运用运筹学的理论和方法，建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想，提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法，在最优解的近似区间内多次迭代逐渐逼近最优解，实现了双权重网络图最短路的求解，是一种近似的、快速的算法.基于所构造辅助函数的性质，给出实现该算法的具体步骤.对误差进行线性估计，分析了该算法收敛速度的影响因素，并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法，证实其模拟结果与理论分析结论相吻合

风能、太阳能等间歇式能源的引入和工业生产中大功率动态负载的增加，使得智能电网电力负荷越来越多呈现出大范围随机频繁波动的特点.动态负荷的增加对智能电能表的有功电能测量带来新挑战.传统的测量算法是针对稳态负荷而提出，因此无法解决智能电能表动态计量性能的改善问题.本文在传统MA （moving average）算法的基础上提出一种SDPA （segmented dot product accumulation）动态有功电能测量算法，该算法可在一定程度上减小动态功率条件下的测量误差.首先，分别讨论了传统MA和ⅡR （infinite impulse response）滤波器算法的动态响应速度和动态电能误差特性，指出两种算法对动态输入信号测量的局限性，并理论分析了影响各自动态计量性能的因素.以此为基础，提出智能电能表有功电能动态测量的SDPA算法，通过将待测的动态功率信号按周期截短、分段执行点积运算、并累加求和的方式实现动态测量.另外，通过按周期抽取的算法实现方式可以大大减少存储空间、提高运行速度.理论和仿真结果表明，与传统MA和ⅡR滤波器相比，SDPA算法在动态响应时间为一个基波周期的前提下，动态电能测量可达到较低误差水平

地下定位面对环境恶劣、干扰、多径等影响,常规算法难以获得高精度的定位结果,同时井下环境多为狭长的巷道,不利于布置定位所需的锚节点,而井下锚节点的布置通常对定位结果有较大影响,因而使用普通的定位方法不足以满足智能采矿所需的高精度定位需求.本文对传统的三边定位算法进行分析,总结了传统三边定位结果产生误差的原因,并提出了改进的算法,通过仿真实验验证了改进算法的有效性.同时通过理论分析误差带,使用最大绝对定位误差用于仿真分析拓扑结构对定位结果精度的影响,提出了对拓扑结构的优化原则,能够根据环境特点以实现定位区域内平均最大绝对定位误差最小为原则得出最优拓扑结构.文中设置了仿真实验和实地实验对改进的算法和拓扑结构优化方法进行了验证,实验结果中,改进的算法能够在相同拓扑结构下减小15%~43%的误差,而在相同算法下优化的拓扑结构能够减小17%~65%,二者结合能够减小误差达74%.结果表明,在相同的定位条件下,改进的定位算法能够明显提高定位结果的精度,同时定位结果与拓扑结构之间也有着密切的联系,根据实际环境灵活布置拓扑结构能够使定位结果的精度进一步提高,将改进的算法与拓扑结构优化方法结合可以实现更高的定位精度

2.1 算法的概念 2.2 简单算法举例 2.3 算法的特性 2.4 怎样表示一个算法 2.4.1 用自然语言表示算法 2.4.2 用流程图表示算法 2.4.3 三种基本结构和改进的流程图 2.4.4 用 N-S 流程图表示算法 2.4.5 用伪代码表示算法 2.4.6 用计算机语言表示算法 2.5 结构化程序设计方法

针对复杂网络社团结构挖掘算法复杂度高的问题,定义了一个衡量局部社团结构的指标,提出了一种基于最小社团链接度增量的社团结构挖掘算法.本算法的时间复杂度为O(kd),其中d为网络的平均节点度数,k为搜索的节点数.为了验证本算法的性能和计算的准确性,把本算法与一种经典的挖掘局部社团结构方法——Clauset算法,进行了比较.实验结果表明:本算法抽取的社团结构与Clauset算法相比基本一致,但在性能上有了显著提高

基于马氏距离和模糊C均值聚类算法提出了一种数字彩色图像抠图算法.该算法首先对彩色图像像素的红绿蓝三种彩色分量进行正则化处理；然后在正则化图像背景中选取适当的掩膜作为样本集，计算各像素与样本集之间的马氏距离；再利用模糊C均值聚类算法对计算出的马氏距离进行分类；最后利用填洞操作提高抠图质量.对八幅彩色数字图像进行对比实验，结果显示本算法可以自动抠图，且结果优于马氏距离算法、Grow-Cut算法和正则化线性回归算法的相应抠图效果

针对非规则循环应用中存在的一次迭代访问多个间接数组的问题,给出了超图数组的形式化描述,提出了三种基于超图的数据重排算法,即基于超图的非重复编码数据重排算法、基于超图的回溯搜索数据重排算法和基于超图的先划分再回溯数据重排算法,以及两种基于超图的迭代重排算法,即基于超图的非重复编码迭代重排算法和基于超图的回溯搜索迭代重排算法.通过对典型的非规则应用实例——流体力学问题进行实验,表明单独的重排算法提高程序执行速度约25.4%.在最好的数据重排与迭代重排的组合算法下,一级和二级高速缓存的平均命中率分别增加到91.7%和96.5%

10.1 遗传算法的基本原理 10.2 遗传算法的特点 10.3 遗传算法的发展及应用 10.4 遗传算法的优化设计 10.5 遗传算法求函数极值 10.6 基于遗传算法优化的RBF网络逼近 10.7 基于遗传算法的伺服系统静态摩擦参数辨识 10.8 基于遗传算法的TSP问题优化

• 1.1 什么是数据结构 • 1.2 算法及其描述 • 1.2.1 什么是算法 • 1.2.2 算法描述 • 1.3 算法分析 1.3.2 算法效率分析 1.3.3 算法存储空间分析 1.3.1 算法设计的目标 • 1.4 数据结构＋算法＝程序（略）

为解决局部最优问题,将遗忘机制引入传统遗传算法中,提出了一种改进的遗忘遗传算法,给出了一种遗忘算子及其遗忘概率,通过在遗传过程中遗忘某些基因,增加了算法的搜索空间,使算法跳出局部最优,从而最大限度地避免早熟收敛.将该算法用于不同欠费率下的电信客户初始信用评分,找到信用权重的优化解,较好地解决了对高欠费率群体进行信用评分时,信用权重的适应值偏低的问题.实验结果表明所提算法有效可行.与标准遗传算法相比,本文所提算法可以获得更高质量的解