基于遗传算法的高效聚类挖掘新算法

提出了一种基于遗传算法的聚类数据挖掘新算法，并在某钢铁集团CIMS工程的销售管理系统中成功进行了应用，新算法与已有算法进行了对比研究。新方法对其他类似的实际应用也有参考价值。     

基于蚁群优化的前向神经网络

提出了一种新的神经网络学习方法.利用蚁群算法学习神经网络,克服了传统BP算法的不足.同时,针对蚁群算法主要用于组合优化的应用特点,对其进行了改进.将离散的信息素分布矩阵及概率分布矩阵拓展为连续的信息素分布函数和概率分布函数.将搜索的范围扩展到连续区域.使得新算法兼具了蚁群算法的全局快速寻优能力与神经网络的广泛映射能力.通过实例证明了该方法的有效性和快速性.     

公交网络最优路径求解算法

求解公交网络最优路径是进行公共交通系统规划的一项关键技术.通过对多种现有算法的分析,利用公交换乘矩阵性质,本文提出了一种求解公交网络最优路径的标准算法.新算法考虑了公交换乘次数、换乘点选择以及出行总成本对求解最优路径的综合影响.通过建立换乘步行时间矩阵,并将过去求解最小换乘次数的换乘矩阵乘法运算变为相应的换乘步行时间矩阵和公交出行时间矩阵的加法运算,得到新算法.新算法可顺利实现在单一OD对、单起点多终点以及任意节点间求解最优路径的转化.文中给出了新算法的详细求解步骤,而且通过一个算例对新算法的有效性进行了验证.     

最短路拍卖算法在交通流分配中的应用

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,并已经发展成为求解线性网络流问题的综合算法.本文首先介绍了拍卖算法,分析了其特点,并将其与常用的标号设定算法和标号修正算法进行了对比.深入分析了交通路网的特点和交通分配中最短路求解的特性.研究结果表明,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.最短路拍卖算法应用于交通分配能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.     

基于高斯牛顿法的DEM匹配算法

为提升DEM(digital elevation model)匹配效率,建立了一种基于高斯牛顿法的快速DEM匹配算法.该算法采用高斯牛顿法替代最小二乘法来进行DEM匹配模型的目标方程求解,加速了目标方程求解的迭代过程.新算法匹配过程中,匹配参数沿梯度最大方向逼近目标值,迭代次数大幅度减少,具有更稳定的迭代收敛性,显著提高了算法的执行效率.通过多组模拟试验对新算法进行了测试,并与具有代表性的最近点迭代算法进行了比较.结果表明:新算法对匹配参数的收敛速率平均提高了42.1%,完成匹配所需的总时间平均减少了74.9%.     

复杂背景图像中圆检测的新算法

如何在复杂背景图像中确定圆的存在,并将其准确定位,具有广泛的工程应用价值.本文通过对大量圆定位算法的研究,提出了一种利用圆形性特征在复杂背景图像中进行圆检测的新算法.经实验证明,此算法实现了复杂背景图像中圆形炮管的自动定位与分割,对于发生形变的图像,此算法仍具有较好的位移、旋转和伸缩不变性,可应用于工程中的圆检测.     

基于Minimax目标函数的多宗量稳态热传导反演

基于Minimax目标函数,建立了求解稳态热传导反问题优化新模型,并应用BFGS算法进行求解.同时考虑了非均质的影响,对热物性参数和边界条件进行多宗量组合反演,并对信息误差和初值作了初步探讨,数值验证给出了令人满意的结果.     

基于Minimax目标函数的多宗量稳态热传导反演

基于Minimax目标函数,建立了求解稳态热传导反问题优化新模型,并应用BFGS算法进行求解.同时考虑了非均质的影响,对热物性参数和边界条件进行多宗量组合反演,并对信息误差和初值作了初步探讨,数值验证给出了令人满意的结果.     

Hilbert空间广义变分不等式的迭代方法

应用辅助原则技术,在部分相关强单调和非空有界闭子集条件下,提出了一个解广义变分不等式问题的预测校正算法.作为应用,给出了许多解不同类型变分不等式的新的结果.     

Hilbert空间广义变分不等式的迭代方法

应用辅助原则技术,在部分相关强单调和非空有界闭子集条件下,提出了一个解广义变分不等式问题的预测校正算法.作为应用,给出了许多解不同类型变分不等式的新的结果.     

基于混合遗传模拟退火的模糊C-均值聚类算法

一般模糊C-均值聚类算法存在易于陷入局部最优的缺陷,基于此,提出了一种基于混合遗传模拟退火的模糊C-均值聚类算法,并利用UIC机器学习数据库中的Car、Iris和Wine数据集验证了算法的有效性。     

基于Gram-Schmidt正交化法的串行干扰消除算法

基于Gram-Schmidt正交化法,提出了一种改进的串行干扰消除算法.不同于传统的串行干扰消除算法,该算法运用Gram-Schmidt正交化法,通过扩频序列获取正交序列作为最优解扩码,使得检测器每一级最强用户的解扩码与其他用户的扩频码所张的子空间正交,从而实现对多址干扰的完全抑制.给出了具有幅度失配的系统误码率近似公式,讨论了幅度失配对检测性能的影响.仿真结果表明,改进算法能有效抑制CDMA系统中的多址干扰,改善系统性能.     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

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。     

点匹配问题的极坐标算法和三角形算法

点模式匹配在比较两幅由不同时间或同一时间不同传感器采集的图像时，是常用的方法之一，许实时应用系统对匹配效率有很高的要求，文中构造了一个基于极坐标转换的算法和一个基于三角形近似顺序全等的算法，两个算法都具有原理简明，识别能力强，计算速度快的特点，文末对两个算法进行了比较，并用数值实例加以验证。     

计算机模糊控制算法

对一些复杂过程难以实现自动控制,而由人来控制却很好,文章分析了其中的原因,并将人的判定特点用模糊语言来表述,由此得到了模糊算法及过程的一个模糊模型,从而利用模糊模型和计算机来实现自动控制.     

多值编码遗传算法

针对经典遗传算法过早收敛，不利于保留种群多样性的问题，提出一种采用k阶扩展二进制编码的多值编码遗传算法．该算法可以更好地保留种群的多样性，更容易达到全局的最优点，应用结果比较也证实了多值编码遗传算法比经典遗传算法具有更好的优化效果．     

基于Kriging模型的改进协同优化算法

为了提高协同优化算法的求解效率,利用Kriging模型,构造系统级近似优化模型,提出了基于Kriging模型的改进协同优化算法.该算法采用置信域与均匀设计相结合的方法,完成近似模型的更新;采用序列二次规划算法,完成优化问题的求解.以经典函数和减速器设计为例,验证了改进协同优化算法.结果表明:该算法能提高计算效率,在减速器设计中,迭代次数减少50%左右.     

云遗传算法

为了克服传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，借鉴遗传算法的思想，利用云模型云滴的随机性和稳定倾向性的特点，提出了一种新的遗传算法——云遗传算法（CGA）．该算法由正态云模型的Y条件云发生器实现交叉操作，由基本云发生器实现变异操作．最后，进行了函数优化实验，并与标准遗传算法（SGA）和自适应遗传算法（AGA）进行了比较，以证明其有效性．