简介：基于化学识别的蚁群聚类算法无需给定聚类数目就能自动实现数据集的聚集,但大量采用随机策略使得蚂蚁达到平衡的运行时间长,效率不高。为此提出了一种用K-means算法做初次聚类、蚁群聚类算法再次聚类的新算法,结果表明该算法具有较高的正确率。最后将该算法应用于系统应用协同中,得到了较好的分析结果。

简介：摘要计算机算法是计算机进行计算过程执行的具体体现，在计算机实践应用中发挥着至关重要的作用。因此，有必要学习与掌握计算机算法，加强对计算机技术的了解，提升计算机知识与技术的学习与应用质量。本文基于已有学习经验，通过相关文献资料梳理，对计算机算法进行了简要分析。

简介：当点扩展函数未知或不确知的情况下,从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来,图像盲复原算法得到了广泛的研究。本文在介绍了盲图像恢复算法的现状的基础上进一步研究其的发展方向。

简介：针对现有的社团划分算法过分粒度化和基于模块度优化存在的局限性，本文引入万有引力的思想，假设社团是由节点之间存在虚拟力牵引聚集而成，提出了一种基于虚拟力作用的社团划分算法。在已知社团结构的真实网络中与GN算法、CNM算法等经典算法对比测试，发现本算法不仅能够给出更加准确的网络的社团结构，还具有较高可靠性和接近线性的时间复杂度。

简介：分形理论及其应用在近20年里得到了突飞猛进的发展,但使用中的缺陷也日趋引起人们更多关注。尤其其算法中的繁杂的计算过程、盒子分割的无目的性和不能体现分形几何的特性使得在应用中的几何形状问题、分辨率问题和填充率问题日趋明显。为此,本研究有针对性地提出了实分形、虚分形和分辨率及填充率计算方法,并结合上述概念改进了盒维数计算公式,通过对比与分析发现该法不但计算结果精确还体现了形状、机遇和维数三要素。

简介：差分进化算法是一种新的进化计算技术，具有良好的优化性能，但是对于高维多模态函数，算法易早熟收敛；其优化性能受差分进化模式类型及演化控制参数取值的影响较大。为此，提出自适应加速差分进化算法，该算法利用混沌的遍历性产生初始群体，以克服种群体初始化时的盲目性和随机性；其次随着搜索过程的进行随机自适应地调整缩放因子和选取差分进化模式，以减少人为因素影响，增强搜索能力。通过对多个函数进行仿真试验研究，结果表明该方法寻优效果显著，明显减少了迭代次数，提高了计算效率。

简介：为避免演化算法在求解多峰函数优化问题时对冗余空间的过度搜索,提高差异演化算法的搜索效率,提出一种新的基于空间收缩的种群灭亡差异演化算法(DEESC),通过最优个体收缩可行空间,用均匀设计方法反复初始化种群,并且讨论了DEESC的主要参数敏感问题.

简介：PID控制技术成熟，广泛应用于化工生产过程控制中，阐述PID控制的典型结构，调节方法，主要阐述基于遗传算法的PID控制技术。

简介：基于成员角色，提出了一种骨干网挖掘算法，对football，netscience和hep-th等网络载体进行了实验和数据分析，结果表明所得到的骨干网络能较好体现网络的骨干结构特征。同时提出了一个骨干网性能的度量指标——CP值，实验表明该指标能较好地权衡骨干网规模和中心性等度量因素。

简介：关系数据的聚类算法对于传播研究意义重大,首先运用迭代系统隐喻个体结构的变化,用输出与状态的包含距离表示关系的非对称同时也确定拥有最高结构等级序列的节点来代表簇;再将Hausdorff距离引入DBSCAN算法,使得同结构节点进行合并的加和算子和层次上卷的并算子变得可压缩。运用复杂网络研究人员的数据对算法的有效性进行了评估,分层后的人员合作网具有不同的网络结构特征;关键词在层次2网络中的传播效率高;互惠关系在知识传播中的作用最大。新的发现证明算法通过引入Hutchinson算子的可压缩测度Hausdorff距离使得网络结构对传播效果的影响得以体现,该算法的设计思路是正确的。

简介：传统的局部适应度社团发现算法（LFM）在社团结构模糊的网络中精度下降严重。针对此问题,提出LFMJ算法。利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确。为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法。结果表明：在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法。

简介：给出一种标号的二分图公交网络模型，在此模型基础上给出线路换乘与最优出行路径的算法，这种算法充分利用标号信息给出站点网络图的边权函数。基于站点网络图不仅能够搜索换乘线路而且能够找到最短路径。最后利用天津市部分公交系统验证了该模型及方法的有效性。

简介：研究了时间窗口对基于10种用户相似性指标的个性化推荐算法的影响。在标准数据集MovieLens上的实验结果表明,只采用大约12.56%的用户近期历史记录,所得到的推荐结果准确性可以平均提高27.17%,而推荐列表多样性可以平均提高3.28%,极大地降低大规模数据所带来的计算复杂性问题。

简介：许多实际网络中都存在着社团结构.为了寻找大规模复杂网络中的社团结构,人们提出了很多算法.本文综述了近几年来比较有代表性的一些算法.首先介绍了计算机科学中最有名的谱平分法和Kernighan-Lin算法,然后介绍了社会学中具有代表性的分裂算法和凝聚算法,并着重分析了最新提出来的一种寻找网络中彼此重叠的社团结构的派系过滤算法.最后指出了进一步的研究方向.

简介：对最优加权随机汇池网络的自适应算法进行研究,以均方误差作为随机汇池网络输出性能评价指标,推导了最小均方(LMS)和Kalman-LMS算法的递归表达式,并应用到输入信号方差发生改变的非稳态情况中,结果表明两种自适应算法都能够迭代收敛到权的最优解。与LMS算法相比,Kalman-LMS算法不仅收敛速度快,而且权均方偏差每一步都是最优的,在网络节点的个数较少时,Kalman-LMS算法能够获得更小的均方误差,而随着网络节点的个数增加,两种自适应算法得到的均方误差趋于一致。

简介：针对大规模应急疏散过程中基础设施的供给与快速产生的疏散交通需求之间的矛盾,提出一种基于时间扩展网络用于有组织计划的混合速度应急疏散算法,其主要思路是以疏散者位置及运动速度建立疏散组,通过标记路段的时间可用性确定不同疏散组的出发时间及路径,以达到避免交通冲突及确保疏散效率的目的。实验表明,该方法在确保疏散过程高效、有序进行的前提下,可获得与理论最优值接近的疏散结果,且疏散规模越大,逼近效果越好。

简介：研究灾难环境下翼伞空投机器人系统轨迹规划问题,基于简化的翼伞系统质点模型,采用混沌粒子群优化算法对翼伞系统归航轨迹进行寻优。该方法采用非均匀B样条技术实现最优控制规律的参数化,将翼伞系统轨迹规划的最优控制问题转换成参数优化问题,进而运用混沌粒子群优化算法进行寻优计算。轨迹规划的控制曲线是光滑的,利于电机对翼伞系统的操纵伞绳实施控制。仿真结果表明,该方法对翼伞系统的轨迹规划控制是有效的。

简介：融合社交网络的社会化推荐算法是目前推荐系统中普遍采用的方法。在现实的社交网络中,用户间存在多种关系,而每种关系对于推荐的影响是不同的,因此在推荐中单纯引入某一种社交关系必然影响推荐结果的准确率。本文基于多子网复合复杂网络模型,通过在用户商品二部图上加载多关系社交网络,构建多关系复合网,提出了基于多关系复合网的物质扩散推荐算法。在真实的数据集Epinions和FilmTrust上的实验结果表明,加入两种社交关系的推荐算法比加入一种社交关系的推荐算法及传统的物质扩散算法在推荐准确率方面有显著提高。

简介：空间上看来简单的问题在时间上可能导致非常复杂的计算问题,而时间上的计算问题一旦在空间上采用某种有序划分,复杂过程又可以约化为简单的处理程序.分形思想为这类有序划分提供了可取的思路.借助分形思想和"分而治之"的策略,可望将复杂问题的"穷尽处理法"变为"有限选择法",从而找到虽非最优但可满意的解决方案.以经典的TSP为例,提出空间系统复杂计算问题的处理方法,这种方法有助于实现指数算法与多项式算法的实用转换过程.

简介：受无标度网络结构特性的启发,将BA模型的＂择优连接＂机制进行扩展,引入微粒群群体组织方式的构造过程,提出基于高聚集性的无标度网络模型的微粒群算法。算法初期微粒被随机分布在环形结构中,随着搜索的进行不断增加新的微粒,并依据节点度和节点间的距离增加新的连接,最终形成具有高聚集性的无标度网络模型。这样,群体中多数微粒进行局部范围的搜索,而少量微粒按照全局模式搜索,两种方式相互制衡。仿真实验表明,改进后的算法能获得更好的收敛精度和进化速度。