2.1 算法的两要素 2.2 算法的特征 2.3 算法的表示 2.4 常用算法 2.5 算法的设计要求 2.6 算法的复杂度分析

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

程序是建立在数据结构基础上使用计算机语 言描述的算法，因此简单地讲，程序也可以 表示成：算法＋数据结构。 介绍算法的概念及常用算法。并通过数组、 链表、栈、队列等数据结构以及Java对象容 器，讨论算法的应用及算法的Java程序实现

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

对一种已有的自适应算法进行了改进,并将该算法思想引入到粒子群算法的改进中,在种群进化到一定代数时按照改进自适应算法改变搜索范围的大小,实现了自动调整搜索范围、提高收敛速度和精度并可有效防止粒子群算法早熟收敛的目的,同时通过实验仿真进行了验证.将该改进粒子群算法应用到热连轧机精轧机组的负荷分配优化计算中,程序运行时间小于5s,满足实时性的要求,为其提供了一种更为有效的优化手段

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型，并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手，设计适合本文模型的算法，并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念，将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用，并在辅助函数构成的搜索空间上寻找最优解，是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法，测试结果与本文的理论分析一致，证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果

第3章基本图形生成算法 3.1生成直线的常用算法均假定所画直线的斜率k∈[0,1]。 3.1.1DDA画线算法 DDA (Digital Differential Analyzer )画线算法也称数值微分法,是一种增量 算法。它的算法实质是用数值方法解微分 方程,通过同时对x和y各增加一个小增量 ,计算下一步的x、y值

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

连续变量反馈同步法(CVFS)是一种比较简单的同步控制算法,但该算法在实际应用中存在一个关键的问题,即反馈系数的整定比较困难.为了解决这个问题,在把模糊遗传算法(FGA)和连续变量反馈同步法(CVFS)相结合,提出了一种基于模糊遗传算法的连续变量反馈同步法(FGACVFS).仿真结果表明:FGACVFS算法能方便有效地进行整定工作

5.1.1 路由选择算法的分类 5.1.2 对路由选择算法的要求 5.1.3 路由算法的实现--路由表 5.1.4 路由算法与流量控制的关系 5.2 常用的路由算法