基于混合遗传算法的蛋白质结构预测研究

将遗传算法与模拟退火算法相结合,提出一种新的混合遗传算法,并采用该算法对蛋白质的折叠过程进行研究.实验结果表明,采用该算法比单纯采用遗传算法或者采用模拟退火算法速度更快,计算结果更精确,是一种行之有效的新方法.     

集群竞赛优化算法

通过采用群体化策略和竞赛奖励制度,提出一种集群竞赛优化算法.该算法的基本思想可以归纳为竞争择优、胜者奖励、向优集群和保持多样.指出该算法与其它集群智能方法之间的联系与区别.采用多个经典测试函数对该算法进行评价并与其它优化方法进行比较.比较结果表明,平均起来,该算法优于粒子群优化算法和一种进化优化方法.     

一个解决高校排课问题的演化算法

针对当前高校存在的排课效率低下问题,有必要采用一种有效的算法结合计算机实现自动排课.文中在比较各种不同算法的基础上,提出了一种使用局部杂交算子的演化算法.该算法采用矩阵编码方案,通过惩罚函数满足排课表问题的多重约束条件.模拟实验证明,该算法可有效地解决高校排课问题.     

一种基于Biswapped网络的并行矩阵乘算法

为了解决矩阵乘算法并行化的问题,根据Biswapped网络结构的特点,提出了一种基于Biswapped网络结构的矩阵乘并行算法.该算法采用一种新的矩阵映射方式,该算法操作简单且容易实现.理论分析和实验表明:该算法近似等效于Cannon算法.     

一种快速的子序列匹配算法

提出一种在时间序列上快速匹配子序列的算法,该算法不同于FRM算法,而是采用VA-file这种索引结构,将数据点直接存储在索引上,并在该索引的基础上设计了一种进行范围查询的方法.实验采用了三种时间序列数据集,从不同的角度验证算法的有效性,结果表明该算法大大提高了查询性能.     

基于蚁群算法的模糊控制器优化研究

针对模糊控制规则的修正因子多采用试凑的方法,提出了一种新型的基于蚁群算法的修正因子参数优化策略.该算法采用分布式并行计算机制,是一种新出现的仿生优化算法.在简单介绍蚁群算法的基础上,提出基于蚁群算法的优化方法修正因子参数,并给出了具体的实现步骤.最后将该优化结果应用于某控制系统.仿真结果表明,该优化方案具有很强的适应性与鲁棒性,进而证明了该方案的可行性与有效性.     

采用生物信息机制的量子免疫克隆算法

随机变异会导致多克隆策略的基因进化的无序性, 进而降低免疫克隆算法的效率. 为解决此问题, 文中设计了一种采用生物信息机制的量子免疫算法. 这种算法将量子理论引入多克隆策略的变异过程以提高基因操作效率, 同时采用一种生物信息机制来提高信息交互能力, 加速抗体进化速度. 从理论上证明该算法的收敛性. 仿真试验结果表明, 该基因操作方式能较大地提高免疫克隆算法的优化能力. 与传统的量子免疫克隆算法、其它高级免疫克隆算法和进化算法相比, 该算法具有较好的搜索能力和稳定性.     

一种采用混合搜索的检测器生成算法

检测器生成算法中采用随机搜索生成的检测器会产生大量重叠,而采用进化搜索收敛速度较慢.将两种搜索方式相结合,提出一种采用混合搜索的检测器生成算法,该算法将随机搜索产生的检测器集作为进化搜索的初始种群,使用遗传算法进化产生成熟检测器.使用二雏人工数据测试算法.结果表明该算法能够以更少的检测器更精确地覆盖非自体空间,并能提升收敛速度.     

基于聚类的高效k-匿名化算法

KACA算法是一种较好的基于局部重编码的k-匿名化算法,它产生的匿名化微数据的信息损失少,数据可用性高.但该算法的效率低,不适合匿名化规模很大的微数据.为解决该问题,将高效的聚类算法--c-modes算法--与KACA算法结合,提出了c-modes-KACA算法.该算法首先采用C-modes算法将整个数据集划分为较大的类,然后采用KACA算法来分别k-匿名化这些类中元组数大于2k-1的类.实验表明,c-modes-KACA算法产生的信息损失量与KACA算法相近,效率却比KACA算法高得多.     

线谱对参数预测多级矢量量化联合优化算法

提出了一种线谱对参数预测多级矢量量化联合优化算法.该算法对预测系数和多级矢量量化采用渐进闭环设计,通过迭代实现预测系数和多级矢量量化设计的联合优化.在多级矢量量化设计过程中,采用迭代优化实现多级码本的联合优化.采用语音线谱对参数对量化算法进行测试.测试结果表明,与传统算法相比,该量化算法可以减小线谱对参数量化失真.提高编码语音质量.     

排序合并Join算法的新结果

Join操作是数据库中最昂贵和最常用的操作.排序合并Join算法是实现Join操作的重要算法,得到了普遍接受并广为应用.在重新研究了排序合并Join算法后发现,同时对两个Join关系进行外排序是不必要的,会带来很大的额外开销.针对这个问题,提出了一种基于单关系外排序的分治Join算法,并在该算法的基础上提出了基于单关系外排序的并行分治Join算法.理论和实验结果证明,基于单关系排序的分治Join算法高于排序合并Join算法.特别是在并行计算环境下,基于单关系排序的并行分治Join算法的效率远远高于排序合并     

基于空间势函数加权的模糊C均值聚类分割算法

提出了一种基于空间势函数加权的FCM图像分割新算法。该方法将空间邻域的势函数信息融入到原始的FCM算法中，权重在该方法中起核心作用，它是根据最近邻(k-NN)算法的原则将势函数信息扩展到邻域像素中。算法中使用基于统计直方图的快速FCM算法进行初始化，收敛速度大大提高。实验结果表明了该方法的有效性及其对噪声的较强鲁棒性。     

基于ＨＦＬＡＮＮ自组织多项式网络学习算法

首先提出一种双曲函数型神经网络HFLANN,设计出一类基于HFLANN网络的层次双曲型函数网络HHFLANN,给出了HHFLANN的网络学习算法,使其在用于非线性的拟合中体现了较强的优越性,对于任意的Volterra级数使用HHFLANN网络来逼近是完全可行的,该算法较GMDH算法和SOP算法,具有快速简单的特性,它优于GMDH算法,有规律地选取部分多项式;优于SOP算法,在构造SOP网络不需要太多的中间隐层,从而加快了学习过程,提高了网络的逼近性能,更适合于具有层次结构的应用领域。     

Segmentation-recognition algorithm for zip code field recognition

This paper describes a recognition algorithm for zip code field recognition. The algorithm consists of an initial character segmentation algorithm and a connected-numeral splitting algorithm. The initial character segmentation algorithm employs connected component analysis with component merge technique based on proximity. The numeral splitting algorithm consists of a slant splitting algorithm based on discriminant analysis and two postprocessing algorithms based on local shape analysis. The splitting algorithm is integrated with a statistical classifier to form a segmentation-recognition algorithm to resolve the ambiguity of connected numeral splitting. The performance is tested by recognition experiments on zip code fields collected from real USPS mail envelopes.     

基于改进的FP-树和数组技术的频繁模式挖掘算法

FP-growth算法是目前较高效的频繁模式挖掘算法之一,该算法不产生候选项集,但递归构造“条件FP-Tree”的CPU 开销和存储很大.为此提出了一种频繁模式挖掘算法IFPmine.首先,为了节省内存空间,采用了约束子树的挖掘方法;其次,采用了数组技术来减少树的遍历时间,从而提高算法的效率.实验结果表明,IFP算法是一种较有效的频繁模式挖掘算法,其挖掘效率优于STFP-树算法和FP-树算法,而需要的内存却少于STFP-树和FP-树算法.     

双向AC算法及其在入侵检测系统中应用

在经典的多模式字符串匹配算法-AC算法的基础上,提出了双向AC算法.该算法在预处理阶段构造正向和反向两个有限状态自动机,匹配时使用正向有限自动机从文本串中间位置向右扫描,同时依据反向有限状态自动机从中间位置向左扫描.将该算法应用于开放源码的入侵检测系统Snort中,实验结果表明较BM算法、WM算法和AC算法本算法有更好...     

基于复合形法的聚类遗传算法

针对标准遗传算法的未成熟收敛问题和局部收敛能力不佳等情况,提出一种基于复合形法的聚类遗传算法。通过使用复合形法结合聚类小生境技术对传统的遗传算法进行改进,得到基于复合形法的自适应聚类遗传算法（NCGA）。该算法使用FORTRAN语言进行编程,通过使用三种复杂的测试函数对其性能进行测试,并与自适应遗传算法（AGA）进行了性能比较,还分析了初始种群的优劣对算法性能的影响。测试结果表明：对于遗传算法的改进效果明显,在遗传算法中融入复合形操作能明显增强遗传算法的局部搜索能力,且聚类技术使得遗传算法的全局搜索能力得到显著增强,反向学习操作的添加能增强算法的稳定性。改进后的遗传算法的性能明显好于传统的遗传算法。     

基于多种群粒子群算法和布谷鸟搜索的联合寻优算法

为了提高动态多种群粒子群(DMS-PSO) 算法的全局搜索能力, 将布谷鸟搜索算法(CS) 引入DMS-PSO 算法中, 提出DMS-PSO-CS 算法. 采用中位数聚类算法将整个种群动态划分为若干小种群, 各个小种群作为底层种群通过PSO 算法进行寻优, 再将每个小种群中的最优粒子作为高层种群的粒子通过CS 算法进行深度优化. 将所提出算法应用于CEC 2014 测试函数, 并与CS 算法和其他改进的PSO 算法进行比较. 实验结果表明, 所提出算法能够显著提高全局搜索能力和算法效率.

     

一种面向大数据的水塘采样分布式算法

水塘采样算法构建了一个样本集合,很好地解决了对未知的数据元素等概率采样的问题.然而当数据量较大时,单机的水塘采样算法时间复杂度较高、机器负载加重.面向大数据采样的需求,提出了分布式水塘采样算法,通过增加采样比例的方法实现了多机器并行采样,而且从理论上证明了分布式水塘采样的等概率性.为处理对数据元素贡献度不同的数据集,将...     

基于离散粒子群优化算法求解矩形件排样问题

改进了一种近似排样算法,并将改进的近似排样算法与离散粒子群优化算法结合求解矩形件排样问题.设计了应用离散粒子群优化算法求解矩形件排样问题的相关操作和定义,给出了离散粒子群优化算法求解矩形件排样问题的详细步骤,最后通过实验测试,验证了算法的有效性.