双种群改进蚁群算法

基本蚁群优化（Basic Ant Colony Optimization，BACO）算法在进化中容易出现停滞，其根源是蚁群算法中信息的正反馈．在大量蚂蚁选择相同路径后，该路径上的信息素浓度远高于其他路径，算法很难再搜索到邻域空间中的其他优良解．对此，提出一种双种群改进蚁群（Dual Population Ant Colony Optimization，DPACO）算法．借鉴遗传算法中个体多样性特点，将蚁群算法中的蚂蚁分成两个群体分别独立进行进化，并定期进行信息交换．这一方法缓解了因信息素浓度失衡而造成的局部收敛，有效改进算法的搜索性能，实验结果表明该算法有效可行．     

基于线性同余的PN生成原理与局部性能分析

文中给出了线性同余算法的数学模型及算法实例，并对生成的伪随机序列的序列周期、相关性、算法执行效率等部分性能做了一个初步分析与测试，并在此基础上提出了改进方法。     

基于改进C均值聚类的自适应图像分色算法

图像分色在纺织和印刷等行业中有着广泛而重要的应用，其目的是用尽量少的颜色来描述一幅真彩色图像，使得到的图像与原图像尽可能的接近。该文提出了一种基于改进C均值聚类的自适应图像分色算法。该算法首先随机产生一张颜色表，然后根据该颜色表对原图像的像素点进行聚类分析，产生初始分色图像。再根据C均值聚类的方法对初始聚类中心进行调整，生成新的分色图像，直到满足结束条件后结束算法。实验结果表明，该算法在大大减少原图像的颜色数量的同时基本保持分色图像的质量，是一种实用的分色方法。     

用遗传算法求解多参量函数优化问题

针对简单遗传算法(SGA)的编码方式不适用于优化多参量函敷的弱点,介绍了一种基于多参级联编码方式的遗传算法,详细描述了该算法的各主要组成部分和工作原理,并通过仿真实验证明了该算法的有效性。     

一种基于聚类的彩色图像分色算法

图像分色在纺织和印刷等行业中有着广泛而重要的应用，其目的是用尽量少的颜色采描述一幅彩色图像，使得到的分色图像与原图像尽可能的接近。提出一种基于单遍聚类和K-均值聚类相结合的自适应图像分色算法。该算法首先对原图像颜色进行统计学习，由单遍聚类产生初始调色板，然后根据该调色板对原图像的像素点进行K-均值聚类，产生分色图像。实验结果表明，与单纯K-均值聚类算法相比，该算法能在提高分色图像质量的同时进一步减少颜色数。     

一种图像置乱加密新算法

提出了一种实用的数字图像置乱新算法。该算法利用线性同余模型产生伪随机序列以对图像进行空间置乱，采用异或操作实现图像的灰度变换。该算法密钥可变，变化数较多，且灰度直方图改变，难以穷举破解。同时解密算法容易求得，解密过程与加密周期无关，从而大大缩短了解密时间。实验结果表明，该算法具有较好的抗攻击和抗干扰能力，并且易于实现，是一种理想的图像置乱方法。     

基于相似性二次度量的高维数据聚类算法

针对高维数据相似度难定义的问题,提出了一种基于相似性二次度量的高维聚类算法.该算法首先由属性分布相似度和空间距离计算数据对象间实距离矩阵,得到各对象的最近邻表,根据该表内元素的交叉情况计算出数据间的相似性矩阵,最后根据该相似矩阵进行数据聚类.实验结果显示该算法能够获得优秀的聚类结果.     

求解航班时间表问题的混合遗传算法

针对基于模拟退火的混合遗传算法求解航班时间表问题的特征,利用矩阵编码形成个体,使用模拟退火算法快速形成优良初始解,并构建优良基因库以改良解精度.仿真实验表明,该算法和传统模拟退火算法及遗传算法相比,所得结果的方差降低了20.6%～24.6%,进化代数降为标准遗传算法的16.58%,运行时间缩短6.3%～14.0%,且算法直观,易于实现.     

商业信息管理系统的风险管理与质量保证

软件风险和质量问题总是伴随着软件开发的全过程而存在的，软件项目规模越大，这种潜在的危机就越明显。而造成这种危机存在和爆发的首要威胁就是软件系统的需求分析的质量。针对这一现况，中简要介绍了商业信息管理系统的需求工程，并在此基础上提出了软件项目的风险评估方法及质量保证体系，对于一般的商业信息管理系统的开发有一定的参考价值。     

自适应变邻域混沌搜索微粒群算法

针对局部地形复杂、振荡强烈的函数优化精度难以提高的问题,提出一种自动调整邻域搜索范围和方向的自适应变邻域混沌搜索微粒群算法（AVNC－PSO）。优化初期首先由基本PSO算法进行粗调,当种群收敛于局部最优时,选择飞行停滞且聚集程度高的粒子向不同方向的邻域内进行混沌搜索,搜索方向和粒子偏移量根据粒子与收敛中心的距离和混沌变量的值共同确定。数值仿真表明,该算法能够使局部搜索更精确,有效改善基本PSO算法优化精度不高的弱点。