基于单模式匹配算法的研究

针对应用广泛的单模式匹配算法进行阐述:先分析最原始的BF算法,它会产生指针回溯;接着分析KMP算法,它避免了BF算法中的指针回溯;然后分析Snort系统中采用的BM模式匹配算法的基本思想,它对目标串进行跳跃式搜索;分析了BMH算法,它较BM算法性能上又有显著提高;最后对各种算法作了一个比较,并通过实验进行性能测试。     

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。     

仿生优化算法及其在变电站选址中的应用

本文对遗传算法,蚁群算法,粒子群算法,人工鱼群算法等具有代表性的仿生优化算法的特点进行比较,并对其在变电站选址中的应用进行了总结和综述。提出了对仿生优化算法的一些改进策略及其一些尚待研究的工作。     

蚁群算法在TSP问题中的参数设定

蚁群算法是一种新型的模拟进化算法,该算法在解决离散优化问题性能良好。该文介绍了对蚁群算法中的ACO算法的基本思想和实现方法,并对其中的参数进行了说明。关于TSP问题中的各个规模的城市数目,对蚁群算法的参数设置进行了实验分析,并给出了合理的参数设置,对规模类似的离散优化问题能够提供有效的借鉴。     

蚁群算法在考试安排中的应用

蚁群算法是一种新的进化算法，目前的研究表明该算法具有许多优良的性质，它为组合优化等问题提供了新的思路。利用蚁群算法对考试课程安排这一实际问题进行求解。综合了图论中的着色和运筹学中的背包问题。通过实例的解决和分析，说明了该算法的优越性。     

车辆路径问题（VRP）算法研究

车辆路径问题（VRP）是图论中的NP问题,目前求解这类问题的算法可分为：精确算法、经典启发式算法和现代启发式算法三类;对这三类算法中最具代表性的几种算法进行了分析指出了其适用范围和场合、存在的问题以及改进的方案;最后,对其研究前景进行了展望。     

微粒群算法原理及改进算法在土木工程中应用

微粒群算法（Particle swarm optimization,PSO）模拟鸟群捕食的过程,用于寻找空间中的最优解。对PSO算法的基本原理进行了介绍,对一些改进的PSO算法进行了总结,阐述了PSO算法在土木工程结构损伤检测中的应用。     

LRU算法的研究及实现

本文主要介绍页面置换算法中的LRU算法(leastrecentlyused),并将LRU算法与另外一些常用页面置换算法进行了比较。同时探讨了LRU算法的实现问题。     

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。     

车辆路径问题(VRP)算法研究

车辆路径问题(VRP)是图论中的NP问题,目前求解这类问题的算法可分为:精确算法、经典启发式算法和现代启发式算法三类;对这三类算法中最具代表性的几种算法进行了分析指出了其适用范围和场合、存在的问题以及改进的方案;最后,对其研究前景进行了展望。     

机器学习算法在数据挖掘中的应用

笔者围绕机器学习算法在数据挖掘中的应用展开探讨,首先阐述了机器学习及数据挖掘技术,进而分析了朴素贝叶斯算法、K-近邻法等相关原理,最后对机器学习算法在数据挖掘中的应用,如以机器学习算法为基础的GSM网络在定位中的应用、在改进BP神经网络中的应用等进行分析,希望能够为提高数据挖掘的整体性能提供参考。     

基于改进的鸡群算法在云计算资源调度中的研究

针对云计算中的资源调度效率低的问题,提出将改进后的鸡群算法用于调度。引入反向学习概念对鸡群种群进行初始化,提高全局搜索能力。对小鸡的位置引入了粒子群算法中的权重值和学习因子的概念进行改进,优化了鸡群个体位置,通过差分算法对鸡群算法整体的个体位置进行优化,最后通过边界处理从整体上预防了算法中个体位置可能出现的越界。在仿真实验中,将优化后的鸡群算法与基本鸡群算法,粒子群算法和蚁群算法进行在完成时间、花费成本、能量消耗和负载均衡中进行了对比,取得了较好的效果。     

实时调度算法分类研究

调度是实时系统的一个研究热点。一个调度算法的好坏决定着实时任务能否在规定的时限内完成。本文对实时调度进行了讨论;研究了经典静态调度算法中的速率单调调度算法,并提出了对该算法的改进;分析了动态调度中的最早截止期最优先算法;最后,对实时调度研究策略方向进行了展望。     

蚁群算法的研究现状及其展望

蚁群算法是一种新型的模拟进化算法，研究表明该睡具有并行性，鲁棒性等优良性质。本文阐述了蚁群算法的原理，介绍了该算法在理论和实际问题中的应用，并对其前景进行了展望。     

关联规则挖掘算法在高校专业课设置中的应用

关联规则是一个应用广泛的数据挖掘算法,本文介绍了关联规则算法的工作原理,如何配置关联规则算法的参数及建立挖掘模型.结合一个高职院校的实例,对关联规则挖掘算法在专业课设置中的应用进行了研究,并对挖掘得到的结果进行了具体分析.     

BP神经网络的算法改进及应用

文章介绍了目前人工神经网络领域中BP神经网络的特点及其算法原理,以BP网络算法的缺点为出发点,从不同方面对BP算法进行改进,从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的主要应用进行了讨论。     

免疫模拟退火算法求解TSP

文章介绍了免疫学的一些基本理论,然后在模拟退火算法及免疫算法的基础上,提出了一种新的免疫模拟退火算法求解TSP。通过对CHN144以及标准的TSPLIB中的PR1002的数据进行测试,结果表明该算法具有良好的性能。     

基于关联规则的Apriori-Partition算法的可视化研究

关联规则的提取是数据挖掘中的重要研究内容,对关联规则提取中的Apriori算法进行了分析与研究,针对该算法的运算效率不高,对该算法进行了优化.Partition算法以经典的Apriori算法为基础,通过将数据库分成几个互不相交的块来实现算法效率的提高.同时,还介绍了一种基于Apriori-Partition算法的可视化挖掘模型,并讨论了该可视化模型的实现方法.     

基于垂直交运算的Apriori-VA算法

对关联规则提取中的Apriori算法进行了分析与研究,针对该算法的运算效率不高,对该算法进行了改进,提出了Apriori-VA算法。Apriori-VA算法采用项集相并、标识集相交的方法,只用扫描事务数据库一次得到一阶大项集。K阶候选项集的操作只要基于这个一阶大项集,而不需重复扫描数据库,从而提高了挖掘算法的效率。     

A＊算法改进算法及其应用

路径优化问题是现代生活和工作中的一个重要而复杂的问题,路径优化算法则是解决路径优化问题并推广应用路径优化问题的关键.在回顾Dijkstra算法和A*算法的基础上,提出了A*改进算法,并结合例子对算法求解过程进行说明.最后编程实现了Dijkstra算法、A*算法和A*改进算法,并对运行结果进行比较分析.