1.排列问题(归入第10章中的回溯法一并介绍,此处略) 2.组合问题(同上处理) 3.外排序及广义斐波那契(FIBONACCI)数 4.传递闭包及Warshall算法(学生参考《数据结构》部分的 Floyd算法自学) 课时分配:第3节讲授三个学时、上机三个学时

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

排序是数据处理过程中经常使用的一种重要的运算,排序的方法有很多种,本章主要讨论内排序的各种算法,并对每个排序算法的时间和空间复杂性以及算法的稳定性等进行了讨论

从露天矿采掘和运输成本的最小化角度出发,构建露天矿生产作业计划模型.基于群体智能优化理论,提出了用粒子群算法对露天矿生产作业计划模型进行解算的方法,并在求解过程中设计了带核粒子及双吸引子的粒子搜索策略.以MATLAB软件为平台进行求解运算最佳作业计划.以某露天铁矿为工程背景进行实例研究,将研究结果与露天矿实际生产指标和非线性规划解算结果进行比较验证.结果表明,粒子群算法可用于露天矿生产作业计划的优化编制

作为6XXX铝合金热处理工艺的一部分，固溶处理与时效处理对6016铝合金的力学性能有显著影响.本文把固溶温度、时间和时效温度、时间作为设计变量，应用中心组合实验设计法设计固溶-时效实验方案，在室温下分别测出试样的屈服强度、伸长率和维氏硬度.第二代非支配排序遗传算法（NSGA-Ⅱ）解决了第一代算法参数选取难、运行效率低等缺点.本文用第二代非支配排序遗传算法把得到的响应面方程作为目标函数进行多目标优化，经过计算后获得非劣解，从中可筛选出使目标函数较好的解与相对的固溶-时效工艺参数

无缝钢管坯料设计是在满足生产工艺要求下,将客户订单钢管合理地分配到生产原料圆坯的过程.实际生产中的批量原则使得每个钢管订单在圆坯中有最小分配重量要求;由于无缝钢管分配支数必须取整,导致钢管订单在圆坯中的分配重量并非连续取值.因此,比起相关的板坯设计问题和装箱问题,无缝钢管坯料设计的求解更为复杂.本文给出了无缝钢管坯料设计问题的一般性描述,并建立了混合整数规划模型.针对库存中只有单一尺寸圆坯的情况,简化了问题模型并且求得了问题的下界.结合问题特点,提出了基于贪婪策略的两阶段启发式算法,并用实际生产数据和仿真数据验证了算法求解此类问题具有很好的有效性和稳定性

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

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