分布式系统中自然联结的优化算法分析

讨论了几种提高自然联结效率的算法。并比较了它们的效率和性能，其中包括经典的Ｍｅｒｇｅ－ｓｃａｎ算法，Ｎｅｓｔｅｄ算法，Ｈａｓｈ－ｊｏｉｎ算法，以及改进的ＪＭ１，ＪＭ２算法，Ｄｉｓｔｒｉｂｕｔｉｖｅｊｏｉｎ算法，ＪｏｉｎＦｒａｇｍｅｎｔａｔｉｏｎ算法，ＧＲＡＣＥＨａｓｈ－ｊｏｉｎ算法和ＨｙｂｒｉｄＨａｓｈ－ｊｏｉｎ算法。这些算法没有绝对的优势，在具体的应用环境下，可根据实际情况采用最合适的优化算法。     

带权重的贪心萤火虫算法求解0-1背包问题

根据萤火虫算法的自身特点，将自适应权重、改进贪心算法、变异算子与基本萤火虫算法相结合，提出一种带权重的贪心萤火虫算法。通过加入自适应权重与变异算子，可以提高算法全局搜索能力，加入贪心算法在一定程度上可提高算法收敛速度，整体看，改进萤火虫算法提高了算法性能。通过仿真实验将改进后的算法与一些基本算法进行比较，实验结果表明，该算法在求解0-1背包问题时，无论在运算速度还是求解精度上都有明显改进。     

改进相关矩阵估计的LMS牛顿算法分析与仿真

在LMS牛顿算法中权值的更新采用了输入信号矢量的相关矩阵估计，不同的估计方法对算法的性能影响很大，该文分析了一种改进相关矩阵估计的LMS牛顿算法，该算法通过对LMS牛顿算法中的相关矩阵采用改进的指数加权估计，大大提高了算法的性能，同时维持了适中的计算复杂度。此外，还比较了LMS牛顿算法与RLS算法，从原理上说明了它们的密切联系；指出算法改善性能的关键在于变步长特性，即步长随着时间增加而逐渐变小，使得算法既可以保持较快的收敛速度，又获得了较小的失调。算法在智能天线中的仿真结果表明，该算法具有比常规LMS牛顿算法更优的性能。     

一种基因与蚁群的融合算法研究

蚁群算法具有分布式并行搜索能力，通过信息素的积累和更新收敛于最优路径上，但初期信息素匮乏，收敛较慢。提出一种基因算法与蚁群算法融合的算法，将基因算法加入蚁群算法的每一次迭代中，利用基因算法快速收敛的优点，来加快蚁群系统的收敛速度；且基因算法中的变异机制，有利于提高蚁群算法跳出局部最优的能力。优势互补，实验结果表明该基因蚁群融合算法在寻优能力和收敛速度上都比基因算法和蚁群算法有较大的提高。     

SHITS:一种基于超链接和内容的网页排序方法

回顾了当前应用于大型搜索引擎的主流网页排序算法，对其中的ARC算法进行了改进，提出了一种基于超链接和内容的网页排序算法--SHITS（Similarity—HITS）算法．SHITS算法用超链接所引用的网页内容代替了ARC算法中所采用的锚文本来评估该超链接的重要性，这一改进不仅提高了算法区分链接重要性的能力，也避免了对大量锚文本内容的分析．通过与相关算法的对比实验，结果表明：SHITS算法网页排序的准确率明显优于其它算法．此外，SHITS算法也具有较好的效率：计算代价小于ARC算法，与HITS算法相当．     

LEO卫星网络TCP拥塞控制算法改进研究

基于Vegas拥塞控制算法提出了一个适合于LEO卫星网络环境的TCP拥塞控制算法(Vegas-AB)，该算法是Vegas算法和Vegas-A算法的调和，可以动态地改变Alpha、Beta，Vegas-AB算法与Vegas-A算法的主要分支大体保持一致。在拥塞避免阶段，Vegas-AB算法更激进、更富有侵略性。仿真结果表明，在TCP吞吐量上，Vegas-AB算法优于Vegas算法和Vegas-A算法。     

基于改进野狗优化算法的二维MUSIC声源定位研究

针对二维多重信号分类算法（MUSIC）在进行信号波达方向估计时存在运算复杂、速度慢的问题，提出基于改进野狗优化算法的二维MUSIC声源定位算法。该算法首先通过结合精英反向学习策略与二次插值方法改进野狗优化算法，提高算法寻优能力，再与MUSIC算法结合，使算法能快速且准确定位。实验结果表明，该算法与传统MUSIC方法对比，定位精度得到提高，且节约了88.6%的搜索时长，计算量降低，获得更好的实时性。     

动画演示与算法教学研究

算法向来就是计算机教学中的难点，一般算法教学方法很难有效帮助学生理解算法。通过分析算法动画演示的认知作用，强调只有好的算法动画演示才能有效促进算法学习，然后从认知主体需要出发，提出设计好算法动画演示的四个原则。说明只有认真调查研究每一个算法的演示目标和重点，合理安排演示内容和形式，才能设计出一个好的算法动画演示系统。     

个性化推荐算法的分析与改进

大数据背景下，一般使用推荐算法获取目标用户。基于此，通过对各类推荐算法进行分析，比较各类算法的优缺点，并针对各类算法的特点和不足，提出一种混合推荐算法。首先，为解决算法初期的冷启动现象，将主题模型与协同过滤算法相结合，生成用户偏好概率预测矩阵；其次，为改善用户过少造成的稀疏性问题，采用聚类算法填充评分矩阵；最后，为进一步提高推荐精确度，改进各项权重参数，生成融合主题模型和协同过滤推荐算法的混合推荐方法。     

数据挖掘在成绩分析中的应用研究

将数据挖掘中的决策树算法和关联规则算法应用于成绩分析中，对两种算法得出的挖掘结果进行对比分析，得出两种算法各自的优势与不足，发现两种算法可以互补，将两种算法相结合应用于成绩分析中，可以得出比使用单一算法更全面的分析结果。     

基于事件调度的Petri网仿真算法设计

介绍了Petri网的基本概念和定步长时间推进仿真算法,在此基础上提出了事件调度的仿真算法,并以一个制造系统的Petri网模型为例进行了说明,通过分析两种算法的仿真结果,验证了调度法仿真效率高于定步长仿真法。     

Apriori算法的一种优化方法

介绍关联规则挖掘中的经典算法――Apriori算法的关键思想。针对传统Apriori算法效率上的不足,提出一种改进的Apriori算法――En-Apriori算法。该算法采用矩阵的方法,只须扫描一遍数据库,同时优化了连接操作,较好地提高了算法的效率。实验结果表明,En-Apriori算法优于Apriori算法,具有较好的实用性。     

医学图像三维重建中的关键算法

该文主要讨论了基于序列图像的三维重建中的两个关键算法:特征数据点列的重采样算法与三角化算法。把Douglas-Peucker线性简化算法应用在特征边界的重采样上,数据的压缩比得到了明显的改善,也显著地提高了可视化速度。并使用一种简单的三角化算法,对重采样后的数据点列进行三角化,实现目标的三维重建。     

基于加权最小二乘法的精确时钟同步算法研究与实现

提出了一种基于加权最小二乘法的从时钟频率自补偿算法。该算法采用从时钟频率自补偿算法解决了每两次PTP同步之间时钟漂移偏差逐步扩大的问题,并引入加权最小二乘法来求取频率自补偿算法中的动态补偿值。该算法在以Altera Cyclone Ⅱ FPGA为主控芯片的开发平台上通过了验证,测试结果表明,算法的引入显著提高了PTP的同步精度,同步精度达到1μs。     

A new external sorting algorithm with no additional disk space

This paper is concerned with an external sorting algorithm with no additional disk space. The proposed algorithm is a hybrid one that uses Quicksort and special merging process in two distinct phases. The algorithm excels in sorting a huge file, which is many times larger than the available memory of the computer. This algorithm creates no extra backup file for manipulating huge records. For this, the algorithm saves huge disk space, which is needed to hold the large file. Also our algorithm switches to special merging process after the first phase that uses Quicksort. This reduces the time complexity and makes the algorithm faster.     

一种高效的图像插值算法

介绍了一种基于像素点的颜色绝对误差的图像插值算法。该算法将高阶算法与低阶算法相结合,以接近低阶算法的运算开销,获得了高阶算法的插值质量。     

应用于格式转换的三维递归搜索块匹配算法

视频格式转换技术在媒体多元化的时代,有非常广泛的应用。文章介绍并实现了在基于运动补偿的格式转换中显示独特优越性的一种块匹配运动估计方法———三维递归搜索算法,该算法在运动矢量的真实性、算法实现的简单性方面都优于传统的运动估计算法。该文比较了该算法与其他算法(如全搜索算法、相位相关法)的性能,并对该算法在去隔行方面的应用作了分析。对该算法的研究为开发高清电视格式转换芯片提供了可贵的参考。     

一种适合2D-Mesh互连网络的树状多播算法

针对虫蚀寻径的2D－Mesh互连的多处理机网络，归纳了多播算法的要求，在分析比较路状多播和树状多播算法的基础上，提出一种结合两者优点的新型树状多播算法，该算法基于Hamilton寻径，即源节点到每一个目标节点的路径为最短路径，且具有无死锁的特性，同时，多播数据在源节点发送，途径节点转发所需计算的时间复杂度均为O（1），与多播目标节点集的大小和分布无关，数据模拟测试的结果表明，该算法的性能优越。     

PSOSA混合优化策略

本文提出了一种微粒群算法与模拟退火算法相结合的混合优化方法，该方法在群体进化的每一代中，首先通过微粒群算法的进化方法来控制微粒的飞行方向，然后利用模拟退火算法来拓展其搜索领域。这样既可以利用微粒群算法的收敛快速性，又可以利用模拟退火算法的全局收敛性。本文还证明了该混合优化方法依概率1收敛于全局最优解。仿
真结果表明，在搜索空间维数增大时，该方法的全局收敛性明显优于基本微粒群算法。     

一种基于条件熵的决策表属性约简并行算法*

本文以分类为基础提出了一种基于条件熵的决策表属性并行约简算法。该算法通过条件熵的计算在属性约简的同时将原决策表逐层分解为相对于决策属性来说尽量均匀的子决策表,从而实现了属性约简的并行计算。本文随后对该算法的时间复杂度进行了分析,实验表明,该算法在效率方面优于传统算法。