一个基于最小割集扩容的网络优化算法

When designing the topology architecture of a large network,or managing and controlling a run network,the battleneck is always changeable with the increase of the network flow,which must be considered. In this paper ,af-ter analyzing the Ford-Fulkerson algorithm,we point out the relationship between the network min-cutset and the network bottleneck,present an optimal capacity expansion algorithm based on min-cutest,and take a network instanceto analyze and prove our algorithm in detail. This algorithm can improve the capacity of network effectively and solvethe bottleneck problem of the network.     

基于广义割集算法的军事运输路径优化

在建立军事运输路径优化模型的基础上,结合网络图论的思想,构造了广义邻接矩阵和广义割集单元矩阵,利用广义割集单元矩阵的简单运算,提出了求解最小广义权路径的割集算法和最大流的割集算法。研究了广义割集算法的适用范围以及复杂度,利用该算法可直观快速地解决军事运输中各类参数路径优化问题。给出的算例验证了模型和算法的有效性。     

探析基于蚁群算法的无线传感器网络路由算法优化

近些年来,随着时代经济的飞速发展以及科学技术的日新月异,现代化无线通信和电子技术日益成熟,以至于多功能和低功耗的微型无线通信传感器节点迅速发展起来.同时无线传感器网络作为一种小体积和低功耗的无线多跳网络,涵盖了分布式信息手机、无线通信技术以及数据处理3大技术.在对基于蚁群算法的无线传感器网络路由算法优化进行了研究,分析了无线传感器网络的基本定义、特征以及基本体系结构,分析了无线网络传感器路由协议的基本目标、算法设计的瓶颈以及其基本分类,探讨总结了基于蚁群算法的无线传感器网络路由算法优化的实现过程.     

基于模拟退火算法的设计结构矩阵分析优化

研究产品设计过程效率问题,设计结构矩阵对产品设计过程进行建模,依据设计结构矩阵的原理及优化理论,通过图论方法分析优化了简单设计过程,针对强耦合设计任务块的问题,无法使用图论方法寻找耦合任务块和对耦合任务块进行优化,为了缩短生产过程的执行时间,使用模拟退火算法进行DSM分析优化.在算法的设计上对DSM进行n进制数字编码,新状态函数产生采用n进制编码两点互换法,新状态接受函数使用Metropolis重点抽样原则产生,根据实际问题的规模选取了直线降温的退火函数,仿真试验证明,合理选取终止温度作为最优解的终止条件,应用上述关键技术可以取得满意的结果,虚拟卫星太阳翼为例验证了算法的可行性.     

基于禁忌算法的长沙移动网络优化

移动网络优化问题是一个NP难问题,所以它并不能保证在合理的运行次数里就找到最优的方案。常用的人工智能求解优化问题有遗传算法、蚁群算法和禁忌算法。相对于这几种算法在离散对象的组合优化问题中优势比较明显,而禁忌算法更容易跳出局部极值从而能在更大的范围内寻找到一个较优解。我们开发的基于禁忌算法的长沙移动网络优化软件,通过科学分析采集的数据,从而解决话务阻塞和掉话问题,优化了网络,提高了长沙移动的网络质量。     

蚁群算法的BP网络优化算法

利用蚁群算法和BP网络训练算法相结合的方法对无线传感网络节点路由路径搜索展开了分析研究,简单分析了蚁群算法实现的基本原理,在此基础上重点给出了基于蚁群算法的BP网络优化算法的基本原理及其实现步骤,并对该优化算法与传统的BP网络训练算法的性能进行了对比仿真测试。     

大型石化企业的网络设计

本描述了石化企业内部网络系统的结构设计及造型。     

基于蚁群算法的航班网络座位优化研究

座位优化是航空公司增加收益的有效方法,航班网络座位优化是目前主要的研究方向。针对起始地 目的地 舱位票价（ODF）和座位数组合的复杂性,传统的优化模型由于决策变量数多,难以用于实际计算;改进的线性规划方法在一定程度上改善了模型的实用性,但在求解大规模的网络问题时,计算时间长,复杂度高。采用蚁群算法求解网络座位优化问题能克服以上不足。实验结果表明,蚁群算法能快速得到令人满意的解;同时,蚁群算法简化了问题复杂度,思想简单,易于实现。     

基于计算机算法设计及其评价标准分析

计算机强大而准确的计算能力是建立在其算法基础上的.在计算机科学中,计算机工作的原理就是执行计算机算法,计算机算法指的是为了解决一个具体问题而精心组织并且能够准确进行定义的一系列规则或者指令.计算机算法种类繁多,因此算法分析设计成为用户利用计算机程序设计实现解答问题的重要前提,面对可能存在的多个计算机算法,如何对计算机算法进行分析设计,选择最优算法,是用户寻求问题解答最佳方案的关键.     

基于粒子群优化的BP网络学习算法

本文提出一种新颖的基于粒子群优化的BP网络学习算法，该算法是一种全局随机优化算法。用Iris分类问题，将所提出的算法与BP算法作了对比实验。实验结果表明：所提出的算法性能优于BP算法，而且具有良好的收敛性。     

基于快速BP算法的非线性系统神经网络自校正控制器

提出了对于一大类未知,不确定,时变单输入单输出离散非线性系统,利用三层BP网络,采用快速BP算法构成学习和自校正控制的方案,针对同一被控对象,设计了PID控制器,仿真结果表明本文所提出的神经网络自校正控制的优越之处。     

基于无线网络的入侵检测系统研究与设计

本文对无线局域网络(WLAN)的入侵方式、入侵接入进行了分析,总结提出了WLAN网络中入侵检测技术系统的设计要求,结合有线网络中比较成熟的入侵检测技术,设计了一个分布式WLAN入侵检测系统(WDIDS)模型,我们认为该模型对研究无线局域网络入侵检测技术有一定的参考价值。     

基于无线传感器网络的分组加密算法的设计

为了适应传感器网络的发展,应对传感器节点计算能力和存储资源的限制,基于无线传感器网的WSW(Wireless Sensor Whisper,无线传感耳语算法)算法是一种专门针对传感器能力限制而提出的分组加密算法。WSW算法通过扩展基本逻辑运算获得256种不同的加密方式,同时通过在算法中引入随机选择算法来增强算法的安全性,该算法使用的加密方法和随机选择可以减少节点运算次数,使得节点数据保证安全的同时能量及时间消耗也尽可能减少。     

基于知识系统的网上LTS分析与设计

提出了基于知识的网上教学系统的工作流程,分析了远程教学智能化实现的一般原理,讨论了系统设计的相关技术。     

基于复杂网络的文本关键词提取算法研究

本文将复杂网络理论应用于文本挖掘技术,构造基于词汇共现性关系的词汇概念复杂网络,对文本词汇的重要性指标进行计算分析,挖掘文本中主题的关键词。在计算词汇重要性指标时,综合考虑目标词汇的频率以及其相邻节点的贡献度。通过实验对比,证实本文网络节点评价指标与基于加权度和加权集聚系数的综合指标相比具有优越性。此外,本文通过复杂网络社区合并的手段,发现了关键节点之间的网络拓扑关系,即核心网络。通过分析核心网络,可以获得关键词和文本主题的对应关系,为进一步的文本分析提供有效的理论基础。     

基于网络中心性分析的虚拟网络映射算法

定义了有权网络节点紧密度和路径中心度,并提出了基于网络中心性分析的虚拟网络映射算法。该算法是一个两阶段映射算法,从全局角度分别对底层节点和映射路径进行了有效的定量评估,提高了映射资源选择的均衡性。仿真实验结果表明,与现有的主流研究成果相比,该算法显著地提高了虚拟网络请求接受率。     

一种小波神经网络的混沌加密算法研究

概括了小波神经网络的主要理论,将小波神经网络和混沌系统相结合,建立了一种混沌序列的生成模型,给出基于小波神经网络的混沌加密算法,最后对算法进行计算机仿真实验.结果表明小波神经网络具有更快的收敛速度和更准确的逼近能力,而基于小波神经网络的混沌加密算法具有很高的安全性.     

结合聚类思想神经网络文本分类技术研究*

针对传统的基于神经网络文本分类算法收敛速度慢等缺点,在分析了文本分类系统的一般模型,以及在应用了互信息量的特征提取方法提取特征项后,提出了一种基于样本中心的径向基神经网络文本分类算法;并引入了聚类算法的核心思想,改进误差反向传播神经网络分类算法收敛速度较慢的缺点。实验结果表明,提出的改进算法与传统的BP神经网络分类算法相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果。     

基于UKF的增长型模糊神经网络设计

为了实现模糊神经网络结构和参数的同时调整,提出一种基于无迹卡尔曼滤波(UKF)的增长型模糊神经网络(UKF-GFNN).首先,利用UKF对模糊神经网络的参数进行调整;然后,设计一种基于隐含层神经元输出强度的模糊规则增长机制,实现模糊神经网络的结构增长;最后,将所提出的增长型模糊神经网络应用于非线性系统建模.实验结果显示,基于UKF的增长型模糊神经网络能够实现结构和参数的自校正,并且具有较高的建模精度.     

基于SIFT算法的智能交通标志识别系统的设计与研究

随着机动车辆的日益增多,交通环境日益恶化,针对这种情况设计了一种基于SIFT算法的智能交通标志识别系统,不仅可以有效地辅助交通监管,而且能及时为驾驶员提供有效参考信息,避免违章事故的发生。利用SIFT算法构建仿射不变的特征子空间,并结合交通标志自身独特的颜色及形状特征,达到对交通标志的有效检测、识别和匹配,从而完成交通标志的智能识别。该系统不仅为交通执法部门装备一双智能化的慧眼,并且在一定程度上保障了驾驶员及乘客的人身安全。实验数据表明,本系统可以在复杂情况下高效、准确地识别出交通标志。