蚁群优化算法的理论研究进展

蚁群优化算法的理论研究有助于更好地理解算法的原理以及指导算法应用。回顾了蚁群优化算法的收敛性分析、时间复杂度分析与近似性能分析等理论研究进展,分析了其理论研究的对象从简单的拟布尔函数转为组合优化问题以及实际应用问题。从蚁群算法理论分析方法和研究问题类型2个方面对蚁群算法的理论研究进行综述。介绍了适应值划分、漂移分析等最基本的数学分析工具,对时间复杂性及近似性能等重要问题进行了探讨。总结比较了蚁群算法求解各类问题的性能,指出这些研究能够更加深入了解蚁群算法的运行机制。最后,探讨了目前蚁群算法理论研究中亟待解决的问题,指出引入新的分析工具以及研究更为复杂的算法模型等是值得进一步研究的方向和内容。

基于模糊频繁模式的数据流关联规则挖掘方法

为了获得流格式数据集的规则挖掘以及降低挖掘过程中的计算开销,提出一种基于动态模糊频繁模式的数据挖掘方法 .首先,确定一种滑动窗口区分新旧事务,以处理连续产生的数据流;然后构建动态模糊频繁模式树(DFFMT),随着滑动窗口的变化,给每个删除的旧窗格添加相应算法,且插入新窗格;最后,当DFFMT构建完成之后,根据当前窗口推理模糊关联规则.两个公开数据集的实验验证了提出方法的有效性.与其他同类方法相比,提出的方法只需要检索数据库一次,可以处理大量的流格式数据集.同时,运行复杂度和存储复杂度表现也较优.

单调线性互补问题的宽邻域预估-校正内点算法

基于邻近度量函数的最小值,对单调线性互补问题提出了一种新的宽邻域预估-校正算法,在较一般的条件下,证明了算法的迭代复杂性为O(n^(1/2)log(x0)Ts0/ε).该算法可视为最近Zhao提出的线性规划基于邻近度量函数最小值的宽邻域内点算法的推广.

一种低复杂度的删除卷积码识别算法

针对当前信息截获领域中删除卷积码识别需遍历删除模式进行校验、运算复杂度较高的不足,提出一种基于求解伪循环多项式矩阵(Poly-Cyclic Pseudo Circulant matrix,PCPC)的删除卷积码识别算法。该算法可由删除卷积码的等价生成多项式矩阵Gp(D)直接运算得到删除模式P和源卷积码基本生成多项式矩阵G(D),从而使删除卷积码的识别过程极大简化,极大降低了识别算法的复杂度。