给出了一种分布式Web日志挖掘模型DWLMS.根据对挖掘过程及算法进行分析,提出了一种基于DWLMS的局部频繁路径的更新算法LFP和全局频繁路径的更新算法GFP,较好地解决了Web访问信息的异地存储、实时增长、分布式算法通讯量等因素给模式分析过程带来的困难.在实验室对该方法进行了简单实现和实际日志数据的测试,结果表明了算法的有效性

为降低基于Skowron分明矩阵属性约简算法的复杂度,提出了简化分明矩阵及其相应属性约简的定义,并证明了基于简化分明矩阵的属性约简与基于原分明矩阵的属性约简等价.在简化决策表的基础上,定义了一个函数,该函数能度量条件属性在简化分明矩阵中出现的频率,并给出了计算该函数的快速算法,其时间和空间复杂度均为O(|U/C|).用该函数设计了一个有效的基于原分明矩阵属性约简算法,算法的时间复杂度降为O(|C||U|)+O(|C|2|U/C|),空间复杂度降为O(|U|);并用实例证明了算法的有效性

在基本的遗传算法(SGA)中,初始群体是随机产生的.为了增加个体的遍历性和多样性提出一种用网格法来产生遗传算法的初始群体,并对网格法的遗传算法的优化效率进行了定量的评价.同时与基本的遗传算法一起应用在DeJong的测试函数F1上便于进行对比.评价结果和实验结果表明网格法在提高遗传算法的优化效率上是可行的

针对现有基于粒子群参数优化的改进蚁群算法耗时较大的问题,提出了一种新的解决方案.方案中采用一种全局异步与精英策略相结合的信息素更新方式,同时合理减少蚁群算法被粒子群算法调用一次所需的迭代代数.对日本旭川垃圾场巡查机器人路径规划问题仿真求解的结果表明,与其他算法相比,该改进算法具有比较明显的速度优势

针对含动态再结晶粘塑性模型中的材料参数应用传统的测试方法很难准确测定的问题,吸收了遗传算法、增广高斯-牛顿算法、Levenberg-Marquardt算法和可变多面体算法的优点,构造了一套混合的全局优化算法.以26Cr2Ni4MoV为例,以镦粗实验提供的实验数据和刚塑性有限元模拟提供的数值解差值的l2范数的平方作为目标函数,应用构造的算法识别了该模型中的材料参数,计算结果和实验结果符合良好

算法程序设计 一,比较归并分类和快速分类算法 思想:结合课本中的算法结构,分别计算在数据集相同且分别为随机数,非降序,非增序情况下两种算法所需的时间

(1. 鞍山科技大学 理学院, 辽宁 鞍山 114044; 2. 武汉大学 数学与统计学院, 湖北 武汉 430072) 摘 要: 分子生物学中基因无方向的反转基因组重排问题在数学上已被证明是一个 N P2难问题. 目前, 较好 的算法是 Ch ristie (2001) 的 3ö22近似算法. 本文给出一种适合于计算基因无方向的反转基因组重排问题的模 拟退火算法, 定义了解的邻域结构. 数据实验的结果表明该算法性能优于 3ö22近似算法

针对多约束的炼钢-连铸重计划问题，提出了一种按扰动时炉次的状态进行炉次分类求解的重计划方法.将重计划问题中的约束分成强制约束和柔性约束两类，针对正在作业炉次设计了基于时间顺推和遗传算法的混合算法，针对未作业炉次设计了基于时间倒推和遗传算法的混合算法，通过强制约束结合混合算法搜寻可行解，然后在可行解中利用柔性约束搜寻最优解.采用钢厂的生产实绩数据进行仿真实验验证了该方法的可行性和有效性

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法（simulated annealing，SA） 10.4 神经网络权值的混合优化学习策略