求解QBF 问题的启发式调查传播算法

提出了一种启发式调查传播算法,并基于该算法设计了一种QBF(quantified Boolean formulae)求解器——HSPQBF(heuristic survey propagation algorithm for solving QBF)系统.它将Survey Propagation信息传递方法应用到QBF求解问题中.利用Survey Propagation作为启发式引导DPLL(Davis,Putnam,Logemann and Loveland)算法,选择合适的变量进行分支,从而可以减小搜索空间,并减少算法回退的次数.在分支处理过程中,HSPQBF系统结合了单元传播、冲突学习和满足蕴涵学习等一些优秀的QBF求解技术,从而能够提高QBF问题的求解效率.实验结果表明,HSPQBF无论在随机问题上还是在QBF标准测试问题上都有很好的表现,验证了调查传播技术在QBF问题求解中的实际价值.     

集成电路模块布局问题的一种有效算法

该文提出了一种求解集成电路模块布局问题的启发式算法。该算法通过设计一种合理的布局优先序,对同一模块可能的多个布局位置进行了比较,并将其放置在优先度最高的适当区域。实验结果表明,这一算法尽管简单,但对求解集成电路模块布局问题是有效的。     

基于改进免疫遗传算法的矩形件排样

文章在基本免疫遗传算法的基础上提出了针对矩形件排样问题的改进算法,探讨了能记忆排样过程先验知识的浓度算子对排样过程的影响,实验证明是有效的。     

一种高效的最小二乘支持向量机分类器剪枝算法

针对最小二乘支持向量机丧失稀疏性的问题,提出了一种高效的剪枝算法.为了避免解初始的线性代数方程组,采用了一种自下而上的策略.在训练的过程中,根据一些特定的剪枝条件,块增量学习和逆学习交替进行,一个小的支持向量集能够自动形成.使用此集合,可以构造最终的分类器.为了测试新算法的有效性,把它应用于5个UCI数据集.实验结果表明：使用新的剪枝算法,当增量块的大小等于2时,在几乎不损失精度的情况下,可以得到稀疏解.另外,和SMO算法相比,新算法的速度更快.新的算法不仅适用于最小二乘支持向量机分类器,也可向最小二乘支持向量回归机推广.     

Questioning skills facilitate online synchronous discussions

Abstract The results of this study show that effective questioning skills increase student intellectual moves that, in turn, facilitate the process of knowledge construction in online synchronous discussion (OSD). The open-ended questions elicited multiple perspectives by promoting student participation, while OSD enabled them to share and debate multiple perspectives simultaneously without worrying about interrupting the flow of a conversation that had moved on. Furthermore, the high level of questions engaged students in higher order thinking. That is, OSD can be productive for learning when organised with appropriate questioning skills. The implication is that educators have to re-engineer their thinking to teach with OSD in order to discover effective pedagogy that uses OSD as an integral component in teaching. Research on educational OSD should focus on how and when it is an appropriate learning tool that enhances learning processes and outcomes.     

一种自适应的多臂赌博机算法

多臂赌博机问题是强化学习中研究探索和利用两者平衡的经典问题,其中,随机多臂赌博机问题是最经典的一类多臂赌博机问题,是众多新型多臂赌博机问题的基础.针对现有多臂赌博机算法未能充分使用环境反馈信息以及泛化能力较弱的问题,提出一种自适应的多臂赌博机算法.该算法利用当前估计值最小的动作被选择的次数来调整探索和利用的概率(chosen number of arm with minimal estimation, CNAME),有效缓解了探索和利用不平衡的问题.同时,该算法不依赖于上下文信息,在不同场景的多臂赌博机问题中有更好的泛化能力.通过理论分析给出了该算法的悔值(regret)上界,并通过不同场景的实验结果表明：CNAME算法可以高效地获得较高的奖赏和较低的悔值,并且具有更好的泛化能力.     

An Effective Near-Optimal State-Space Search Method: An Application to a Scheduling Problem

This paper presents aneffective near-optimal search method forstate-space problems. The method, LTA^ast(Learning Threshold A^ast), accepts athreshold parameter, p, as an input and finds asolution within that range of the optimum. Thelarger the parameter, the faster the methodfinds a solution. LTA^ast is based on acombination of recursion and dynamic memoryand, like A^ast, keeps information about allstates in memory. In contrast to A^asthowever, which represents each node as acomplete state, LTA^ast represents each nodeusing an operator. This representation of thenodes makes LTA^ast dramatically efficientwith respect to memory usage. Another advantageof LTA^ast is that it eliminates any need forcomputational effort to maintain a priorityqueue, and this elimination significantlyincreases speed. To test the effectiveness andefficiency of the method we have applied it toNP-hard problems in scheduling. The testresults indicate that the method is effectivein trading speed with the quality of solutionsand that it is efficient in producing solutionsfor p = 0.     

基于改进免疫遗传算法的不规则图形排样

在基本遗传算法的基础上提出了针对件排样问题的改进免疫算法;探讨了能记忆排样过程先验知识的浓度算子对排样过程的影响,实验证明是有效的.     

货物装载问题的有效空间算法研究

货物装载是物流配送的重要环节,其方案的优劣对提高整个物流系统的效率和降低运输成本都有着重大的影响。由于货物装载问题理论上属于NP-完全问题．实际应用中只能以近似最优的方法求解,如启发式算法和遗传算法等。本文基于有效空间的算法提供了此类问题的一种实际可行的解决方法,实践证明具有较大的应用价值。     

背包问题的一种自适应算法

背包问题是经典的NP-hard组合优化问题之一,由于其难解性,该问题在信息密码学和数论研究中具有极重要的应用．基于求解背包问题著名的二表算法和动态二表算法,利用归并原理和4个非平衡的子表,提出一种求解该问题的自适应算法,算法可根据计算资源和问题实例规模的大小,允许使用O(2^n/2-ε)的存储空间(1≤ε≤n／4),在O(ε(2^n/2))的时间内求解背包问题．对算法性能的理论分析和数值实验结果表明,自适应算法可显著扩大背包实例的求解规模,从时间和空间上改进背包问题现有算法的性能．     

一种高效的图像匹配算法

兼顾算法的精度和效率两个方面,基于图像特征的图像匹配算法,逐渐成为众多学者研究的热点.文中提出了将多分辨率和极线约束与相关法相结合的图像匹配方法.该方法采用金字塔分层和极线约束来弥补相关匹配带来运算量大的不足,克服了图像匹配中精度低和速度慢的缺点.通过实验验证该方法不仅能够有效地缩短匹配时间,还能达到较高的匹配精度.     

背包问题的基因学习优化算法

背包问题是典型的NP完全问题，针对背包问题，给出一种新的基于基因学习思想的求解算法。基因学习算法是在PBIL算法与自私基因算法基础上提出的一种适应性和搜索能力更强的优化算法。试验取得较好的效果，表明该算法加快收敛速度和提高全局寻优能力。     

最小生成树的高效异步并行算法

在ＭＩＭＤ－ＳＭ并行计算模型上，本文给出了时间复杂性为Ｏ（ｎ（ｎ／ｐ＋ｌｏｇｐ））的最小生成树的异步并行算法，其中ｎ，ｐ（１≤ｐ≤ｎ）分别表示图的顶点数和处理机的个数。     

背包问题的最优并行算法

利用分治策略,提出一种基于SIMD共享存储计算机模型的并行背包问题求解算法.算法允许使用O(2^n/4)^1-ε个并行处理机单元,0≤ε≤1,O(2^n/2)个存储单元,在O(2^n/4(2^n/4)^ε)时间内求解n维背包问题,算法的成本为O(2^n/2).将提出的算法与已有文献结论进行对比表明,该算法改进了已有文献的相应结果,是求解背包问题的成本最优并行算法.同时还指出了相关文献主要结论的错误.     

电路布线问题求解的改进算法

常用的解决电路布线问题的算法的时间和空间的复杂度都是O(n2)。这里n为一块电路板的上端(或下端)接线柱的个数。现给出一种时间复杂度为O(nlogn)的新算法。改进了传统的算法。     

子集和问题的改进算法

Due to the importance of the subset sum problem in cryptosystem,in the past two decade,much ellort has been done in order to find techniques that could lead to practical algorithms with reasonable running time. Based on the two-list four-table algorithm ,this paper proposes an improved algorithm for the solution of subset sum problem. To find a solution for the n-element subset problem,the proposed algorithm needs O(2^n/2-g) memory,1≤ε≤n/4,and in O(ε(2^n/2)) time. The theoretic analysis and the computational experiments show that our proposed algorithm can solve the subset problem instances that can‘t be solved before ,thus it is an improved result over the past researches.     

最长模式子序列问题的算法分析

最长模式子序列问题在生物信息学中有重要的应用.本文首次提出求a=aoa1…an-1∈ωn的最长σ模式子序列的O(n2)时间算法,并对|σ|≤2的情形推广了RSK算法和标准Young表,对算法作了改进,得到了当|σ|=1时的O(nlogk)时间算法和当|σ|=2时的O(n)时间算法.     

一种有效的DCT域下采样视频解码算法

为了提高多媒体处理能力有限的终端上的视频播放能力,本文提出了一种有效的DCT域下采样视频解码算法。利用DCT变换的称卷积特性和能量集中特性对压缩视频进行下采样反DCT,并在下采样运动矢量近似和插值处理之后,通过下采样运动补偿重建下采样的视频图像。算法的下采样反DCT、像素插值和图像重建的运算复杂度分别比常规解码减少少了50％、50％和75％,使得整体解码效率有60％左右的提高。算法在基于XScale的嵌入式终端平台上进行了实现和测试,效果良好。     

单源最短路问题高效算法探究

单源最短路问题是算法研究中由来已久的一个问题,在算法领域早期已经得到了较好的解决,但是在应用计算机语言实现的过程中往往不够优化,导致较高的时间复杂度和空间复杂度。从原始的迪杰斯特拉算法入手,进行透彻分析,在算法思想和实现方式上提出一种全面优化的算法方案,并给出了核心代码。实现过程中使用了堆的数据结构,并在具体的实现过程中进行灵活的优化。经过理论的算法复杂度分析,以及实际的数据测试,都证明全新优化后地单源最短路算法计算耗时非常少,空间复杂度也得到很大程度的降低,应用价值更强。     

单源最短路问题高效算法探究

单源最短路问题是算法研究中由来已久的一个问题,在算法领域早期已经得到了较好的解决,但是在应用计算机语言实现的过程中往往不够优化．导致较高的时间复杂度和空间复杂度。从原始的迪杰斯特拉算法入手,进行透彻分析,在算法思想和实现方式上提出一种全面优化的算法方案,并给出了核心代码。实现过程中使用了堆的数据结构,并在具体的实现过程中进行灵活的优化。经过理论的算法复杂度分析,以及实际的数据测试,都证明全新优化后地单源最短路算法计算耗时非常少,空间复杂度也得到很大程度的降低．应用价值更强。