一个并行分枝限界算法产生器的设计与实现

分枝限界算法是一种求解组合优化问题的一般性方法,并行化是提高算法性能的有效手段。文章使用［５］中提出的算法模式和结构模式的概念和思想设计并实现了一个并行分枝限界算法的产生器。该产生器通过提供并行分枝限界算法的抽象框架,将它应用于要求解的问题,可以得到问题的并行分枝限界算法。     

求解VRP的蚁群算法研究

车辆路径问题是物流配送中一个至关重要的问题。由于它是一个NP-Hard问题,启发式算法成为求解VRP的主要方法。蚁群算法是近年来发展起来的一种可以用来求解VRP的启发式算法。实验证明,该方法能够很好地解决车辆路径问题。本文详细阐述了蚁群算法的基本原理和求解VRP的蚁群算法过程。     

非线性循环不变式的自动生成

提出了一个自动生成非线性循环不变式的算法。循环不变式可以表示成一个带参数的多项式的形式,根据断言的归纳特性,将循环不变式的生成问题转变成一个约束求解问题,这个约束求解问题的每个解对应于一个循环不变式,如果约束求解问题仅有零解,则说明不存在该参数多项式形式的循环不变式。该算法在Maple中得到了实现,并通过一些实例说明了该算法的有效性。     

电阻抗扫描成像病灶参数提取算法

为了提升电阻抗扫描成像的性能,本文提出了一个完备参数提取算法.该算法由前向问题建模以及参数提取两部分构成.前向问题模型基于静电散射理论,通过该模型可以获得前向问题的解析解.与常用的采用迭代过程的前向问题求解方法相比,采用新模型的前向问题求解速度大大提高.基于提出的前向问题模型,参数提取可以视作一个约束优化问题并采用改进的单纯形算法求解.仿真实验表明,完备参数提取算法与已有的参数或信息提取算法相比,不仅能够获得乳腺癌病灶更多的信息,并且准确度和鲁棒性更好.     

电阻抗扫描成像完备参数提取算法

为了提升电阻抗扫描成像的性能,本文提出了一个完备参数提取算法。该算法由前向问题建模以及参数提取两部分构成。前向问题模型基于静电散射理论,通过该模型可以获得前向问题的解析解。与常用的采用迭代过程的前向问题求解方法相比,采用新模型的前向问题求解速度大大提高。基于提出的前向问题模型,参数提取可以视作一个约束优化问题并采用改进的单纯形算法求解。仿真实验表明,完备参数提取算法与已有的参数或信息提取算法相比,不仅能够获得乳腺癌病灶更多的信息,并且准确度和鲁棒性更好。     

无约束图像分割模型的快速数值算法

针对无约束图像分割模型的实现问题,提出一种基于分块协调下降方法的快速数值算法.该算法将模型的对偶问题转化为一组约束一元或二元二次极值问题,不仅避免了原问题求解时局部不可微性和高非线性性等难点,使得求解过程简单并易于实现:而且与现有的基于梯度下降的算法相比,具有无条件全局收敛性并显著地提高了收敛速度.仿真实验结果表明了所提出算法的有效性和在分割效率上的优越性.     

利用粒子滤波原理求解非线性方程组

为了提高非线性方程组的求解精度,利用粒子滤波算法对非线性方程组问题进行求解计算。系统地介绍粒子滤波算法的基本原理及其优化算法的实现过程。将非线性方程组的求解问题转化为函数优化问题,并建立基于粒子滤波算法求解非线性方程组的优化模型。通过仿真实例验证所提方法的有效性。实验结果表明该方法能够准确、有效地解决非线性方程组的求解问题,这也为非线性方程组问题的研究提供一种有效的手段。     

基于免疫算法的TSP问题求解

描述了免疫算法的一种框架结构,并给出了用此免疫算法求解ＴＳＰ问题的具体实现方法,求解结果体现了免疫算法的良好性能。     

基于暂态混沌神经网在非平衡B指派问题的应用

讨论了非平衡B指派问题的求解算法，给出了暂态混沌神经网络模型，并描述了非平衡B指派问题，提出了基于暂态混沌神经网络的非平衡B指派问题的求解算法。仿真结果表明，该网络可以通过混沌机制来避免陷入局部极小点，从而能够保证快速有效地求解该指派问题。该文还用这种方法求解了属于NP难题的文件分配问题(FAP)。     

矩形件排样问题的遗传算法求解

本文研究了求解矩形件正交排样优化问题的遗传算法。同时，将矩形件正交排样问题转化为一个排列问题，提出了求一个排列所对应的排样图的下台阶算法（改进的ＢＬ算法）将下台阶算法与遗传算法相结合，用于矩形件排样问题的求解，给出了该算法的实现。用该算法对文献中的两个算例进行了求解，结果表明该算法获得了比ＢＬ算法更好的解，是一种较为行之有效的方法。     

快速模糊边缘检测算法

边缘检测是图象处理中的一个重要组成部分。通过对Pai.King模糊边缘测算法进行改进,提出了一个快速模糊边缘检测算法。该快速算法不但简化了Pil.King算法中复杂的G和G^-1运算,而且通过实验,确定了Tr变换中最佳的隶属度阈值,并减少了迭代次数。从两组实验结果可以看出,快速算法不但提高了Pai.King算法的效率,而且检测效果也优于pai.King算法。快速算法不但适用于普通图象,而且也适应于遥感图象,并具有很强的检测模糊边缘和细小边缘的能力,这种快速算法的性能优越,是一种实用的、有前途的图象处理算法。     

快速模糊边缘检测算法

通过对Pal.King的模糊边缘检测算法进行改进，提出了一种快速模糊边缘检测算法，该快速算法不但简化了Pal.King算法中复杂的G和G^-1运算，而且通过实验，确定了Tr变换中最佳的隶属度阈值，大大地减少了迭代次数，从实验结果中可以看出，该快速算法不但提高了PalKing算法的效率，而且具有很强的检测模糊边缘和细小边缘的能力，这种快速算法的性能优越，是一种非常实用的、高效的图像处理算法。     

一种最小代价组播树的快速算法

本文对KMB算法进行了改进,提出了一种快速的最小代价组播树算法,它只需使用一次PRIM算法,也不需要判断叶结点,从而快速地获得了最小代价组播树,减少了算法的运行时间。随机网络模型的仿真实验表明：该算法的计算时间远小于KMB算法,是一种快速、稳定、高效的算法。     

对偶算法的有效改进

运动估值的快速算法普遍存在着精度过低的缺陷。本文应用块匹配法的基本原理，通过对块匹配规律的分析，找到了改进对偶法快速算法搜索路径的有效方法，提出了实用快速算法——最大梯度及多重循环对偶法。该算法在兼顾准确性的同时，保留了算法路径简单、易于实现的优点，其匹配结果仍具有快速算法的速度且更加接近全匹配算法的精度。     

基于散列查找的数据包分流算法研究

随着Internet规模的不断扩大与应用技术的不断进步,越来越多的业务需要对数据包进行实时、快速的分类,对数据包分类算法的研究具有重要的现实意义。提出了一种快速的数据包分流算法,采用了散列算法的基本思想,并引入了流的局部性原理加速散列查找的过程,分析表明,该算法具有良好的时间复杂度和空间复杂度,可以实现快速的分流。     

快速super twisting 算法及其在飞翼布局无人机姿态控制上的应用

通过在super twisting 算法中增加线性项, 提出一种快速super twisting 算法, 并采用Lyapunov 方法证明了受扰快速super twisting 算法具有比受扰super twisting 算法更优良的收敛特性. 将该算法应用于存在干扰的飞翼布局无人机姿态控制, 设计快速super twisting 观测器以实现对干扰的快速估计和补偿. 仿真结果表明, 在相同的控制器参数下, 相比super twisting 观测器, 快速super twisting 观测器的收敛速度更快, 可提高姿态控制系统的鲁棒性.

     

运动估值的实用快速算法

现有的许多有关运动估值的快速算法,都存在着匹配速度快与匹配精度差的矛盾。文章在分析已有典型快速算法优缺点的基础上,提出了解决这一矛盾的分步逼近的新算法——“迂回逼近法”;算法选择了快捷和更为准确的搜索路径,且对程序的实现技术作了有效改进,其最终匹配结果具有全匹配算法的精度和典型快速算法的速度。文中说明了算法原理,程序技术和对比实验结果。     

最大模糊熵阈值法的快速算法

针对最大模糊熵图像阈值分割算法计算量太大的问题,文中在分析S型隶属函数特点和模糊熵性质的基础上,提出一种最大模糊熵阈值法的快速算法。该算法将最大模糊熵阈值分割算法的时间复杂度由O(L⁴)降到O(L³),同时避免优化算法易于陷入局部极值的缺陷。该快速算法可在提高算法速度的同时保证最大模糊熵阈值法的分割性能。     

二次背包问题的一种快速解法

在分析了二次背包问题(QKP)精确算法的计算效率随利润矩阵密度下降的原因的基础上，提出了不受密度影响的QKP快速解法——利润欺骗法．在线性化QKP的目标上界估计中，利润欺骗法通过引进一适当正常数对称扩展Lagrangian乘子的变化范围，亚梯度优化算法能较快地找到-Lagrangian乘子矩阵，使对偶问题的解逼近线性化QKP问题的等式约束条件．通过提高目标函数的估计精度，利润欺骗法可以提高变量约简效率，降低分支决策深度．实例计算表明，快速算法的效率远高于精确算法，而且计算精度并不降低．     

前馈神经网络的混沌BP 混合学习算法

简要分析由Logistic映射产生的混沌数以及不同混沌序列之间的概率统计特性，为混沌全局性搜索提供了依据．将一种快速BP算法与混沌优化相结合，提出了混沌BP混合算法，由于混沌Logistic映射的遍历性、随机性，使得混合算法收敛速度快，且具有全局性，采用混合算法对XOR问题和非线性函数进行仿真，结果表明该算法明显优于标准BP算法和快速BP算法。