简介：为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。

简介：极化码是首次以构造性方法逼近信道容量的码。尽管编码和译码都具有较低的复杂度，但在中短码长时，性能并不理想，对此提出了一种采用CRC作为内码并与极化码级联的方案，与现有方案不同的是在译码时仅对内码位之间的位采用列表译，从而获得较低的译码复杂度。从仿真结果看，该算法在BEC信道下显著提高极化码的性能，并接近最大似然译码的性能，在AWGN信道下可获得0．5db的性能改善。

简介：对基本果蝇算法进行改进,求解基于工件分类的带有学习效应的置换流水车间问题.改进算法的编码方式以及搜索机制,将转移概率矩阵运用到果蝇寻优过程中.经测试实验表明,改进后的果蝇算法在寻优速度以及寻优率上较其他算法有着较明显的优势.另根据工件的相似度对生产工件进行分类,提出了基于聚类距离的置换流水车间学习效应模型,用改进的果蝇算法对其模型进行求解,分析了不同学习率和聚类距离对完工时间的影响,一方面验证了算法的有效性,另一方面说明了学习效应对企业生产调度有一定影响.

简介：摘 要

简介：

简介：摘要：为了克服Chameleon聚类算法无法有效的处理混合属性数据的缺点，本文提出一种改进的Chameleon聚类算法。该算法首先采用一种新的两阶段聚类整合算法，适用于处理大规模数据集；其次对聚类分析中计算相似性的欧式距离进行拓广，使新算法能够处理混合属性数据。通过实例验证该算法可以很好的解决含有混合属性的大规模数据集问题。

简介：摘要：本文以梁式桥为研究对象，建立基于模态数据的目标函数，利用蜻蜓算法进行结构损伤识别，并在此基础上对算法进行改进，引入测试函数对改进算法进行计算功能评估，数值仿真结果进一步显示改进算法提升了结构损伤识别的识别精度和抗噪性能。

简介：Particleswarmoptimization(PSO)isanewheuristicalgorithmwhichhasbeenappliedtomanyoptimizationproblemssuccessfully.Attributereductionisakeystudyingpointoftheroughsettheory,andithasbeenproventhatcomputingminimalreductionofdecisiontablesisanon-derterministicpolynomial(NP)-hardproblem.AnewcooperativeextendedattributereductionalgorithmnamedCo-PSARbasedonimprovedPSOisproposed,inwhichthecooperativeevolutionarystrategywithsuitablefitnessfunctionsisinvolvedtolearnagoodhypothesisforacceleratingtheoptimizationofsearchingminimalattributereduction.ExperimentsonBenchmarkfunctionsandUniversityofCalifornia,Irvine(UCI)datasets,comparedwithotheralgorithms,verifythesuperiorityoftheCo-PSARalgorithmintermsoftheconvergencespeed,efficiencyandaccuracyfortheattributereduction.

简介：小电流接地系统发生单相接地故障,故障电流暂态分量复杂、稳态分量不明显的特点为可靠选线带来困难。本文分析了小电流接地故障电流暂态分量特征,并提出一种基于改进EMD算法的小电流接地故障选线方法。EMD算法通过叠加电网特征高频信号解决了IMF模态混叠并可靠滤除了高频干扰。基于单相接地故障电流经改进EMD分解出的IMF在不同故障角下展现出不同的特征,分别利用故障时刻低频波形的单调性与线路故障特征能量作为判据进行小电流接地故障选线。基于Matlab/Simulink的配电网单相接地故障仿真验证了该选线方法的有效性。

简介：采用一种改进的人工蜂群算法（IABc）求解标准车辆路径问题．针对基本人工蜂群算法易陷入局部极小、收敛较慢等缺陷，提出了6种邻域生成策略，并基于此设计了新的局部搜索算法．引领蜂和跟随蜂根据该算法在邻域空间内更新当前解．通过小规模和大规模算例的仿真实验，将本文算法与其它智能算法以及基本人工蜂群算法进行了比较，验证了本文提出的算法无论在有效性还是稳定性上都具有良好的效果．

简介：传统的关联规则Apriori算法在产生频繁项集的过程中,需要多次扫描事务数据库以及多次扫描频繁项集,从而造成算法性能下降.为了减少扫描事务数据库以及频繁项集的次数,在生成的候选k项集中,除了存储项集item-set以及支持度计数count之外,加入事务标识符列表Tidlist属性,在生成频繁k项集时,可以直接通过Tid-list的交集得出事务标识符列表以及项集的计数,不需要去扫描事务数据库,从而可以有效地提高算法的性能.文中提出了一种改进的关联规则挖掘模型以及关联规则挖掘算法I-Apriori算法.实验证明,I-Apriori算法相比Apriori算法的执行时间有明显改进.

简介：　　（二）Aprior算法　　Apriori算法是一种挖掘布尔关联规则的频繁项集的算法,　　3）把各类频繁的属性单项和频繁的图书分类单项连接成2-候选频繁项集,然后由频繁项集产生关联规则

简介：在C语言程序设计中,排序算法是使用频率最高的算法之一,而冒泡排序是其中一种典型且相对简单的方法,学习它是为后面的选择排序作铺垫。本文在最初的冒泡排序算法上改进了两次,使算法达到一个更好的效果。通过冒泡排序及其改进算法的学习,可以提高学生的程序设计能力,为今后在算法与程序设计方面的进一步研究和学习打下基础。

简介：摘 要：本文提出了一种在蚁群搜索路径过程中,通过建立α(信息素启发式因子), β(期望启发式因子)的互锁关系,动态自适应调整α、β的改进蚁群算法;并进行静态已知环境建模,通过仿真实验,验证了该方法的可行性和有效性,同时将其应用到TSP问题,并取得了较好实验效果.

简介：在分析现有选址模型的基础上，本文将MDHGF算法进行改进，建立基于MDHGF改进算法的物流中心选址决策模型。该模型的最大特点是将定性的研究方法和定量的研究方法有机结合，克服各自的缺点。在算法的改进过程中，本文主要是将成本因素单独提出，建立多目标线性规划模型，然后用启发式算法得出可行性方案。对可行性方案，在不考虑成本因素的情况下运用改进的MDHGF算法计算其它因素的综合评价值，然后再次考虑成本因素，借鉴指标满意度法对所得结果进行无量纲化处理，算出每个方案的综合得分，对方案进行排序，为决策者提供依据。

简介：从现代战场及装备保障特点出发，采用十标度法对影响战损装备应急抢修的诸因素加权、归一和排序，给出了一种比较实用、并针对指挥员指挥装备抢修的任务指派算法，使得部署内的所有应急机动装备保障分队避免无故空闲，提高保障力量调配的适时性和任务执行的有效性。

简介：随着大量需要被挖掘的数据变得越来越复杂,多维关联规则已经成为关联规则挖掘中最实用的内容之一.本文主要介绍了在多维关联规则挖掘过程中,针对同一种属性数据出现重复连接的情况,由此而提出的一种解决方案.通过对多值属性信息进行比较,去除重复连接的属性信息,保留有效信息,减少对数据库的扫描.由此对Apriori算法中连接步进行改进,最后通过布尔型关联规则挖掘数据信息并得到结果.相较于Apriori算法,改进算法能更加快速准确地发现知识,缩短挖掘所用的时间.

简介：针对遗传算法用于多模态最优化问题时存在无法同时找到所有的全局最优值和尽可能多的局部最优解的现象，提出了一种基于小生境技术的改进遗传算法来提高算法的搜索能力；通过仿真实验数据表明，改进的小生境遗传算法不但具有良好的全局收敛可靠性，而且具有快的收敛速度。

简介：在基本遗传算法的基础上,针对智能组卷的特点,对算法作了小生境遗传算子和操作概率的自适应调整相结合的改进。实验结果表明,改进算法具有较好的克服早熟的能力,能够满足实际组卷需求。

简介：针对OFDN技术对定时、频偏和相位噪声敏感，较小的同步偏差即会导致系统的误码性能恶化，甚至通信失效的缺点，主要研究了OFDM符号同步的一种改进算法，即在传统的SCA（最大相关）估计算法的基础上采用多符号同步的方法。仿真表明该方法减少了符号偏差的均方误差，改善了系统的性能。