量子进化和模拟退火的混合优化算法

将量子算法和模拟退火算法相结合,提出一种量子进化和模拟退火的混合优化算法。本算法同时利用了量子算法的并行搜索能力和模拟退火算法的串行搜索能力,和量子算法相比有更快的收敛速度和更好的全局寻优能力。仿真实验也表明本算法有更好的搜索性能。     

由近似边界进行边缘改善的几种珠子链算法的分析和比较

本文提出了由近似边界确定物体边界的简易珠子链算法,该算法较珠子链算法和改进珠子链算法简单。试验证明:加上约束条件的简易珠子链算法比不加约束条件的改进珠子链算法算法精确。     

数字图像增强算法分析

在阐明图像增强处理基本方法基础上,对几种有代表性的图像增强算法(基于直方图均衡化图像增强算法,基于模糊集理论的图像增强算法,基于小波变换的图像增强算法,基于人眼视觉特性的彩色图像增强算法及基于神经网络的图像增强算法)做简单介绍,对现有直方图的均衡化算法进行分析、对比,综合多种算法对现有直方图均衡化算法做改进,得出一种新的直方图均衡化方法。     

基于双层K近邻算法的短时交通流预测

双层K近邻算法在K近邻算法的基础上,增加了模式匹配步骤,从而提高了K近邻算法的预测精度.鉴于此,利用双层K近邻算法,对北京市微波检测器数据进行分析,进而标定算法的最优参数.同时定义了预测算法的滞后性,并将双层K近邻算法与自适应预测算法的滞后性进行了对比,从预测精度及滞后性两方面验证了双层K近邻算法的适用性.     

基于粒子群的蚁群算法参数最优组合研究

针对蚁群算法参数的不同取值对算法性能的影响,试图确定算法参数的最优组合,使算法性能最佳。在算法基本原理的基础上,分析各参数对算法性能的影响。提出确定蚁群算法参数最优组合的"两步走"策略,即先确定各参数的较优取值范围,再引入适应度函数并结合粒子群算法得到各参数的最优组合。仿真结果表明,提出的"两步走"策略能取得较好的效果,有利于蚁群算法的推广和应用。     

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。     

基于Harris的改进SIFT算法

SIFT算法是一种具有尺度不变性的特征提取算法,能够有效地提取图像中的局部特征.为了在提高SIFT算法实时性的同时兼顾算法鲁棒性,利用Harris算法思想中使用图像灰度一阶偏导数的局部自相关函数的方法对SIFT算法进行改进,消除SIFT算法中因使用Hessian矩阵出现的边界效应.这种改进方法可以有效去除SIFT算法中因使用Hessian矩阵消除边界效应时提取出的处于边界位置或亮度不够的特征点,提高图像拼接的质量.实验证明改进的算法提高了算法的检测时间和鲁棒性,将改进的算法应用于制作虚拟漫游系统,取得了良好的效果.     

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。     

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。     

智能交通系统中几种最短路径算法分析

最短路径选择是智能交通系统的重要研究课题,它能够根据存储在电子地图中的道路网的拓扑关系,实时准确地规划出最短路径。目前的最短路径算法主要有4种,即Dijkstra搜索算法、A＊算法、A＊优先算法、A＊双向分层启发式算法,每一种算法都有不同的执行标准,例如有的算法考虑获取最短路径,但没有考虑算法运行时间;有的算法同时考虑在运行时间和获取最短路径这两个方面。详细分析这4种算法的路径算法,比较其优劣。     

基于前缀匹配混合查询树的RFID防碰撞算法

针对射频识别系统中多标签碰撞问题,在分析查询树算法和多叉树算法的基础上,提出了一种前缀匹配混合查询树(Prefix Matching Hybrid Query Tree,PMHQT)算法。该算法利用曼彻斯特编码来检测标签碰撞位信息,并利用碰撞位信息依次识别标签。在识别标签过程中进行碰撞位前缀匹配,选择适当的多叉树算法进行识别。通过仿真对比QT算法、自适应多叉树(AMS)算法、自调整混合树(AHT)算法,结果表明,前缀匹配混合查询树算法在总时隙数、吞吐率和通信复杂度都优于QT算法、AMS算法和AHT算法。     

一种新的双种群PSO-DE混合算法

给出一种新的粒子群算法和差分进化算法相结合的混合算法.该算法基于一种双种群进化策略,其中一个种群由粒子群算法进化,另一种群由差分进化算法进化.此外,采用一种信息分享机制,在算法的进化过程中2个种群中的个体可以实现协同进化.为了进一步提高混合算法的性能,在差分进化算法中融入一种线性递减加权策略的变异操作和指数递增交叉概率算子.通过4个标准测试函数的测试结果表明文中提出的混合算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法.     

基于萤火虫优化的BP神经网络算法研究

为了改进神经网络结构和参数的设置方法,在萤火虫算法和BP神经网络的基础上,提出了一种萤火虫算法优化BP神经网络的算法.该算法利用萤火虫算法得到更优的网络初始权值和阈值,弥补BP神经网络连接权值和阈值选择上的缺陷.将该算法应用到Duffing系统产生的混沌时间序列进行算法的有效性验证,并与BP神经网络进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明该算法在该预测领城的可行性和有效性.     

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．     

基于自适应聚概率矩阵的JPDA算法研究

为了降低联合概率数据关联(joint probabilispic data association,JPDA)算法的计算复杂度,解决跟踪临近目标时出现的航迹合并问题,基于量测自适应消除方法,提出了一种改进JPDA算法.该算法首先通过Cheap JPDA算法计算互联概率,降低算法计算量;其次对聚概率矩阵加以阈值处理,通过重建确认矩阵,进一步优化算法复杂度;最后采用自适应消除方法,去掉聚概率矩阵中易引起错误关联的量测,减小JPDA算法在关联临近目标时的误差.仿真实验结果表明:相较于JPDA算法及Scaled JPDA(SJPDA)算法,本文算法在保证跟踪精度的前提下,降低了算法复杂度,提高了时效性;在跟踪临近目标及交叉目标时,改进算法能避免航迹合并现象及跟错目标情况的发生.     

台阶高度评定算法的适应性研究

针对台阶高度的评定算法,对单边算法、直方图法、Two-sided算法和ISO算法进行了对比分析;构建了不同信噪比、不同尺寸的台阶高度仿真曲线,从噪声环境和多尺度方面对直方图法、ISO算法和Two-sided算法的适应性进行了评定。通过模拟结果可得:ISO算法在不同噪声环境中表现出较好的稳定性和准确性;Two-sided算法的纳米尺度计算结果更加精确;随着台阶高度尺寸增大,3种算法的计算结果趋于接近,均具有良好的精度。     

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。     

基于GPU并行处理的图像快速旋转算法

提出了一种在CUDA架构上实现基于Bresenham画线算法的图像快速旋转算法.该算法避免了复杂的数学运算,并融入Bresenham画线算法的优点,解决了大量的浮点的取整运算问题,并且减少了图片旋转过程中精度的损失,使得算法的精度和时间复杂度达到相互平衡,极大提升了旋转算法的性能.实验证明,在当前的硬件平台下,与传统旋转算法相比,该算法极大的提高了旋转算法的速度并减少精度的损失.     

ACO算法及其收敛策略研究进展

蚁群优化算法是一种新型的进化优化算法,其特点是通过仿生自适应个体的局部最优性共同确定问题的整体最优解,该算法具有自学习功能和解的强搜索能力.通过研究蚁群算法的基本原理和实践应用,分析了蚁群优化算法的求解理论思想,并综合分析了算法的收敛性问题,为蚁群算法的发展提供较好的研究参考.     

RSA数据加密的一种快速实现算法

RSA算法是基于数论的公开密钥密码体制,是公开密钥体制中较优秀的加密算法.RSA算法的加密、解密操作要进行十进制位数达百位以上的大数运算,实现难度大,运算时间长,而影响其运算速度的主要因素是大数乘幂算法和取余算法.文章就如何改进大数乘幂算法和取余算法以提高RSA算法的运算速度进行了探讨.