幻方的遗传算法构造初探

首先介绍遗传算法，并针对一个古老的数学问题——幻方提出了一种基于遗传算法的幻方构造新方法。

单位分数表的一算法构造及实现

通过构造算法,给出了真分数m/n的最大分数分数的分母最小表法及其matlab实现.

泛系方法论与幻方算法构造

本文论述系统方法论的精缩影模式及其对求解、建模、算法生成与理论建构的作用,用时用泛系方法提出并证明了:1.递归构造n阶幻方(n≥5)的方法;2.已知m阶幻方和n阶幻方(m,n≥3),求mn阶幻方的公式;3.已知m阶幻方(m≥3),构造2m阶幻方的方法。利用本文算法用计算机可以排出任何阶的幻方。另外,本文论述了幻方的科学研究意义与潜科学意义。

平面杆系任意截面内力算法构造及其应用

讨论了受任意集中力、集中力偶和线性分布力作用的平面杆系结构内力分析技术。遍历单元的轴向和横向荷载特征点,生成该单元的"轴向荷载数组"和"横向荷载数组",以此为基础,构造内力计算的"特征点截面法"和"特征点递推算法",并进行了分析。分析结果表明:两种算法适合包含梯形分布的复杂荷载组合,是一种实用的平面杆系内力计算技术,可直接用于平面杆系内力分析计算机编程。

确定度分布条件下可变同配系数的算法构造与影响分析

复杂网络是现实中大量节点和边的抽象拓扑,如何揭示网络内部拓扑对网络连通性、脆弱性等特征的影响是当前研究的热点.本文在确定度分布的条件下,根据Newman提出的同配系数的定义分析其影响因素.首先在可变同配系数下分别提出了基于度分布的确定算法和基于概率分布的不确定算法,并分别在三种不同类型的网络(Erd?s-Rényi网络,Barabási-Albert网络,Email真实网络)中验证.实验结果表明:当网络规模达到一定程度时,确定算法优于贪婪算法.以此为基础,分析了同配系数改变时聚类系数的变化,发现两者之间存在关联性,并从网络的微观结构变化中揭示了聚类系数变化的原因.

模型建立与算法构造:基于Prim算法构造最小生成树

最小生成树有许多重要的应用。例如:要在n个城市之间铺设光缆,主要目标是要使这n个城市的任意两个之间都可以通信,但铺设光缆的费用很高,且各个城市之间铺设光缆的费用不同,因此另一个目标是要使铺设光缆的总费用最低。这就需要找到带权的最小生成树。本文通过使用Matlab软件进行编程实现了用Prim算法构造最小生成树的分析运算。本程序可以方便地处理层次分析法下较大的运算量,解决层次分析法的效率问题,提高计算机辅助决策的时效性。其中建立了有效的基于Prim算法的数学模型并验证了模型的合理性和科学准确性。利用MATLAB、EXCEL、SPSS13.0 for windows等软件,实现了高效、准确的研究。

基于Lasso和构造性覆盖算法的不均衡数据分类方法

针对机器学习分类算法在不均衡数据分类问题中对少数类样本识别能力不足的问题,以电信客户流失场景为例,提出一种不均衡数据分类方法 L-CCSmote(Lasso Constructive Covering Smote)。首先,通过套索回归(Lasso)提取流失用户特征以优化模型输入;然后,通过构造性覆盖算法(CCA)建立神经网络生成符合样本整体分布的覆盖;最后,进一步提出单样本覆盖策略、样本多样性策略和样本密度峰值策略,通过以上策略混合采样以平衡数据。选用了KEEL数据库中的13个不均衡数据集和2个脱敏电信客户数据集,分别在逻辑回归(LR)和支持向量机(SVM)分类算法上对该方法进行验证。在LR分类算法上,与SMOTE-Enn(Synthetic Minority Oversampling TEchnique Edited nearest neighbor)相比,所提方法的平均几何平均值(G-MEAN)提升了2.32%;在SVM分类算法上,与Borderline-SMOTE(Borderline Synthetic Minority Oversampling Technique Edited)相比,所提方法的平均G-MEAN提升了2.44%。实验结果表明,所提方法能解决类别偏斜分布影响分类的问题,且对于稀有类的识别能力优于经典平衡数据方法。

考虑三类客户点的卡车-无人机协同配送模型及混合算法

为了提高“最后一公里”配送效率,降低配送成本,文章提出一种考虑三类客户点的卡车-无人机协同配送模式。建立以配送成本和配送时间的加权和最小化为目标的数学模型,对三类客户点在卡车-无人机协同配送路径、卡车和无人机载重、协同时间以及无人机电量方面进行约束;使用由遗传算法、K-means聚类算法与构造算法共同组成的混合算法对模型求解。大规模算例和小规模算例结果显示本文算法求解效率和求解精度较高;以配送成本和配送时间的加权和最小化为目标对比以配送成本或配送时间最小化为目标结果更优。文章提出的模型和算法能有效解决卡车-无人机协同配送问题;以配送成本和配送时间的加权和最小化为目标相较于只考虑配送成本或配送时间更合理。

一种模糊概念格模型及其渐进式构造算法

传统形式概念分析方法无法处理现实中模糊和不确定信息,因此,对模糊概念格及其信息表示的研究具有重要意义.文中提出了一种模糊概念格模型,提出了模糊形式背景中属性隶属度值的窗口截取方法,定义了模糊概念的模糊参数σ和λ,给出了模糊概念格渐进式构造算法,推导出了模糊参数σ和λ的渐进式计算公式.模糊参数σ和λ分别体现了概念外延对于属性的隶属度的均值和发散程度.在模糊概念格渐进式构造算法中引入两个中间参数以实现模糊参数的渐进式计算.最后,进行了算法性能评估实验,结果表明模糊概念格的这种渐进式构造算法在时间上和空间上都具有良好的性能.

概念格的快速渐进式构造算法

概念格作为形式概念分析理论中的核心数据结构 ,已经在知识工程和软件工程等领域得到了广泛的应用 .概念格的快速构造在其应用过程中具有重要的意义 ,研究人员已经提出了一系列构造概念格的算法 ,其中渐进式算法是很有前途的一类 .该文通过对概念格渐进式构造过程的分析 ,识别出要解决的基本问题 ,提出了采用树结构对概念格节点进行组织 ,研究了基于这种树状组织的概念格快速渐进式算法 ,并给出了算法的伪码 .概念格节点的树结构组织有利于识别出格节点的类型以及约束新生格节点的父节点和子节点的搜索范围 ,从而可以有效地减少算法的执行时间 .实验结果表明 ,基于这种树状索引的渐进式构造算法的时间性能要明显优于著名的

基于覆盖的构造性学习算法SLA及在股票预测中的应用

覆盖算法是神经网络学习算法中的一个十分有效的方法 ,它克服了基于搜索机制的学习方法和规划学习方法计算复杂性高 ,难以用于处理海量数据的不足 ,为神经网络提供一个构造性的学习方法 但该方法是建立在所有训练样本都是精确的假设上的 ,未考虑到所讨论的数据具有不精确的情况 ,若直接将该方法应用于数据不精确情况 ,所得到效果不理想 主要讨论数据具有不精确情况下的时间序列的预测问题 为此将原有的覆盖算法进行改进 ,引入“覆盖强度”和“拒识样本”的概念 ,并结合这些新概念给出相应的覆盖学习算法 (简称SLA) ,最后将SLA算法 ,应用于金融股市的预测 ,具体应用到以上 (海 )证 (券 )综合指数构成的时间序列的预测 ,取得了较好的结果 。

Internet公钥基础设施中的证书路径构造算法

证书路径处理是实现公钥基础设施中安全认证的重要技术。建立在公钥基础设施上的用户只有通过有效的证书路径才能获得Internet有效的公钥证书。文章基于图的宽度优先搜索算法的思想理论,提出了公钥基础设施中证书路径的构造算法,并讨论了算法的有效性。

矩形物体布局的构造算法

通过分析矩形物体布局问题的特点 ,提出了相应的定序规则和定位规则 ,并由此确定了矩形物体布局的构造算法。该算法既可满足一般矩形物体布局的要求 ,又可满足工业上一刀切问题的要求。还对矩形物体布局时定位方向的确定进行了研究。算例分析表明 。

一种新的概念格并行构造算法

概念格作为形式概念分析理论中的核心数据结构,在数据挖掘和知识发现、人工智能、信息检索、粗糙集[1]等领域得到了广泛的应用。概念格的构造在其应用过程中是一个主要问题。提出了一种基于闭包系统划分的概念格并行构造算法——Para_Prun算法,它将概念集合看作初始闭包系统,引入了子闭包系统的有效性判断,迭代生成相互独立的多个子闭包系统,然后在每个子闭包系统中独立生成概念,有效地提高了概念的求解速度。最后用实验证明了算法的正确性和有效性。

Power图的性质及构造算法研究

点集的 Power图是点集 Voronoi图的推广 ,特别适合用来解决涉及球 (圆 )的几何问题 .文中首先对 Power图的基本性质进行了几何化的证明 ;之后 ,研究了权为负数时对 Power图的影响 ,指出在 Power图的理论中允许权为负数 ,从而 Power图可以应用到具有负权性质的领域 ;最后 ,给出了平面点集的 Power图的构造算法 ,该算法利用 Power图与正则三角化互为对偶的原理 ,在点集的正则三角化的基础上构造 Power图 ,同时给出了实例以说明算法的有效性 .

基于属性链表的关联规则格的渐进式构造算法

作为数据挖掘核心任务之一的关联规则发现已经得到了广泛的研究。而由二元关系导出的概念格则是一种非常有用的形式化工具,非常适于发现数据中潜在的概念。分析了概念格与关联规则提取之间的关系,根据需要对格结构进行了相应的修改,提出了关联规则格的概念,并提出属性链表这种数据结构,基于这种链袁提出了关联规则格的渐进式构造算法。通过对算法进行分析,得出了比Godin算法更好的时间效率。

一种多维小波网络的构造性算法

在探索单尺度径向小波框架与径向基函数网络对函数逼近特性相似的基础上 ,构造了单尺度径向基小波网络 .针对在高维应用中出现的维数灾难 ,以减少其对维数的依赖性为出发点 ,实现了限制网络规模过大的方法 ,主要包括根据输入样本的时频信息和小波的时频定位区间 ,采取多种措施自适应地从小波栅格中挑选恰当的小波基 ;根据输出样本信息 ,考虑权值的不同重要程度 ,利用自适应正交投影算法完成了网络结构大小及其连接权值的自动确定 .通过将该方法应用到脑电逆问题的求解实例中 。

近似概念格及其增量构造算法研究

针对传统概念格处理不完备信息的局限,给出了处理形式背景有缺值现象的概念格扩展模型———近似概念格,在此基础上提出改进的概念格增量构造算法。该算法引入哈希技术和最近父节点的增量计算方法,从加速定位生成元和更新边这两个关键过程改进Godin算法。采用随机数据集设计实验,实验表明,改进的算法可有效提高对形式背景有缺值现象概念格的建格效率,尤其是对数据规模和发生关系概率较大的数据集,算法的高效性更明显。

基于自然数的线性四叉树优化构造算法

本文提出了一种基于自然数的线性四叉树优化构造算法。该算法以活动结点对照表为中间辅助结构，在图像输入过程中直接生成基于Ｎ码的四叉树叶结点。文中所列试验表明，新提出的优化算法在时间效率及内存开销方面均优于常规的构造算法。

一种新型不规则三维排样构造算法

基于最小势能原理,提出了一种新型不规则三维排样构造算法(HAPE3D):容器内部均匀分布多个离散排样点,零件依次平移至每个排样点,然后绕x、y、z轴旋转,最终找到使零件重心最低的最优排样姿态.文中还提出了一个多面体重叠检测算法,令HAPE3D摆脱了临界多面体束缚.算例表明,HAPE3D能够处理任意形状的多面体零件,并可以考虑零件旋转,同时具备孔洞填充功能.HAPE3D的速度也较快,使其与现代启发式算法混合成为可能.