二叉排序树查找算法性能分析

查找是计算机中经常要用到的操作。二叉排序树排序树查找属于动态查找类,二叉排序树查找算法与建立算法密切相关。给出了一种计算二叉排序树平均查找长度的算法,希望能对查找算法的研究起到一点作用。     

空间二叉树排序查找算法及其在网络游戏中的应用

在网络游戏服务器中，查找效率是影响服务器工作性能的一个关键性因素。首先分析了几个目前比较常用的查找方法，并在此基础上，结合网络游戏的特点，提出了一种以空间二叉树为索引表构成的索引表排序查找算法。它具有排序工作量低，查找速度快等特点，特别适合于网络游戏中的事件查找。实验结果表明，它比其他的一些传统查找方法在速度上有了近百倍的提高。     

分档定位排序以及向分档定位查找的发展

分析了“王向阳二次分档排序”的不足．给出了等概分档映射算法，对已知分布函数的n个任意数据，仅需遍历计算一次，就可以分为m档，实现档之间有序化(档内仍无序)．令m≥n，可以使得每档数据量期望值不大于1，待排序序列已经接近有序化了，只需用很少的时耗即可完成档内排序，从而建立一个有序且等概分档的查找表．在此基础上，提出了分档定位查找算法，其优势是：①对于待查找的某个数，不需要进行“比较”，而只要进行“计算”，就可以直接在该查找表中确定一个数据“档”作为查找目标；②可以在该“档”范围内使用折半查找等高效查找；③适用于任意数据且数据量很大的查找表；④在避免了全程查找的同时也避免了“冲突”现象．     

一种基于哈希链表的多关键字排序算法

该文结合哈希表提出一种多关键字的排序算法,该算法根据数据元素的关键字转换,利用哈希表的地址映射实现数据元素在有序序列中的位置,从而通过减少关键字比较及移动使排序算法得到优化。算法基于哈希表改进而来,在特殊多关键字排序中具有一定的应用。     

排序算法的性能比较及基数排序在数据分类中的应用

虽然排序算法是一个简单的问题,但是从计算机科学发展以来,已经有大量的研究在此问题上。本文对各种排序算法的性能进行了比较。同时使用QT设计一个排序演示系统,可以使用各种排序算法演示排序过程。阐述了基数排序在数据分类中的应用,使用其来提高数据分类的效率。     

空间二叉树排序查找算法及其在网络游戏中的应用

在网络游戏服务器中,查找效率是影响服务器工作性能的一个关键性因素.首先分析了几个目前比较常用的查找方法,并在此基础上,结合网络游戏的特点,提出了一种以空间二叉树为索引表构成的索引表排序查找算法.它具有排序工作量低,查找速度快等特点,特别适合于网络游戏中的事件查找.实验结果表明,它比其他的一些传统查找方法在速度上有了近百倍的提高.     

常用排序算法的比较与分析

排序是计算机领域的一种重要操作,实现方法有很多种。该文从算法的基本思想、时间复杂度、空间复杂度、稳定性和问题的规模n值大小等方面对常用的排序算法进行了比较分析,为各种实际应用领域选择、设计一个高效且合理实用的算法提供了依据。     

静态链表上排序算法的研究

排序是计算机操作中的一种常用技术,排序算法在顺序表上有很多实现技术,但在静态链表上的研究却很少见。本文讨论了静态链表上冒泡排序,插入排序和选择排序算法的实现思想,用高级语言实现了这几种算法,最后分析了这些算法的性能。     

按位段分块排序法

本文提出一种按位段分块的新排序方法，给出了算法描述，算法分析和实验结果，并对此作了较详细的讨论，其理论意义是在基于比较的排序法中引入映身的思想，使该排序方法的平均时间复杂度达到Ｏ（Ｎｌｏｇ２（Ｎ／Ｍ）（其中Ｍ是块的个数）其实用价值是比基于比较的排序算法具有高效的效率且与数据类型，范围无关。     

高效快速排序算法研究

快速排序是排序算法中性能较好的一种,但存在对数据有序或者基本有序的情形下的性能瓶颈问题。为此,对比效率同为O(nlbn)的其他排序算法,提出一种新的高效快速排序算法。理论分析和实验数据表明,其性能优于原有的快速排序算法,并且在数据基本有序的状况下依然具有高性能和较强的鲁棒性。     

Analyzing and mining ordered information tables

Work in inductive learning has mostly been concentrated on classifying.However,there are many applications in which it is desirable to order rather than to classify instances.Formodelling ordering problems,we generalize the notion of information tables to ordered information tables by adding order relations in attribute values.Then we propose a data analysis model by analyzing the dependency of attributes to describe the properties of ordered information tables.The problem of mining ordering rules is formulated as finding association between orderings of attribute values and the overall ordering of objects.An ordering rules may state that “if the value of an object x on an attribute a is ordered ahead of the value of another object y on the same attribute,then x is ordered ahead of y“.For mining ordering rules,we first transform an ordered information table into a binary information table,and then apply any standard machine learning and data mining algorithms.As an illustration,we analyze in detail Maclean‘s universities ranking for the year 2000.     

有序决策表中的第三种不一致

现实世界中的有序性问题，反映在决策表上相当于在表的属性域上加上优先关系(preferential ordering)或者说是序关系的语义，这种决策表称为有序决策表，有序决策表中的条件属性又称为指标(criterion)，有序决策表中的对象在各个指标上有排序，在决策属性上又有一个总的排序。文献[1，2]指出对于有序决策表中存在一种普通的粗糙集模型不能识别的不一致，并以基于支配关系(dominance relation)的粗糙集模型(dominance-based rough set approach or DRSA)代替基于等价关系的经典粗糙集模型(classic rough set approach or CRSA)，DRSA可以处理这种不一致，文中则进一步指出有序决策表中还存在另一种不一致，不仅在应用上进一步完善了对有序表的处理，而且在理论上丰富了粗糙集中不一致的内涵。     

有序规则挖掘问题的研究

许多关于数据挖掘和机器学习的研究都集中于分类的研究，然而现实世界涉及到的不仅仅是分类问题，比如对象的排序问题。将有序规则的挖掘问题加以形式化，挖掘有序规则即要找到各个属性产生的排序与对象整体排序之间的关系。提出了有序信息表的形式化概念，然后提出了通过将有序信息表转化为一个二值信息表，继而挖掘有序规则的方法。     

From the Happened-Before Relation to the Causal Ordered Set Abstraction

Several works in distributed systems have been designed based on the Happened-Before Relation (HBR). Most of these works intend to be efficient in their implementation by identifying and ensuring dependency constraints among single events. Even when the minimal causal dependencies among events have been clearly identified, the evolution of systems, which may involve a high number of processes and a high volume of transmitted data, calls for the need to design even more efficient approaches. This paper proposes the Causal Ordered Set Abstraction (CAOS) where the causally related events are arranged in sets that are strictly causally ordered. As for single events, CAOS establishes that any pair of resultant sets can be, and can only be, causally or concurrently related. We claim that our ordered set abstraction can be used to design more efficient algorithms based on the HBR principle. This assertion is based on two main properties. First, CAOS attains a consistent compact representation of a distributed computation. Second, as a consequence of the causal ordering of the events in the resultant sets, it is sufficient to verify only a pair of single events, one per each set, in order to determine whether these sets are causally or concurrently related, regardless of the cardinality of the sets.     

一种基于偏序集直积的增量式概念格构造算法

目前,概念格的构造算法可分为批处理式和增量式两类.已有的增量式算法只适用于单个对象的逐个插入更新的情况,然而,在大多数的数据库中,更新操作往往是同时插入多个对象.为了适应这种情况,基于偏序集的直积运算,提出了一种新的增量式概念格构造算法,这种算法可以一次性地加入一个对象集合,而且在生成概念的同时,能够构造出概念格的Hasse图,从而完全解决了上述问题.最后,用一个实例检验了算法的正确性.     

关于对象排序的研究

排序和分类是人类的两种基本的知识,一般文献中讨论的都是关于分类规则的挖掘,分类规则是一种刚提出的新思想,文章对犤3犦犤4犦提出的挖掘排序规则的算法作了更为全面深入的探讨和改进,所做的工作包括:比较可用于比较对象优劣的基于支配关系(dominancerelations)的扩充粗集理论的算法犤1,2犦和直接挖掘有序规则的算法犤3,4犦,分析各自的优缺点;指出犤3犦犤4犦中的算法存在两种情况下的对决策表的过分匹配;用定量翻译决策表的方法和翻译后的决策表的对称性改进犤3犦犤4犦的算法;针对翻译后的决策表基数往往很大和在扩充的粗集理论下是对联合(union)而不是对决策类求规则造成的时间复杂度高的问题,提出了一种启发式的寻找最小规则的算法。     

Flexible hard real-time scheduling for deliberative AI systems

Constructing deliberative real-time AI systems is challenging due to the high execution-time variance in AI algorithms and the requirement of worst-case bounds for hard real-time guarantees, often resulting in poor use of system resources. Using a motivating case study, the general problem of resource usage maximization is addressed. We approach the issues by employing a hybrid task model for anytime algorithms, which is supported by recent advances in fixed priority scheduling for imprecise computation. In particular, with a novel scheduling scheme based on Dual Priority Scheduling, hard tasks are guaranteed by schedulability analysis and scheduled in favor of optional and anytime components which are executed whenever possible for enhancing system utility. Simulation studies show satisfactory performance on the case study with the application of the scheduling scheme. We also suggest how aperiodic tasks can be scheduled effectively within the framework and how tasks can be prioritized based on their utilities by an efficient algorithm. These works form a comprehensive package of scheduling model, analysis, and algorithms based on fixed priority scheduling, providing a versatile platform where real-time AI applications can be suitably facilitated.

潜在语义分析聚类算法在文摘句子排序中的应用

针对多文档文摘生成过程中话题容易中断和文摘句子语义出现不连贯这两个研究难点, 分析了潜在语义分析聚类算法在句子排序中的应用, 以期提高文摘的生成质量。先采用潜在语义分析聚类算法将文摘句子聚类, 从而形成话题集, 以达到解决话题中断的目的。通过计算文档的文摘展现力, 挑选出文摘展现力最大的文档作为模板, 然后根据模板对文摘句子进行两趟排序。实验结果表明, 提出的算法是有效的, 该算法能够提高文摘的可读性。     

相对知识粒度序决策表的属性约简方法

序决策表中的知识约简越来越受到关注,在优势类和知识粒度的基础上,引入了序决策表中的一种知识相对粒度,度量了属性集在序决策表中的相对不确定性,进而给出了属性相对重要度的定义。并设计了序决策表的一种启发式属性约简算法,通过实例分析和验证了算法的有效性。