最优化问题算法模式的研究

论文在对最优化问题的结构和实例进行严格描述的基础上,提出一种沿算法框架、算法模式再到具体算法的路线来解决最优化算法设计问题的方法。文中对算法模式概念进行了重新定义,给出求解最优化问题的一个算法框架,以及从该算法框架导出算法模式、算法及其实现程序的实例,同时对算法模式的使用步骤,算法框架、算法模式与算法三者之间的关系,算法模式的编程实现技术进行了论述。     

基于TSP问题的免疫算法研究

对免疫算法的基本问题及典型的免疫算法进行了综述。介绍免疫算法中具有代表性的几个算法,着重阐述相关算法的实现以及主要的创新点;并以解决TSP问题为基础,对几种免疫算法进行了比较和分析。最后,对全文进行了总结,并提出了在免疫算法研究中应注意的一些问题。     

基于导数优化的BP学习算法的研究综述*

对基于导数优化的BP算法及其改进算法进行综述,在分析经典BP算法固有缺陷的基础上,对BP的改进算法进行了总结和归纳。首先将改进算法分为四大类,介绍了每个类别中的典型算法,分析了其数学实质及算法的优缺点;然后探讨了目前BP神经网络算法研究中存在的不足;最后作出展望,给出了BP神经网络研究中几个有前途的发展方向。     

基于拥塞控制的AQM算法研究

在对网络拥塞控制进行分析的基础上,介绍了AQM(Active Queue Management)算法的特点及网络流量特征对AQM算法的影响。根据AQM算法的发展概况,将AQM算法中的DropTail算法、RED(Random Early Detection)算法、Adaptive RED算法、PI算法、REM(Random Early Marking)算法和AVQ(Adaptive Virtual Queue)算法进行了比较评价。并对AQM算法的反馈方式及AQM算法的控制理论进行了较为详细的分析与探讨。     

IPC平面裁剪算法的设计与实现

Sutherland—Hodgman算法是平面裁剪中常用的一种算法,其以顶点序列为基准,对多边形进行逐边裁剪,算法实现简单、效率高,但不适用于对凹多边形进行裁剪。文中以Sutherland-Hodgman算法（文中称为预处理算法）思想为基础,提出了一种亦可对凹多边形进行裁剪的综合多边形裁剪（Integrated Polygon Clip,IPC）算法,实现了对多边形裁剪的统一化操作。介绍了平面裁剪的使用对象,预处理裁剪算法的原理及实现关键步骤,分析了该算法用于对凹多边形裁剪的局限性,在此基础上提出一种适用于任意多边形裁剪的算法。以例证的方式演示了算法的过程,验证了算法的正确性。验证结果表明IPC算法实现了对多边形的统一裁剪。     

基于改进的OPTA的并串混合细化算法

现有的指纹细化算法存在着很多问题,如细化不彻底、纹线吞噬、骨架偏离纹线中心等。对OPTA（One-Pass Thin-ning Algorithm）算法和改进的OPTA算法进行了深入的分析和研究,指出了各自的优点和缺点。在此基础上提出了一种基于改进的OPTA的并串混合细化算法。该算法扩展了改进的OPTA算法的消除模板,舍弃保留模板,同时用缩小的消除模板来彻底细化。对以上算法进行了编程实验。实验结果表明,算法不仅保持了改进的OPTA算法的优点,也继承了OPTA算法的并行性,是一种较为理想的细化算法。     

基于BM算法的无需预处理的双向匹配算法的研究与实现

基于特征匹配技术的入侵检测系统的速率和效率常常依赖于模式匹配算法的精确性,而算法的效率又依赖于算法的选择和实现方式。随着网络技术的发展,匹配算法优劣有可能成为入侵检测系统的瓶颈,因此要提高入侵检测系统的性能必须对原有算法改进或提出新的算法,本文在对经典BM算法分析、研究的基础上,对该算法进行了部分改进,并给出了基于该改进的新的匹配算法。     

一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法;该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割;算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度;实验结果表明该算法是一种切实可行的图像分割方法。     

基于划分的聚类分析算法的改进

对传统的K-平均算法作了简单的介绍和讨论,提出了一种具有单纯型法思想的K-中心点轮换法。分别对比了K-均值算法与K-中心点轮换算法的时间复杂度,针对K-中心点轮换算法的时间复杂度提出了一种基于抽样原理的改进算法,并对K-中心点轮换算法聚类数目的选择进行了各种改进方法的探索。同时,基于主流的weka开源数据挖掘工具实现了改进算法。实验结果表明了算法的有效性。     

网页关注度的二种计算算法研究

提出了一种简单且高效的网页关注度计算算法。通过对网页关注度的计算,可以在网页展现时满足用户的信息检索需求。该算法针对不同用户的不同需求,可以让相同网页对不同用户体现出不同的关注度。对算法进行了详细描述,给出了算法的Java实现,并用实例对算法进行了验证,结果证明了算法的有效性。     

基于Diffie-Hellman算法的VPN技术实现和网络影响分析

Diffie-Hellman算法通过密钥交换的方式为企业VPN网络的信息传输提供数据机密性,其有效性依赖于计算离散对数的难度。在描述算法过程的基础上,利用Visual C++语言编程并在Windows XP环境中编译。通过一个具体的企业VPN网络部署和配置,实现了企业内网对等体之间通过VPN隧道的相互通信和对Internet资源的访问,分析了由于加载VPN数据包而对网络性能产生的影响,主要体现在网络吞吐量和网络延迟的变化上。因此提高VPN网络的应用性能和数据传输的质量是今后研究的主要方向。     

基于Q学习的异构网络选择新算法

针对异构网络中的多样业务需求,并且为了能够适应网络环境的动态变化,为每一个会话选择一个最合适的网络为其服务同时实现网络负载的均衡,以HSDPA和WiMax构成的异构网络为背景,基于Q学习算法,提出了一种异构网络环境下无线接入网络选择的新算法。该算法在进行网络选择时不仅考虑到网络的负载情况,还充分考虑了发起会话的业务属性、终端的移动性以及终端在网络中所处位置的不同。仿真结果表明该算法降低了系统阻塞率,提高了频谱效用,实现了网络选择的自主性。     

无线传感器网络中基于最小速率的拥塞控制算法

针对无线传感器网络的拥塞问题,设计了一种基于最小速率的拥塞控制算法。利用分布式动态系统的理论对拥塞问题进行了建模,并证明了该算法能够保证所有节点的发送速率收敛到可用的最小带宽。利用李亚普诺函数证明了算法在变拓扑网络结构下的有效性。NS仿真结果表明,这种最小速率算法能够很好地抑制无线传感器网络中的拥塞现象,保证了较高的吞吐量和较低的网络延时,提高了整个网络的服务质量。     

基于神经网络的局域网故障诊断系统设计

为了实现准确有效地排除网络故障，根据局域网的特点，本文在分析现有计算机网络故障诊断方法不足的基础上，结合层次分类神经网络原理，提出了基于层次分类BP神经网络算法的局域网智能故障诊断系统，该系统具有层次分类策略、故障诊断策略、通信数据包采集、网络故障知识数据库、故障显示报警等功能，可以实现已知、未知故障的正确识别。通过对故障诊断算法和故障定位的仿真，结果表明故障诊断系统响应性能良好，故障误报率较低，具有一定的实用性。     

网络监管系统爬网算法优化

针对搜索网络链接时爬网算法的不足,设计出一种优化算法.这种优化算法通过解析ICMP报文获取IP地址,在识别出网页中所有链接地址表达的基础上,提取其中符合网络监管范围的链接,从而实现网络监管的要求.运行结果表明,经过优化后的搜索提高了工作效率.     

一类模糊神经网络的结构优化

提出了一类新的模糊神经网络结构，神经网络自构形学习算法用于此类模糊神经网络的规则推理层进行规则优化，并将此算法向网络的低层次上扩展，还可对此算法的各公式进行少许的改动和调整C1和C2的值相结合，达到网络结构优化的目的，最后以无人驾驶的模型小汽车为例进行软件仿真，结果分析，证明该方法是可行且有效的。     

无线传感器网络节能的高效路由算法

无线传感器网络节能问题,是当今研究的热点问题.本文首先对无线传感器网络的体系结构进行了介绍,然后依据无线传感器网络的体系结构给出了无线传感器网络的一个研究模型.在对现有的无线传感器网络的路由算法进行综合考虑的基础上,给出了一个新的无线传感器网络节能的高效路由算法.最后对此新算法进行了简要的性能评价.     

一种改进的多播网络编码算法

在多播网络通信中,网络编码的应用,实现了最大流最小割定理所决定的多播传输的最大理论传输容量。对这一问题,可采用线性multicast,线性broadcast,线性dispersion,以及generic等线性网络编码构造算法进行求解。但这些方法,计算复杂度较高。在研究generic线性网络编码算法的基础上,结合离散路由的使用,对其进行了改进,提出了一种改进的多播网络编码算法,并给出了算法的合理性证明。复杂度分析表明,该算法较generic线性网络编码算法,复杂度有显著的下降。     

基于片段的企业信任网络演化图聚类算法

针对动态信任网络中企业信任联盟的识别及演变问题,提出一种基于片段的演化图聚类（GC）算法。首先,通过考虑企业信任网络演化的时间信息来对信任网络进行编码;其次,构建划分和表示信任网络结构编码成本的评价函数,如信任联盟稳定则将该时间段内信任网络组成片段压缩表示,如联盟突变则开始新的信任网络片段并重新划分结构;最后,通过搜索最小编码成本,得到信任联盟的稳定结构和结构突变的时间点。仿真实验表明,所提算法能有效识别信任联盟及其结构的突变,且其准确性和运行效率均高于经典社区发现算法。     

基于混沌神经网络的分类算法

提出了一种基于混沌神经网络的分类算法,利用改进的进化策略对多个三层前馈混沌神经网络同时进行训练.训练好各个分类模型以后,将待识别数据分别输入,混沌神经网络分类模型输出最终分类结果.实验结果表明,该算法可以较好地进行数据分类,而且与传统的神经网络算法以及决策树算法相比,在分类精度和识别率方面均有一定的改善,体现出较好的稳定性.