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。     

分叉计算问题在YH-2机上的向量算法

本文提出了在ＹＨ－２机上计算分叉问题的ＳＯＲＴＬＩＢ库分类向量算法，并和其他向量算法进行了比较，效能测试表明，这种算法是ＹＨ－２机上计算分叉问题的最优算法。     

混合型蚁群算法及其应用研究

旅行商问题是一个NP—Hard组合优化问题。根据蚁群优化算法的特点，本文提出新盼随机插入式算法用于蚁群算法的初期信息素分布，同时在蚁群算法过程中加入了改进3-opt算法。实验研究表明，在收敛速度和解的质量方面均获得了改进。     

继续教育学院排课算法的研究与应用

针对教学管理中手工排课难的问题，我们设计了排课算法。在设计排课算法中，我们主要用数学集合的思想来讨论存在的问题，然后采用回溯算法设计出算法的流程，最后再采用链表的结构加于实现，并给出了核心算法的伪代码。     

基于层次最短路径的FallBack路由算法

通常，在多约束条件下的Qos路由是一种NP完全问题。下文首先分析了约束条件的网络特征，然后讨论了基于FallBack算法的有关问题。FallBack算法是满足多Qos路由选择的基本算法，是Dijkstra算法的一种改进；有人提出FallBack^＋算法对其进行了改进，从而可以排除FallBack算法设计者根据经验排序约束条件的问题，并且可以有效利用网络资源；本文则是对FallBack^＋算法的进一步改进，在保留了原算法上述优点的同时加快了算法的收敛速度。     

基于免疫蚂蚁算法的Job-shop调度问题

描述了作业调度问题，借鉴生物免疫机理提出了求解车间调度问题的免疫蚁群算法，该方法在蚂蚁搜索程中，运用免疫机理提取疫苗，并对进化种群进行免疫操作，从而有效地抑制了蚁群算法的“早熟”和搜索效率低下的问题，显著地提高了蚁群算法对全局最优解的搜索能力和收敛速度，给出了免疫蚁群算法的具体步骤，并对算法进行了实例验证。     

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。     

一种关于蛋白质模体的自动识别算法

随着生物信息学的发展，模体识别已经成为一种能够从生物序列中提取有用生物信息的方法。文中介绍了有关模体的一些概念，讨论了模体识别算法(MEME)的基础，即EM(expectation maximization)算法，由于MEME算法是建立在EM算法的基础上的，所以又由此引出了MEME算法，并对MEME算法的一些基本问题比如时间复杂度、算法性能等进行了详细讨论，对算法的局限性和有待改进的地方作了说明。实践证明，MEME是一个较好的模体识别算法，它能够识别出蛋白质或者DNA序列中单个或多个模体，具有很大的灵活性。     

欧氏Steiner最小树问题的智能优化算法

欧氏平面内连接固定原点的最小树长问题，即欧氏Steiner最小树问题，为组合优化中的NP难题，因此合理的方法是寻找启发式算法。该文给出了两种智能优化算法——模拟退火法和蚂蚁算法。首先概述智能优化算法并将中面划分成网格，然后分别介绍两种算法的原理及实现过程，最后通过一系列计算实验，测试了算法的运行性能，获得了较好的效果。     

一个通用的混合非线性规划问题的演化算法

提出了一种新的求解非线性规划问题的演化算法，它是在郭涛算法的基础上提出的，新算法的主要特点是引入了变维子空间，加入了子空间搜索过程和规范化约束条件以及增加了处理带等式约束的实数规划，整数规划，0－1规划和混合整数规划问题的功能，使之成为一种求解非线性规划（NLP）问题的通用算法，数值实验表明，新算法不仅是一种通用的算法，而且与已有算法的计算结果相比，其解的精确度也最好。