1.根树 2.根树的周游 3.最优树, Huffman算法 4.最佳前缀码

本章主要介绍风振控制中主动控制和被动 控制的原理和控制系统及两种控制的常用设计 计算方法。其中主动控制主要有实时最优振型 控制法和随机最优控制算法,被动控制主要有 准最优控制法传递函数法。最后结合目前计算 的实际情况介绍了如何用计算机来模拟风振控 制过程

–匹配滤波器 –Winer最优估计 –Wiener-Hopf方程 –LMS滤波

5.1 一般方法 5.2 多段图问题 5.3 每对结点之间的最短路径 5.4 最优二分检索树

 理解动态规划算法的概念  掌握动态规划算法的基本要素 最优子结构性质 重叠子问题性质  掌握动态规划算法的设计方法 找出最优解的性质，并刻划其结构特征 递归地定义最优值 以自底向上的方式计算出最优值 根据计算最优值时得到的信息，构造最优解  通过应用范例学习动态规划算法设计策略  矩阵连乘问题 (Matrix-Chain Multiplication)  最长公共子序列问题  最大子段和问题 Maximum Sub-Sequence Sum  凸多边形最优三角剖分问题 Optimal Triangulation of a Convex Polygon  图像压缩问题  0-1背包问题（0/1 Knapsack Problem） 最优二叉查找树 （Optimal Binary Search Tree）

针对满足换基规定的单纯形法可能出现的迭代不下去的问题，构造了使迭代得以继续的补充算法.这个补充算法的基本思想是暂时放弃换基规定，首先进入与所解问题对应的线性规划的最优基本可行解集中;然后，在这个集合中进行基变换，直到得到二次规划问题的最优解.经证明，改进后的算法取消了原算法收敛性定理所需的3个条件，使得它可求解任何一个凸二次规划问题.计算实例证明，补充算法有较好的结果

基于遗传算法的基本原理,提出一种改进的遗传算法,将模糊控制思想与小生境技术引入到其中,从而保护种群的多样性,同时使每代最优解得以保存．遗传算法加入小生境技术后虽可保持种群群体的多样性,但是不可避免的会产生部分个体的早熟以及陷入局部最优,于是加入模糊控制思想,对种群的交叉概率Pc和变异概率Pm进行模糊控制,以此为基础,形成了一种新型的模糊控制小生境遗传算法．最后通过对三个典型函数的数值分析证明了该方法的有效性和可行性．

一、在层次聚类分析中,输入中不指定要分成的类的个数。系统的输入为(X,s),系统的输出是类的层次。 二、大多数层次聚类过程不是基于最优的思想, 而是通过反复的分区直至收敛,找出一些近似的、未达最优标准的解决方案。 三、层次聚类算法分为:分裂算法和凝聚算法

贪心算法的特点 贪心算法总是作出在当前来看是最好的选择 就是说,贪心算法并不从整体最优上来考虑 ,所作出的选择只是某种意义上的局部最优 选择

本章叙述中为了区别图中的顶点和解空间树中的顶点，凡是在解 空间树中出线队顶点一律称为结点。 分支限界法同回溯法类似，它也是在解空间中搜索问题的可行解 或最优解，但搜索的方式不同。回溯法采用深度优先的方式，朝纵深 方向搜索，直至达到问题的一个可行解，或经判断沿此路径不会达到 问题的可行解或最优解时，停止向前搜索，并沿原路返回到该路径上 最后一个还可扩展的结点