针对钢管入库优化决策问题，建立了问题的约束满足优化模型，并通过对垛高和钢管堆放规则的分析，提出了基于聚类和约束满足技术的两阶段求解算法.算法在第一阶段采用聚类的方式对待入库的钢管按照多重属性进行分组；在第二阶段利用约束满足技术对于每组钢管分别指派垛位及其在垛位上的具体位置，并通过约束传播动态缩减问题的搜索空间.最后将算法与经典的BFD （best fit deceasing）算法进行实验结果对比.实验结果表明，算法能够在保证倒垛次数最小的前提下，有效减少垛位数并具有良好的垛位利用率，模型及算法可行、有效

5.1 回溯法算法框架 （ Backtracking Algorithm Paradigm ） 5.2 NP完全性问题简介 （ Introduction to NP-Complete） 5.3 旅行商问题 （ Travelling Salesman Problem） 5.4 0/1背包问题 （ 0/1 Backpack Problem） 5.5 装载问题 （ The Container Loading Problem） 5.6 n-皇后问题 （ The n-queens puzzle） 5.7 最大团问题 （ Maximum Clique Problem） 5.8 批处理作业调度问题 （ Batch Job Scheduling Problem） 5.9 图的m着色问题 （ The M-Coloring Problem） 5.10 回溯法的效率分析

给定由n个整数(可能为负整数)组成的序列a,2,an, 求该序列形如Σa的子段和的最大值。当所有整数均为 负整数时定义最大子段和为0.依此定义,所求的 最优值为:

动态规划方法是处理分段过程最优化问题的一类及其有效的方法。在 实际生活中，有一类问题的活动过程可以分成若干个阶段，而且在任 一阶段后的行为依赖于该阶段的状态，而与该阶段之前的过程如何达 到这种状态的方式无关。这类问题的解决是多阶段的决策过程。在 50 年代，贝尔曼（Richard Bellman）等人提出了解决这类问题的“最 优化原理”，从而创建了最优化问题的一种新的算法设计方法－动态 规划

z 无向图(undirected graph) 哥尼斯堡七桥 Euler 图 无向图，简称图，是一个用线（边）连接在一起的节点（顶点）的集合。严 格地说，图是一个三元组 G=( V, E, I ), 其中，V 是顶点的集合，E 是边的集 合，而 I 是关联关系，它指明了 E 中的每条边与 V 中的每个顶点之间的关联关 系：每条边必定连接两个而且只有两个顶点，它们称为该边的端点

数据压缩 将信源所发出的信号用较少的数码表示,减少容纳给定数据集合的信号空间。 所谓信号空间亦即被压缩的对象是指: ①物理空间,即数据存储介质的尺寸。 ②时间区间,传输消息集合所需要的时间

对模型未知的系统采用Kautz函数逼近得到系统的近似模型.基于所得到的Kautz模型设计了一种预测函数控制器.对该算法进行了稳定性分析,依据Lyapunov稳定性定理得到了保证闭环控制系统稳定的充分条件.仿真实验证明,该算法能够准确逼近真实系统模型,实现自适应控制,得到满意的控制效果

（1）频域分析方法概述 （2）简单信号和复杂信号 （3）FFT算法和自回归模型(AR)算法 （4）频域的相关性分析(Coherence) （5）频谱分析举例-脑电频域分析

提出了一种带有负载观测功能的异步电动机广义预测控制算法,在对系统动态模型分析的基础上建立了调速系统的受控自回归积分滑动平均模型.该控制算法给出了能够使下一次采样时刻的实际转速以最优特性跟踪下一时刻参考转速的广义预测控制律,并采用负载转矩观测器的前馈功能增强速度控制的抗干扰能力.仿真和实验结果表明,通过合理选择控制器参数,具有转矩预测功能的直接转矩控制系统在转速跟踪和抗扰能力方面得到一定提高

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等