非线性约束条件下一个超线性收敛的要行方法（Ⅱ）—子算法A

给出了一个新的子算法Ａ，用以计算本文第一部分提出了主算法Ａ中的“一阶方向”。由于此子算法已充分利用算法Ａ中已有的信息，所以并没有增加计算量，这样，联合算法Ａ及子算法Ａ，就可以得到一个实用的可行优化算法。     

适于前馈神经网络的LM-QuasiNewton综合学习新方法

为实时解决神经网络学习过程中可能遇到的大残量时的收敛问题，将LM算法与Quasi Newton优化算法结合，构建了一种综合学习算法(LM-QuasiNewton算法)．仿真算例表明，该算法较好地解决了残量问题，收敛性与稳定性优于其它权值算法．合学习算法．仿真实例表明，该算法较好地解决了残量问题，在收敛性与稳定性方面优于其它权值算法。     

流水线技术在并行数据库查询优化中的应用研究

分析了并行数据库查询算法Ｍｅｒｇｅ－Ｕｐｄａｔｅ的性能，提出了一种新的流水线查询思想，并基于该思想对算法Ｍｅｒｇｅ－Ｕｐｄａｔｅ加以改进，给出Ｐｉｐｅｌｉｎｅ算法过程，对比分析两各垢不同特点。归纳出Ｐｉｐｅｌｉｎｅ算法的形式化描述形式，采用典型数学公式对两各算法的性能值进行计算，比较二者的性能，突出Ｐｉｐｅｌｉｎｅ算法的优越性。     

基于不同张量算法的交通拥堵识别效果对比分析

基于表征多维动态交通数据的张量数学模型，利用行程时间交通数据，对张量算法中交通拥堵识别效果较好的基于鲁棒主成分分析的张量恢复算法(RSTD)和基于贝叶斯定理的张量恢复算法(BPTF)进行分析，对比两种算法对交通拥堵的识别效果。结果表明，两者在常发性拥堵(早晚高峰)识别上的差距并不大，RSTD算法的偶发性拥堵(意外延误)识别能力强于BPTF算法，且RSTD算法具有更高的识别精度。整体来说RSTD算法的交通拥堵识别效果优于BPTF算法。     

求解TSP和MTSP的混合遗传算法

许多应用涉及多推销员问题（MTSP），已有许多启发式算法求解TSP的最优或近似最优路线，但研究MTSP的算法并不多，结合启发式算法和遗传算法，设计了求解TSP和MTSP的混合遗传算法，数字实例说明了该算法的有效性。     

免疫进化算法

研究现有进化算法的优越性与存在不足的基础上，受生物免疫原理的启发，提出了一种新的算法－－免疫进化算法。该新算法作为一种全局优化算法，以父代最优个体为基础来产生子代群体，并以最优个体的收敛来代替群体的收敛，在寻优过程中，该新算法还把确定性的和随机性的搜索有效地结合在一起，提高了收敛速度，通过马尔可夫链的分析，证明它是全局收敛的。测试表明，免疫进化算法不仅参数设置简单，而且可以提高收敛速度。     

线性规划问题的初始解与线性不等式组的相容性

本给出了一个求解线性规划问题初始解的算法，该算法是将作原算法稍中修改而成，与原算法配套组合，即构成一个完整的求解一般线性规划问题的强多项式算法。本给出的算法同时是判别线性不等式相容性的一个方法。     

一种新的波分复用光网络动态路由和波长分配算法

研究了WDM光网络中的路由和波长分配问题，并比较了目前提出的算法，对算法作了归类，提出了一种新的动态路由和波长分配算法，对算法的时间复杂度进行了分析．仿真试验结果表明，新算法减小了网络的阻塞概率，提高了网络性能。     

多层神经网络的有效训练算法

提出了基于整体模式的多层神经网络的有效训练算法，给出了偏导矩阵的递算法，由此导出多层神经网络的并行训练算法，本文提出的训练算法进行模型参数估计，其领导具结果表明，该算法不仅减少训练周期，而且还可提高模型参数的估计精度。     

货物合理配装的实用启发式算法

提出了货物配装中的一种实用启发式算法，详细地描述了该算法的相关术语、定义和步骤，进行了实例验算，并时算法提出了改进。结论表明实用启发式算法具有较为满意的效用性，改进的实用启发式算法具有很好的效用性。该算法有助于提高装载单元的载重能力和货物配装水平。     

�Ľ����Ŵ��㷨����ʱ�䴰���ͳ��������е�Ӧ��

针对有时间窗的车辆调度问题，在标准遗传算法的基础上，加入爬山算法增强算法的局部搜索能力，通过保护全局最优基因的方法提高了算法的收敛能力，并辅以自适应变异算子，构造了一种改进的混合遗传算法。实验结果表明，改进后的算法具有抗“早熟”能力强、收敛速度快和局部搜索能力强的特点。     

实时嵌入式系统中常用定时器算法比较

介绍嵌入式系统中几种常用定时器算法及其适用环境。对简单队列算法、队列排序算法、单循环算法、交叉链表算法进行分析、比较，得出4种算法各有优缺点，适合于不同定时器的结论。     

基于自适应蚁群算法的图像分割

蚁群算法良好的离散性，并行性，正反馈性和鲁棒性，非常适合于图像分割。但基本蚁群算法蚂蚁的搜索是随机的，计算量大，不利于算法的收敛，为此，本文提出了设置初始聚类中心的设想，并以小窗口为对象实施算法，由此大大减小了计算量。另外基本蚁群算法中挥发系数固定，会导致算法可能过早收敛或停滞，针对这一不足，本文将其修改为随蚂蚁通过可行路径个数动态变化，使其收敛性和稳定性有了一定提高。实验证明了方法的有效性。     

密度峰值聚类算法研究综述

密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法，由于其原理简单，无需迭代和能处理形状数据集等优点，正在数据挖掘领域得到广泛应用。但DPC算法也有着一定的缺陷，如：对截断距离参数敏感，初始聚类中心的选择非自动化，后续标签分配存在链式问题，时间复杂度较高等。文章对DPC算法的研究现状进行了总结与整理，首先介绍了DPC的算法原理和流程；其次，针对DPC算法的不足对DPC算法的优化进行概括和分析，指出了优化算法的核心技术以及优缺点；最后，对DPC算法未来可能面对的挑战和发展趋势进行展望。     

���·�����㷨�ڽ�ͨ�����е�Ӧ��

拍卖算法是由Bertsekas教授提出的一种求解有向网络图最短路径的新算法，已经发展成为求解线性网络流问题的综合算法。应用分析对比法进行研究．介绍了拍卖算法，分析了其特点，与常用的标号设定算法和标号修正算法进行了对比。最短路拍卖算法特别适合于并行计算和大规模稀疏网络的求解，符合现实路网的特点和交通分配的要求，并且便于程序化．通过各种途径对基本算法进行改进、加速，可使计算速度提高数倍。拍卖算法可以快速求出多个起点和一个终点以及一个起点和多个终点的情况，适应不同分配算法的需求。在交通分配中，只要根据需求选择不同的起点集和终点集即可，不必求得所有节点对之间的最短路，避免大量不必要的计算，大大节省计算时间，在交通领域具有广阔的应用前景。     

判断折线自相交的快速算法

折线自相交是空间数据处理中的一个重要问题，针对常规算法运算速度方面的弱势，提出了基于计算机几何的单调链和改进的平行扫描算法的一个新算法，该算法在速度方面较原算法有很大提高。     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法，分析了它们各自的不足。提出了一种将BP算法与遗传算法有机结合的混合智能计算方法，并且给出了具体的算法实现流程。将该方法应用于数字图象识别，经过实验表明混合算法优于传统BP算法。     

时间多项式进化算法在旅行商问题中的研究

提出了一种模拟生物遗传的进化算法，并将该算法应用于旅行商问题得到了较好的结果，根据达尔文进化论的优化过程，结合自然选择原则提出了启发式算法，该算法的时间复杂性与快速排序策略相当。在文中利用该算法求解中国旅行商问题得到目前的最佳结果。     

多端口模型中的链式广播算法分析

根据广播黑盒子的分类，分析了多端口模型中多消息链式广播算法，深入探讨了算法的理论基础和理论模型；重点研究链式广播算法的时间复杂度，通过与k树算法性能的对比，说明该算法是一种更接近最优广播周期的算法．     

一种支持QoS多播路由的MST算法

阐述了满足多QoS约束的多播路由问题，描述了适用于QoS多播路由的网络模型，对Prim算法进行改进，提出了一种支持QoS多播路由的多播树生成算法．该算法在多播规模不断扩大的情况下，总代价始终小于其它算法，并且，随着组的规模的增加，其优越性也越明显．最后将该算法与传统算法进行比较，体现算法的优越性与有效性．并通过仿真试验进行了验证．