针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

迄今为止，所有的NP完全问题都还没有多项式时间算法。对于这类问题，通常可采取以下几种解题策略。 (1)只对问题的特殊实例求解 (2)用动态规划法或分支限界法求解 (3)用概率算法求解

4.1 活动安排问题 4.2 贪心算法的基本要素 4.3 最优装载 4.4 哈夫曼编码 4.5 单源最短路径 4.6 最小生成树 4.7 多机调度问题 4.8 贪心算法的理论基础

2.1 Analysis 2.2 Asymptotic Order of Growth(渐进分析) 2.3 Three Techniques for Designing Algorithms 1. Greedy Algorithms 2. Divide and Conquer 3. Dynamical Programming

6.1 一般方法 6.3 双连通分图与深度优先检索

 1. 数据结构与算法的知识体系  2. 时间空间代价分析和权衡  3. KMP算法的灵活应用  4. Huffman树的灵活应用  5. 带返回值的二叉树递归算法  6. 二叉树与栈  7. 观察森林的角度  8. 树/森林和二叉树的顺序表示  题量大、覆盖面广，要全面复习、透彻理解、灵活应用、快速答卷

机电系统计算机仿真与辅助设计是建立在机电系统数学模型基础之上的。对于各 类机电系统,利用仿真手段对其进行分析与设计,首先就需要建立相应的系统数学 , 模型,此后,就需要研究如何将系统的数学模型转变为适合于计算机进行分析计算 的仿真模型,即数值算法模型。在此基础上,即可通过对数学模型的求解分析,实 现对系统动静态特性的分析与设计

基于面向汽车行业总装生产线平衡问题的研究,提出了一种包含模拟退火因子的改进的遗传算法,设计了加速收敛因子模型以确保在有限种群空间中的快速收敛;同时考虑了更多工程现场实际约束来修正传统的约束模型.新算法模型应用在混流装配生产线平衡分析中,取得了算法快速收敛和分析结果与实际工程一致的结果

将语义Web技术引入发布/订阅系统中,结合领域本体,提出一种智能匹配算法.以双索引哈希邻接表,结合谓词表、变量约束表和变量类型表作为订阅条件RDF图模式的数据结构,采用元语句级匹配计数方法,使原子订阅条件仅匹配一次,原子订阅条件间\与关系\的顺序匹配.定量和定性分析了算法的时间和空间复杂度.实验结果比较表明,所设计的智能匹配算法具有较高的订阅匹配效率,适合于大规模发布/订阅系统

一、递归的概念 二、分治法的基本思想 三、分治法的应用