混合均值中心反向学习粒子群优化算法

为平衡粒子群算法勘探与开发能力,本文提出混合均值中心反向学习粒子群优化算法.算法将所有粒子和部分优质粒子分别构造的均值中心进行贪心选择,得出的混合均值中心将对粒子所在区域进行精细搜索.同时对混合均值中心进行反向学习,使粒子能探索更多新区域.将本文算法与最新改进的粒子群算法、人工蜂群算法和差分算法在多种测试函数集上进行比较,实验结果验证了混合均值中心反向学习策略的有效性,算法的综合优化性能更强.

关于F.Smaradache LCM函数与除数函数σ_α(n)的混合均值

对任意正整数n,著名的F.Smarandache LCM函数SL(n)定义为最小的正整数k,使得n|[1,2,…,k],其中[1,2,…,k]表示1,2,…,k的最小公倍数.利用初等方法研究一类包含F.Smarandache LCM函数与除数函数σα(n)的混合均值,给出一个较强的渐近公式.

一种混合均值聚类算法的实现

从K-Means聚类算法和FCM算法混合运行的角度来探讨聚类问题,针对FCM算法初始化隶属度矩阵的随机性问题,提出了一种混合均值聚类算法。在混合算法运行过程中,利用前者的聚类结果信息来初始化后者的初始中心,依此来计算FCM算法初始隶属度矩阵,通过FCM算法的运行,最终实现数据集的聚类目的。实验结果表明该混合均值算法比单纯使用FCM算法效果好。

Smarandache LCM函数与其对偶函数的混合均值

研究Smarandache LCM函数SL(n)与其对偶函数的混合均值问题,并利用初等方法和组合方法给出一个有趣的混合均值公式.结果显示,SL(n)函数的值与其对偶函数的值几乎处处不同.

关于F.Smarandache LCM函数与除数函数的一个混合均值

利用初等及解析方法研究函数SL(n)与Dirichlet除数函数的加权均值问题,并获得一个有趣的渐近公式.

关于Smarandache函数及Smarandache LCM函数的混合均值

目的研究一个包含Smarandache函数S(n)及Smarandache LCM函数SL(n)的混合均值问题。方法利用初等及解析方法以及组合技巧。结果证明了在一个给定区间[1,x]上,满足S(n)≠SL(n)的正整数的个数与x相比,是一个高阶无穷小。给出了一个混合均值公式。结论函数S(n)与SL(n)的值几乎处处相等。

Dedekind和与一类Kloosterman和的混合均值

利用解析方法、经典高斯和以及模p原根的性质研究Dedekind和与一类Kloosterman和的混合均值问题,给出一个较强的渐近公式。

三次高斯和与二项指数和混合均值的线性递推公式

利用三角和方法以及经典高斯和的性质研究三次高斯和与二项指数和混合均值的计算问题,并借助于三次特征的特殊性给出了该混合均值的一个有趣的三阶线性递推公式。应用该递推公式,完全解决了一类三次高斯和与二项指数和混合均值的计算问题。

关于Hardy和的混合均值公式

本文的目的是利用Dirichlet L-函数的均值定理研究类似于Dedekind和的和与Ra manujan和的混合均值的分布性质,并给出一个较为精确的渐近公式及一个有趣的恒等式.

关于F.Smarandache LCM函数与素因数和函数的一个混合均值

对任意的非负整数n,著名的F.Smarandache LCM函数SL(n)定义为最小正整数k,使得n│[1,2,…,k],其中[1,2,…,k]表示1,2,…,k的最小公倍数.利用初等及解析的方法研究函数SL(n)与素因数和函数ω軍(n)的加权均值分布,并给出一个有趣的加权均值分布的渐近公式.

关于两个可乘数论函数的混合均值分布

基于可乘函数U(n),V(n)与欧拉函数φ(n)以及R(n)的性质,构造了∑n≤x U(n)φ(n),∑n≤x V(n)φ(n)以及∑n≤x R(n)U(n)均值分布性质,利用解析的方法,给出几个较为精确的渐近公式.

关于F.Smarandache简单函数与Dirichlet除数和函数的混合均值

利用解析方法研究了F.Smarandache简单函数与Dirichlet除数和函数的混合均值,得出了两个较为精确的渐近公式.

关于Smarandache函数S(n)与除数函数d(n)的混合均值

对于任意的正整数n,著名的Smarandache函数S(n)定义为最小的正整数m,使得n|m!,即就是S(n)=min{m:n|m!,m∈N}.本文的主要目的是应用初等方法研究S(n)与除数函数d(n)的加权均值问题,并获得一个有趣的渐进公式.

2个r角形数补数序列的混合均值研究

利用初等方法和解析方法,研究了两个Smarandache函数的性质,获得了混合均值性质及渐近公式,从而拓展了经典的算术函数的相关研究工作.

两个数论函数的混合均值

对任意的非负整数n,著名的F.Smarandache LCM函数SL(n)定义为最小正整数k,使得n[1,2,…,k],其中[1,2,…,k]表示1,2,…,k的最小公倍数.利用初等方法研究函数SL(n)与最大素因子函数p(n)在简单数集中的加权均值分布,并给出一个有趣的加权均值分布的渐近公式.

Smarandache kn数列与除数和函数的混合均值

对任意整数1≤k≤9,如果数列{a(k,n)}中的每一个数都可以分成两部分,使得第二部分是第一部分的k倍,则该数列称作Smarandache kn数字数列.利用初等及组合方法研究Smaran-dache kn数字数列及除数和函数的混合均值性质,并给出一个有趣的渐近公式.

关于广义二次Kloosterman和的混合均值

目的研究广义二次Kloosterman和的混合均值估计问题。方法利用解析方法。结果给出一个较强的渐近公式。结论该和式具有较好的渐近分布性质。

关于伪Smarandache函数与除数函数的混合均值

利用初等方法和解析方法研究了一个包含伪Smarandache函数Z(n)与Dirichlet除数函数d(n)的混合均值,并得到一个较强的渐近式。

一个包含Smarandache指数函数e_p(n)的混合均值

目的研究复合函数peq(Ak(n))的性质。方法利用初等方法和解析方法。结果得到了一个新的数论函数的均值性质。结论获得了关于这个数论函数的一些较精确的渐近公式ΣpeqAk(n)(n≤x)。

关于不完整Cochrane和与Kloosterman和的混合均值

利用特征和的Fourier展开式以及Dirichlet L-函数的均值性质,研究不完整Cochrane和与Kloosterman和的混合均值,给出一个渐近公式,进一步探究了不完整Cochrane和与Kloosterman和之间的关系。