三群协同粒子群优化算法

针对基本粒子群优化算法易陷入局部极值点、搜索精度低等缺点,提出了一种三群协同粒子群优化算法(TSC-PSO)。搜索时,如果全局极值连续若干代没有改善,粒子未找到全局最优点,就任选某个优群,将其群内粒子和差群粒子交换。仿真结果显示,对一些经典多峰值函数、非凸病态函数,TSC-PSO增强了全局搜索能力,具有比基本PSO更好的优化性能。     

如何防止程序打开多个实例

以VB编程为例探讨了防止程序打开多个实例的 3个行之有效的方案 ,并进行了对比分析 ,同时还给出了一个具有相当实用价值的“搜索程序”函数 .     

相干分布式目标一维波达方向搜索迭代估计方法

在信号源角分布函数具体的数学形式未知的情况下,基于角分布函数共轭对称性约束条件,提出了一种相干分布式目标一维波达方向搜索迭代估计方法,该方法不用多维参数搜索,并适用于角信号分布函数形式不同的分布式目标同时存在的情况。     

如何防止程序打开多个实例

以VB编程为探讨了防止程序打开多个实例的3个行之有效的方案，并进行了对比分析，同时还给出了一个具有相当实用价值的“搜索程序”函数。     

改进的正弦余弦算法在函数优化问题中的研究

正弦余弦算法(SCA)是2015年提出的一种新型的群智能算法。针对标准正弦余弦算法局部搜索能力差、精度低的缺点,提出改进的正弦余弦算法(简称ISCA)。首先,引入动态惯性权重平衡算法的局部与全局搜索能力;然后,为更进一步加强迭代后期局部搜索能力,将参数r1由线性递减函数变成了指数型递减函数;最后,引入自适应变异因子,增强种群的多样性;最后,将改进的SCA算法对10个经典的单峰、多峰函数进行测试,并同标准SCA算法、粒子群算法(PSO)、遗传算法(GA)进行比较。实验结果表明:ISCA算法优于其他几种算法。     

用于RBF-SVM参数搜索的伪梯度动态步长算法

针对基于径向基核函数(RBF)的支持向量机(SVM)超参数选择问题,提出了一种基于差分方程的新算法——伪梯度动态步长算法。该算法根据径向基核函数的特点提出由训练集的空间特性确定的核参数搜索范围,并采用对数刻度表示搜索空间;利用参数空间中SVM在两个临近点的分类精度的变化估计参数的搜索方向,并且随着搜索方向的变化动态调整搜索步长,从而实现较快的搜索。通过与Grid和PSO方法的对比实验,表明该算法具有良好的性能。     

全局最优化的一种新的拟全局下降法

对全局最优化中的无约束优化问题提出了一种新的拟全局下降法,通过搜索获得一系列的局部最小值来得到全局最小值.具体地,由局部极小化的两个阶段的循环构成:第一阶段是对原始目标函数进行局部搜索;第二阶段在一个新的下降函数的最大步长下降方向里确保原目标函数是全局下降的.这种新的下降法的关键在于这个新的下降函数具有很好的结构特性.     

利用Alopex改进的粒子群优化算法及其在软测量建模中的应用

提出了一种利用A lopex算法改进的粒子群优化算法,并将其应用于神经网络的建模中。改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试和基于神经网络的软测量建模表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

加快最小完善Hash函数形成过程的几个有效措施

在用于静态表的各种Hash函数中,一种独立于计算机的最小完善Hash函数颇有实用价值。在一定条件下,这种Hash函数可以同时实现探查次数为1和表的填充系数为1这两个要求。使用此种Hash函数的主要困难是函数的形成速度比较慢。Cichelli提出用两次排序来修剪搜索树,用回溯方法来寻求形成Hash函数的编码表。本文提出用第三次排序进一步修剪搜索树;提出用双自变量定界法和超前检查法来加快搜索速度。文中还介绍了综合使用以上三种方法研制成功的一个通用处理程序,并给出若干计算实例。     

基于实数编码遗传算法的盲信源分离方法

提出了一种新的基于相关矩阵对角化的代价函数,该代价函数通过抑制分离信号的互相关性达到盲信源分离的目的。这种分离新方法可用于分离平稳或非平稳信号的瞬时或卷积混合。针对传统梯度搜索方法容易陷入局部收敛的问题,文章还提出利用实数编码遗传算法对代价函数进行最优化搜索。仿真实验表明,这种遗传算法具有快速收敛性能和高精确度等优点。     

改进型MVR-CORDIC算法研究

分析了CORDIC算法的基本原理和MVR-CODIC算法的特点。在此基础上,提出了一种改进型MVR-CODIC算法,利用查ROM表代替原算法中比例因子的计算方法,讨论了改进后算法的所需ROM表的容量,给出了实现框图。实验证明,改进型MVR-CODIC算法更适合于用大规模集成电路实现。     

基于二进制冗余数的递归余数和算法

介绍了递归余数和（ＲＳＲ）算法，在此基础上又提出了一种改进的算法。理论分析表明，改进算法的迭代步数平均减少了１７．２％。与传统的二进制算法（ＢＲ算法）相比，新算法的计算速度平均提高了约５８．６％。     

并行支路卷积碼譯碼算法之簡化

本文主要工作:(1)从算法上证明了对于TCM用的一类有并行转移支路的卷积玛,其VITERBI译码算法可以作很有效的简化,而且简化不影响译码性能。(2)给出了表征算法复杂性的公式,讨论了简化效果。简化算法的复杂性约为常规算法的1/2~P。(3)用计算机模拟验证了简化算法和常规算法的等效性。因而,算法的简化不影响译码性能。     

一种并行的遗传／神经网络混合学习算法

提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应共轭梯度学习算法集成起来。这种并行混合学习算法已经在多指令流多数据流（ＭＩＭＤ）平台实现。通过把该算法用于一个图像识别问题，对它的性能进行了评估。文中还显示了所提出的并行混合神经网络学习算法良好的收敛性。     

量子算法的研究进展

文章在介绍量子算法原理的基础上,重点介绍了Shor算法,Grover量子搜索算法以及量子进化算法的研究进展.最后阐述了量子算法主要面临的问题及研究前景.     

利用拉格朗日松弛算法求解三维分配问题

将拉格朗日松弛算法与最优求解算法的复杂性进行了分析比较,并将该算法应用于求解3-D分配问题,分析与算例结果表明,该算法可大幅度降低3-D分配问题的求解计算量,是求解3-D分配问题的一种有效算法.     

基于小波变换的数字水印方案

数字图像水印技术一般面临着两个方面的矛盾问题,就是水印算法的复杂度越高,一般对应的算法的鲁棒性越强。本文提出了一种数字水印方法,这种算法基于离散小波变换,为了提高算法的稳定性,确保水印的抗干扰能力,在编码时应用了纠错码技术。     

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。     

银行家算法的改进

利用现有的安全过程序列，减少不必要的安全性检测，改进了银行家算法，使其效率得到一定程度的提高。     

基于乘同余对称特性的快速RSA算法的改进

提出了一种新的快速ＲＳＡ算法，这种算法是基于乘同余对称特性的快速ＲＳＡ算法（ＳＭＭ算法）的改进。理论分析表明，新算法的迭代计算步数平均减少了１７．２％。与传统的二进制算法（ＢＲ算法）相比，新算法的计算速度平均提高了４２％左右。