栅阵列排序的一个有效算法

栅阵列排序问题已被证明是一个ＮＰ一完全问题，该文提出一个新的启发式算法。该算法通过建立层函数的概念，将栅阵列的排序问题转化为求层函数的最小值的优化问题。算法的时间复杂度为Ｏ（ｎｘｐ３），其中ｎ为线网的个数，ｐ为主栅的个数。

自对偶网络的特勒根定理的3种形式

特勒根定理是网络理论中一个普遍适用的重要是理。它通常有２种形式。该文从对偶网络出发，引出自对偶网络的概念，并提出自对偶网络的特勒根定理的３种形式。

基于自组织特征映射的矢量量化方法

对自组织特征映射神经网络的特性进行分析，并将其与矢量量化问题的实质进行比较，提出了一个实现矢量量化的自组织特征映射算法。分析与实验表明，该算法是稳定收敛的。算法的学习结果与网络的初始状态无关，并且十分接近于全局最优解的下限。将该算法应用于图像数据的压缩。

基于自组织特征映射的栅阵列排序算法

自组织特征映射神经网络中所有神经元通过相互竞争和自适应学习而形成空间上的有序结构，这种有序结构能反应出输入矢量集合的内在特征。这一特性可成功地应用于解决组合优化问题。本文根据栅阵列排序问题的性质来设定网络中各种经元的相互竞争原则，建立了一个栅阵列排序算法，并取得了非常好的布图结果。本文算法的时间复杂度为O（n×P2lnp），n为线网个数，p主栅列数。

基于自组织特征映射特性的栅阵列排序算法

本文应用自组织特征映射神经网络的竞争学习和自组织特性,并根据栅阵列排序问题的性质来设定网络的竞争原则,建立了一个栅阵列排序算法.实验证明该算法可以求得十分接近全局最优解下限的布图结果.该算法的时间复杂度为D(n×p^2In p),n为线网数,p为主栅列数.