合高斯分布的改进二进制灰狼优化算法

针对灰狼优化算法（GWO）解决离散问题应用较少，发展不成熟的现状，提出一种用于解决二进制问题的离散灰狼优化算法（BGWO）。针对混沌搜索在解决二进制问题时，产生的初始种群较为集中的问题，引入高斯分布曲线对种群初始化，使初始种群地空间分布更加均匀；提出一种转换函数，对GWO进行二进制化处理；通过典型测试函数对该算法性能进行验证，实验表明该算法收敛精度明显优于其他算法。将该算法用于实际背包问题的求解，结论表明该算法迭代次数更少，求解精度更高。     

基于差分进化的神经网络通用扰动生成方法

针对超球面通用攻击（HGAA）算法中通用扰动搜索始终限定在空间球面上，不具有球内空间搜索能力的问题，提出一种基于超球面的差分进化算法。该算法将搜索空间扩大到球面内部，并通过差分进化（DE）算法搜索最优球面，从而生成愚弄率更高、模长更低的通用扰动。此外，分析了种群数量等关键参数对该算法的影响，并且测试了该算法生成的通用扰动在不同神经网络模型上的性能。在CIFAR10和SVHN图像分类数据集上进行验证，该算法与HGAA算法相比愚弄率最多提高了11.8个百分点。实验结果表明，该算法扩展了HGAA算法的通用扰动搜索空间，降低了通用扰动的模长，提高了通用扰动的愚弄率。     

一个基于资源操作的强实时动态调压算法

动态调压算法能够降低系统功耗，可用来降低CPU发热量、延长电池供电系统的工作时间．然而，现有动态调压算法均不允许进程进行资源操作（申请或释放资源），这在实际应用中是难以满足的．因此，现有算法不便于实际应用,本文提出了一种新的强实时动态调压算法．该算法允许进程进行资源操作，并且功耗低于现有算法；该算法还能避免死锁．该算法易于应用到实际系统中．     

一种基于直线模型的道路识别算法研究

为了提高道路识别的鲁棒性和抗干扰能力，提出了一种道路边缘识别算法。该算法的创新点在于采用自然边界作为道路识别的依据，同时算法也可以将白色路标作为识别道路边缘的标志。由于道路的自然边界不像车道标志线那样容易受到污染，因而使该算法具有了较高的鲁棒性。该算法是采用像素级特征和帧图像特征来识别道路边缘，可称为全局道路边界模型。在模型中由于采用了有关的道路约束条件，因而使得算法具有较好的抗干扰能力。该算法包括初始检测算法和跟踪算法两个部分，其中在跟踪算法中采用感兴趣区域算法(ROI)来限制检测区域，以提高实时性。最后，还提出了一个道路边界可信度检测函数，该函数可以用于计算道路边缘检测结果的可信程度。     

基于学习的进化规划算法

提出基于学习的进化规划算法，用以改进普通进化规划算法的性能，该算法－方面通过学习种群整体的进化信息用以改善种群整体性能，具有大范围快速搜索的特点，另一方面该算法强调学习种群中个体的进化信息，单一个体以当前代的最优化个体作为学习目标，用以加大当前最优解附近的搜索力度，具有局部“细搜”的特点，该进化规划算法不仅能够加快算法的收敛速度，而且能够有效地保证种群的多样性，用该方法可求解具有多个极值点的函数优化问题，计算要仿真实验结果表明该方法是非常有效的。     

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。     

自适应调整信息素的蚁群算法

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法．基于群体的协作与学 习，该算法已经成功地解决诸如TSP问题等多种组合优化问题．本文提出了一种基于自适应 调整信息素的改进蚁群算法．该算法根据人工蚂蚁所获得解的情况，动态地调整路径上的信 息素，从而使得算法跳离局部最优解．通过仿真实验获得的结果表明，该算法对于蚁群算法 具有较好的改进效果．     

一种改进的LZC图像编码算法

摘要提出了一种改进的LZC(1istlesszerotreecoding)图像编码算法，该算法不仅继承了原有LZC算法不使用链表、易于硬件实现的优点，而且针对原始算法子带扫描顺序不尽合理、递归结构算法复杂度较高等缺点，通过改变空间子带的编码顺序，将块的概念引入编码过程在改进算法中完全采用顺序结构等措施进一步提高了原有算法的工作效率、降低了LZC算法的复杂度。实验结果表明，该算法是一种高效的图像编码算法，其不仅具有良好的视觉效果、无方块效应，而且在相同压缩比情况下，该算法的图像重构质量和PSNR均明显优于原始的LZC算法。     

无线传感器网络中一种能量有效的簇头选举算法

在基于二层架构的无线传感器网络中，有效的簇头选举算法非常重要。一些现有的算法随机性很大，而另外一些只考虑了同构的情况，实用价值不大。该文提出了一种基于负载平衡的算法，该算法中簇头计算每个簇内成员预期做簇头后的生命期，然后把生命期最大的两个簇员选作新的簇头和新的候选簇头。通过模拟，将该算法与随机选取算法的实现效果进行比较，发现该算法延长了网络生命期。     

一种域自适应型的粒子群算法

基于常规粒子群算法，设计了一种域自适应型粒子群算法。该算法从域约束和引入自适应因子入手。改善了粒子群算法对搜索精度与收敛速度的兼顾性能力。通过基准函数对该算法进行了实验，结果验证了该算法的有效性。