组合优化问题在实践中有着广泛的应用,同时也是计算机科学中的重要研究课题。本 章对于八皇后问题、SAT问题、装箱问题、背包问题及TSP问题等五个经典的组合优化问 题,给出其定义、串行算法描述、并行算法描述以及并行算法的MPI源程序

提出了一种人工免疫识别算法.该算法将所识别的数据作为抗原,利用抗体、抗原的亲和作用,通过刺激/抑制有关抗体的活动建立一个抗体记忆集合,识别和表示数据结构组织,它具有识别多样性、自我调节功能等特点.通过对二维实数空间的数据和Iris数据进行实验,结果表明该方法聚类效果好,识别率高,且具有较好的泛化能力

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

《数学建模》算法全收录（算法大全）：第23章 现代优化算法

1.①试证明:当n≥p时,算法6.1的时间复杂度为logn p ②令表示P中第j段中的元素数,试证明算法61在执行过程中,处理器中所积累 的元素数目不会超过2n/p,即∑<

2.3.1 傅立叶变换导言 – 理论基础、连续与离散的傅立叶变换 2.3.2 二维傅立叶变换特性 – 可分离性、周期与共轭对称、平移性、 – 旋转特性、线性与相似性 、均值性、 – 拉普拉斯、卷积与相关 2.3.3 快速傅立叶变换 – FFT算法、逆向FFT算法、算法实现

提出了一种应用于中厚板轧制的道次间自适应算法.该算法以实测数据为基础,通过实测轧制力与实际计算轧制力的比值决定轧制力模型学习量的大小,做到了真正意义上的以实测数据来校正模型,从而使设定的模型有较好的自学习功能,并在实际应用中表现出较好的学习效果

为了有效地挖掘事件序列频繁情节,提出了一种广义后缀树结构发现和存储频繁情节．此结构利用广义后缀概念并且树中只包含频繁情节结点,用频繁情节发生列表逐层构建的方法提高了建树效率．该方法充分利用了事件序列的有序特点,可用于发现各类频繁情节．实验结果表明该算法性能优于Apriori-like频繁情节发现算法．

轧制控制过程中轧辊偏心信号是影响带钢厚度精度的重要因素.针对该类问题,将基于设定记忆长度的在线反向传播算法用于对偏心信号的检测.通过与普通在线反向传播算法在检测性能上的对比表明:该方法具有学习收敛速度快,抗噪声能力强等特点,可有效使变幅、变相和变频的偏心信号引起的厚度波动减少95%左右,从而准确地补偿由偏心信号引起的厚度偏差,提高轧钢过程中的带钢厚度精度

本章内容及要求: 1.了解算法概念及算法的表示,掌握用N—S流程序表示算法 2.熟练掌握赋值语句、End语句和注释语句等语句及输 入输出消息框函数的使用; 3.熟练掌握行if语句、块if结构、 Select Case情况选 择结构有使用,掌握选择的嵌套结构; 4.熟练掌握实现循环结构的For/Next循环结构及Exit For语句、Do/Loop循环结构的使用,掌握多重循环。 重点:选择结构及循环结构的实现及其应 难点:选择的嵌套及多重循环结构