绪论 基本粒子群算法 粒子群算法改进 粒子群算法与进化算法的异同 粒子群算法理论分析工具 粒子群算法的应用

10.1 计算机求解问题过程 10.2 算法的概念 10.3 算法的分类、特性和评价方法 10.4 算法的三种结构 10.5 算法的表示 10.6 算法的发现 10.7 算法举例 10.7 算法举例 10.8 程序设计基础

为了建立一个高效的路径搜索引擎,针对大型应用系统中寻径算法的平衡最优性、时间复杂度以及空间复杂度问题,从经典Dijkstra算法出发,将AI领域的决策机制引入到路径搜索中来,提出了一个启发式最优路径搜索算法.该算法在寻径过程中引入代价函数,由代价函数来决定寻径策略(即优先搜索哪些中间节点),以期望减少搜索节点数.给出了该算法得到最佳解的条件及其证明过程,并且以实例数据对两种算法进行了对比测试

以滚轴支座基础隔震结构作为受控结构研究对象, 在该隔震结构的隔震层施加主动控制装置, 形成智能隔震体系, 以控制隔震层的位移, 提高结构的安全性. 在智能隔震结构中引入非光滑控制算法, 基于隔震层位移和速度反馈, 提出了智能隔震结构的非光滑控制算法, 进一步根据Lyapunov稳定理论, 推导了在非光滑控制下智能控制闭环系统的全局有限时间稳定性. 结合一栋六层滚轴支座基础隔震结构, 进行了非光滑主动控制算法下和LQG主动控制算法下的地震响应控制仿真分析. 结果表明, 智能隔震结构可有效控制结构的位移, 与被动隔震结构相比较上部结构的地震响应有一定程度的减小, 同时提出的非光滑控制算法与LQG控制算法相比较具有更好的控制效果, 相比LQG控制算法通过较少的反馈量即可实现反馈控制, 且非光滑控制算法具有良好的稳定性

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果

为了解决飞机移动生产线中多并行作业物料的供给问题，构建了飞机移动生产线物料配送与线边存储集成决策的模型并设计了求解算法.在物料组批和小车调度的基础上，引入了物料在线边空间的存储决策，建立了以小车出行趟数最小化为目标的数学模型并设计了一种以免疫算法为框架的启发式算法.在免疫算法较优的全局搜索能力下，综合考虑小车的配送能力与线边空间的重复使用、共享等因素，使用反向动态小车调度算法和物料存储前瞻算法对物料的组批方式、配送时刻和在线边的存放位置三类变量联合进行决策.对提出的算法进行了数值实验，实验结果证明了模型与算法的有效性

1.1 数据结构讨论的范畴 1.2 基本概念 一、数据与数据结构 二、数据类型 三、抽象数据类型 1.3 算法和算法的衡量 一、算法 二、算法设计的原则 三、算法效率的衡量方法和准则 四、算法的存储空间需求

算法的概念 做任何事情都有一定的步骤。为解决一个问题而 采取的方法和步骤,就称为算法。 计算机算法:计算机能够执行的算法。 计算机算法可分为两大类: 数值运算算法:求解数值; 非数值运算算法:事务管理领域

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略.该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法.通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件.与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明:本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性