基于KMP算法的next函数理解与分析

在字符串模式匹配算法的研究过程中,KMP算法是基于常规的BF算法的一种改进算法,而其中next函数值的求解过程更是该算法的重要内容.本文以原算法的求解过程作为基础,通过对next函数值求解过程的算法改进和模式字符匹配串匹配过程的描述,从而增强对KMP算法的理解.本文利用C语言实现了改进后的next函数值求解算法.     

一种场强测定的数值计算方法

提出了一种场强测定的算法,利用已知的场强数据,计算未知区域的场强的函数分布.通过已测定的场强数据的位置去构造相应的三角网格,在每个三角网格上建立Bernstein多项式,利用最小化能量函数的方法,确定Bernstein基函数的B系数,从而确定整个场强的函数分布.通过浙江省35个测定点某一频率覆盖区域内场强的实际接收情况检测及进行模拟计算,结果表明该算法是可行.它可以为广播频率的设计、发射机功率的确定以及台站位置的规划提供参考.     

含一个参数的填充函数算法

填充函数算法是一种求解无约束全局极小化问题的方法,这种方法的关键是构造填充函数.介绍了只含一个参数的填充函数,参数较易选取,且根据此填充函数给出一个求无约束全局优化问题的填充函数算法.     

基于短时平均幅度差函数的带噪语音端点检测算法

传统的基于自相关函数的端点检测算法有两个方面的问题,一是计算量大,二是要进行语音信号基音周期的提取.提出了一种改进的方法,用短时平均幅度差函数代替自相关函数,节约了计算量;利用浊音与噪声平均幅度差函数的区别省去了基音周期的计算,同时也避免了误差带来的问题.传统算法与改进算法的仿真比较表明,改进算法的检测曲线噪声容限大,所以在低信噪比下也表现出了较强的稳定性.     

基于差分跳频系统的频率转移函数算法研究

差分跳频通信是一种全新的跳频体制,差分跳频是CHESS电台的核心技术,它主要归结为一种信息调制于一体的频率转移函数（G函数）算法。在深入研究了频率转移函数产生机理及构造特性基础上,通过在隐式中引入纠错能力很强的RS码来控制跳频子集,从而提出了一种优化的针对1bit数据传输的G函数的正、逆构造算法并对其进行检验。结果表明,该算法产生的跳频图案具有良好的随机性和均匀性.     

利用径向基函数改进算法实现函数逼近

分析了径向基函数神经网络(RBFNN)的原理,总结出径向基函数网络的一种实用插值算法.按照此方法对实际的例子进行了计算,结果表明,本算法快捷、可靠.     

一种复合KPCA故障诊断模型

核函数主元分析(KPCA)故障诊断方法中核函数的具体形式对诊断性能的影响非常大.针对核函数具体形式选取问题,基于径向基高斯核函数和一类特定多项式核函数,构造出一种新的复合核函数模型.对模型的构造方法进行了论述,给出了具体的故障诊断算法的实现步骤.该模型在兼顾全局信息提取的前提下,保证了局部灵敏度,具有很好的拟合能力.通过与其他算法仿真比较表明所提出方法不但可以避免对模型的事先假设,且具有较高的故障诊断效率.     

一种用于函数优化的量子克隆算法

为了解决传统量子进化算法用于复杂函数优化易陷入早熟和收敛速度慢等问题,将克隆算子引入到量子进化算法中,提出了一种新型的进化算法一量子克隆算法.该算法既借鉴了量子进化算法的高效并行性又利用克隆算子增加种群的多样性.提高了算法在解决函数优化问题的全局寻优能力.仿真结果表明,该算法优于传统的量子进化算法,较好地解决了复杂函数的优化问题.     

用于函数优化的改进免疫克隆多样性算法

免疫系统具有许多可以用于解决工程和科学问题的特性,人工免疫系统是基于免疫系统特性而发展的新兴智能系统.针对免疫算法的多样性,利用免疫系统克隆选择和克隆抑制机制,提出一种用于函数优化的改进免疫克隆多样性算法,以达到简化复杂系统函数算法的目的.多样性算法是一种基于免疫系统抗体多样性机制而开发的免疫算法,这里给出了改进的算法步骤,指出改进算法与原算法的主要区别以及所依据的免疫系统原理;文章还对算法的复杂性进行了分析,证明了改进免疫系统克隆多样性算法可以利用相对小的候选解群体解决复杂函数优化问题.     

一种改进的BP网络快速算法

BP神经网络已广泛应用于许多领域,但标准BP算法收敛速度很慢.为了提高标准BP算法的收敛速度,提出一种基于LM数值优化算法,以双极性S型压缩函数为转移函数的改进BP算法.分析了双极性S型函数及LM算法与BP神经网络具体结合实现的方法,并给出了算法步骤.通过实例证明,改进后算法的收敛速度比其它BP算法快.     

非线性互补问题的罚函数法

将非线性互补问题转化为带约束的优化问题,在已有的利用罚函数方法求解约束化优化问题 的基础上,提出了利用惩罚函数方法来求解非线性互补问题的算法。并利用惩罚函数的单调性质证明了 算法的全局收敛性。最后得出的数值试验表明了算法良好的适定性和强收敛性质。     

非线性互补问题的罚函数法

将非线性互补问题转化为带约束的优化问题，在已有的利用罚函数方法求解约束化优化问题的基础上，提出了利用惩罚函数方法来求解非线性互补问题的算法。并利用惩罚函数的单调性质证明了算法的全局收敛性。最后得出的数值试验表明了算法良好的适定性和强收敛性质。     

一种求解有约全局优化问题的新型混合方法

通过将模拟退火算法与非线性规划神经网络适当结合，本文提出一种求解有约束全局优化问题的新型混合方法．为了使该方法尽可能保持一般模拟退火算法通用性强的优点，在每一次迭代中不是采用非线性规划神经网络直接求原问题的局部最优解，而是通过求解一个辅助优化问题得到原问题的可行解．数值计算结果表明，与使用罚函数方法处理约束的模拟退火算法相比，本文提出的混合方法不仅可靠性高，而且可以显著地提高计算效率．     

解非线性约束规划问题的新粒子群优化算法

给出非线性约束规划问题的一种新解法.首先把带约束的非线性规划问题转化成为2个目标的优化问题,在对搜索算子及各种参数进行合理设计的同时,提出了一种新粒子群优化算法(TS-MC),最后的数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

关于约束工程设计问题的一个新的混合算法

通过引入可行基规则和Hook-jeveese直接搜索法,提出一个求解约束工程技术问题的新的混合算法—Hook-je-veese搜索法和与可行基规则相结合局部收缩的微粒群算法的混合算法。通过3个典型的工程技术问题计算比较,计算结果表明了新算法是求解约束工程技术问题的一个高效的算法,而且获得了一些比以往文献更好的解。     

一种新的填充函数方法

提出了一种解决含有等式约束及不等式约束的全局优化问题的填充函数方法.该方法是把含有等式约束及不等式约束的全局优化问题,转换成只含有不等式约束的全局优化问题,再利用罚函数的思想,把求解有约束的全局优化问题化成求解无约束的全局优化问题.     

约束优化问题的实数制免疫-禁忌混合算法

针对免疫算法局部搜索能力较弱的缺点,提出了实数制编码的免疫-禁忌混合算法,在免疫操作后引入禁忌搜索算法来提高混合算法的爬山能力,从而提高求解精度和搜索速度,适合于约束优化问题的求解.在阐述混合算法计算原理的基础上,提出实数制编码方式、惩罚函数法和适应度函数构造方法.通过测试算例进行验算,计算结果表明,实数制编码的免疫-禁忌混合算法收敛速度快,计算精度高,特别适合计算复杂、时效性强的优化问题.     

A new evolutionary algorithm for constrained optimization problems

To solve single-objective constrained optimization problems,a new population-based evolutionary algorithm with elite strategy(PEAES) is proposed with the concept of single and multi-objective optimization.Constrained functions are combined to be an objective function.During the evolutionary process,the current optimal solution is found and treated as the reference point to divide the population into three sub-populations:one feasible and two infeasible ones.Different evolutionary operations of single or multi-objective optimization are respectively performed in each sub-population with elite strategy.Thirteen famous benchmark functions are selected to evaluate the performance of PEAES in comparison of other three optimization methods.The results show the proposed method is valid in efficiency,precision and probability for solving single-objective constrained optimization problems.     

求解非线性方程组的一种新方法及应用

针对非线性方程组求解问题提出一种变异量子粒子群算法,该算法首先把非线性方程组的求解转化为约束优化问题,然后根据可行性规则,引入约束违反度函数,结合变异算子,不断地寻找更优可行解,逐渐达到搜索全局最优解。数值实验表明,所设计变异量子粒子群算法是可行的、有效的,是求解非线性组的一种成功算法。     

一种改进的混合蛙跳算法求解有约束优化问题

提出一种适用于求解有约束优化问题的改进混合蛙跳算法(improved shuffled frog leaping algorithm, Im-SFLA)。该算法针对混合蛙跳算法(shuffled frog leaping algorithm, SFLA)在进化后期搜索速度变慢且容易陷入局部极值的缺陷,将模拟退火和免疫接种思想引入到具有高斯变异和混沌扰动的SFLA中。标准测试函数仿真结果表明Im-SFLA能显著提高收敛速度和精度,并能有效克服局部极值,全局寻优能力明显优于SFLA。使用静态罚函数法将有约束优化转化为无约束优化,对12个有约束优化测试函数的实验结果表明Im-SFLA寻优精度高、鲁棒性强,是一种十分有效的求解有约束优化问题的算法。