向量角选择和指标删除的高维多目标进化算法

针对进化算法求解高维多目标优化问题平衡收敛性和多样性所面临的挑战,提出了向量角选择和指标删除的高维多目标进化算法(MOEA/AS-ID)。该算法在环境选择过程中设计了一种包含两种策略的协作机制逐一删除收敛性和多样性差的解以保留精英个体参与下一代的进化。前者基于向量角的选择策略用于选择一对在目标空间具有相似搜索方向的解,后者基于指标的删除策略采用同时兼顾个体收敛性和分布性的I_(SDE)^(+)指标比较被选择的这一对解,然后删除具有较小指标值的解,进而促使种群朝各个方向收敛到帕累托最优前沿,最终平衡解集的收敛性和多样性。在包含各种特征的3组标准测试系列问题DTLZ、SDTLZ、MaF上,MOEA/AS-ID与近年提出的6个涵盖了当前各种类型的高维多目标进化算法执行了广泛的对比仿真实验和数值结果分析。仿真结果和数值分析表明所提算法MOEA/AS-ID求解各种特征的高维多目标优化问题平衡收敛性和多样性的能力具有较强的竞争力。

算法时代“通知-删除”规则的适用与重构

当前,基于传统避风港体系所形成的平台版权责任认定体系难以适应算法技术不断发展变化的新态势。网络平台在利用算法技术提高自身信息管理能力的同时,也为“通知-删除”规则的适用带来了新的难题。在算法时代,网络平台应当结合技术发展,重新认定与审查自身的版权责任;建立算法事前过滤机制,结合算法运用领域的特殊性合理界定平台审查义务;完善事后纠错的必要措施体系,从而推动算法技术透明化,促进平台版权算法的良性运行。

基于自动删除算法的最小选择恒虚警检测器

将自动删除算法和最小选择方法相结合,提出了一种在强干扰目标背景下基于自动删除算法的最小选择恒虚警检测方法.分析了自动删除算法的性能,推导了该方法的平均虚警概率,平均检测概率的解析表达式.该检测方法的排序时间只有自动删除均值检测器的一半,而通过计算机仿真显示在多目标环境中,当强干扰目标较多时,该检测方法优于自动删除均值检测器.

基于MD5算法的重复数据删除技术的研究与改进

随着信息技术的快速发展,信息化已成为决定企业生存与发展的关键因素之一;然而随着企业数据信息量的不断地增加,海量数据信息的存储和不断备份已经给企业的存储空间带来了巨大的存储压力;为此,深入研究了重复数据删除技术,并针对目前重复数据删除技术中存在的数据丢失及性能低等问题以及MD5算法流程和重复数据删除策略的分析和研究,提出了一种重复数据删除技术优化模型;测试分析表明,该优化模型实现了高效和安全的重复数据删除功能,节省了企业内部存储空间的存储成本开销。

前馈神经网络结构自删除算法的研究

综述了利用删除法进行前馈神经网络设计的研究现状 ,并在重点分析根据隐节点输出相关性进行自删除的几种算法的基础上 ,在一个较高层次上提出了一种新的隐节点自删除算法 .算例说明了这种算法不仅可以压缩线性相关隐节点 ,而且可以删除不重要的隐节点 ,其重新计算量也大大减小 .

混响背景下基于自动删除算法的恒虚警检测器

该文提出了一种混响背景下基于自动删除算法的恒虚警检测器。该方法可以自动删除参考单元中的干扰点,从而可以克服Barnard等人(2004)提出的方法所存在的缺点。推导了该检测器的平均虚警概率和平均检测概率。最后通过对仿真数据和试验数据的处理结果验证了该检测器的优越性。

基于SA-MCMC算法的非线性测量误差模型数据删除影响

为了研究非线性测量误差模型强影响点的识别问题,首先将非线性测量误差模型中存在误差的不可观测的数据当作缺失数据,利用SA-MCMC算法求得模型参数的最大似然估计,然后用Q函数代替可观测数据的对数似然函数进行影响分析,得到了建立在Q函数基础上的广义Cook距离及其一步近似,最后通过算例说明了诊断统计量的有效性.

环形队列扦入删除算法分析及其改进

该文对环形队列扦入删除算法进行了综合分析，揭示了原算法中存在的死锁与混乱，并提出了改进方法．

基于点删除网格简化算法在战场仿真中的应用

介绍了基于点删除的网格简化算法的原理、方法、数据结构及实现技术。按照给定的条件通过重复执行顶 点删除,并结合Delaunay三角形剖分技术进行局部三角化,实现了战场仿真中地形的多细节层次模型,并取得了 良好的效果。

基于删除序偶的传递闭包求解算法

针对在已有传递闭包的基础上删除序偶后的传递闭包求解问题,提出一种基于传递闭包的传递闭包动态求解算法,给出了其形式化描述形式,并给出了算法的详细证明过程。该算法在已有的传递闭包基础上,通过把新删除序偶及该序偶的所有依赖间接指向序偶从已有传递闭包中删除实现求解过程,从而使算法的时间复杂度降低为O(n2),并且不受稀疏矩阵或序偶链的链长等不确定因素影响,最后通过一个实例说明了该算法的执行过程。

基于集合的红黑树结点删除算法的实现

通过分析红黑树的定义和结点删除算法的具体步骤及实现细节,针对实际应用中存在的运用前台逻辑删除结点效率低下的问题,采用直接在后台实现删除操作来提高效率;并以面向集合的Transact-SQL语言为工具,在SQL SERVER 2005数据库上实现了红黑树结点删除算法。

智能搬运机器人重叠路径删除算法设计

针对当前智能搬运机器人重叠路径删除过程中,普遍存在重删率较低,执行时间较长的问题,提出了智能搬运机器人重叠路径删除算法。利用人工势场法分别构建障碍物与目标点的斥力场和引力场模型,通过势场函数设计参数,计算其斥力场函数与引力负梯度,消除局部极小点,使智能搬运机器人能够快速到达目标地点。结合两点之间直线距离最短原理,引入橡皮筋拉紧算法,获取智能搬运机器人最短路径。利用极限学习机算法构建分类器,将最短路径选择精度作为目标函数,对其建立数学模型。采用蝙蝠算法求解,计算适应度函数,获取最优极限学习机分类器参数,实现智能搬运机器人重叠路径删除。实验结果表明,所提方法的重删率较高,能够有效缩短重叠路径删除执行时间。

数字视频广播中删除卷积码的优化译码算法

介绍DVB中删除卷积码的编译码方法,同时提出了一种优化译码算法。该算法增强了纠错能力,提高了译码精度,加强了通信系统的可靠性和有效性,尤其对DVB中可变码率的删除卷积码的译码具有很好的实用性。

一种新的删除AVL树的结点的算法

所有传统的删除AVL树的结点的算法的主要思想都是先删除结点再自下而上处理某些子树,涉及自下而上的后退。提出一种新的删除AVL树的结点的算法,其主要思想是先自上而下处理某些子树再删除结点,不涉及自下而上的后退。举例说明新算法的执行过程。证明新算法是正确的。与目前通常采用的Foster的算法相比,新算法不涉及辅助栈的使用。设n是AVL树的结点的个数。新算法的时间复杂性是O(log2n),与Foster的算法相同。实验结果表明新算法的平均执行时间比Foster的算法的短。新算法的空间复杂性是O(1),比Foster的算法的低。

数据库表关联删除的遍历算法实现

对数据库表关联删除的需求作了详细分析,为其解决给出了一套完整的处理方案,使数据库管理更加方便合理。直接借助或使用该方案可以在软件中操作数据库,并可以由此编制一些触发器。此外,使用树形存储结构结合树的先根、后根遍历算法,提出了一种全新的松散先根遍历算法,从而有效地解决了数据库表的关联删除在占用空间及搜索处理上效率更高的关键问题。

基于改进多目标自适应遗传算法的机器人路径规划

针对传统遗传算法收敛速度较慢、早熟,混合遗传算法复杂、耗时等不足,提出一种改进多目标自适应遗传算法。在初始化操作中,提出一种限制性均匀随机搜索算法结合中值插入算法初始化种群,通过均匀节点库随机生成节点,结合限制性步长控制节点搜索范围,并建立限制性步长与产生初始种群长度的先验模型。改进了自适应交叉变异操作,通过平衡阈值缩小其计算复杂度。利用自适应进化操作进化判断,同时缩短种群进化停滞过程,结合贪心算法防止种群出现倒退现象。最后,采用删除操作,平滑最优路径。通过与传统遗传算法(GA)、蚁群遗传算法(ACO-GA)、麻雀搜索算法(SSA)对比实验,仿真结果表明,改进的自适应遗传算法效率高,以更少次数收敛,具有更好的迭代稳定性,同时降低了机器人能耗。

基于自动删除算法的广义变化性指标恒虚警检测器

针对自动删除均值检测器存在的排序时间过长的问题,先提出了一种修正自动删除均值检测器.计算机仿真显示,与自动删除均值检测器相比,该检测器的性能或与其相同,或稍有改善,但排序时间却减少了一半.推导了该检测器的平均虚警概率、平均检测概率的解析表达式.比较了该检测器与基于自动删除算法的最小选择恒虚警检测器的性能,分析了这2种检测器各自适用的场合.为了得到稳定的检测性能,提出了一种广义变化性指标恒虚警检测器,该检测器根据变化性指标可以自动在修正自动删除均值检测器和基于自动删除算法的最小选择恒虚警检测器之间转换.最后通过计算机仿真验证了该检测器的有效性.

混响背景下基于自动删除算法的最小选择恒虚警检测器

针对Barnard等人提出的非高斯混响背景下的恒虚警检测器在非均匀环境中性能下降的缺点,将基于自动删除算法的最小选择恒虚警检测方法运用于其检测器结构中,提出了非高斯混响背景下基于自动删除算法的最小选择恒虚警检测器.该方法可以自动删除参考单元中的干扰点,从而可以克服Barnard等人提出的方法存在的缺点.推导出了该检测器的平均虚警概率和平均检测概率.最后通过对仿真数据和试验数据的处理结果验证了该检测器的优越性.

用于求解多媒体时间同步问题的节点删除与图分解算法

文中将多媒体时间同步问题转化为一个有向带权图的平衡权值分配问题．针对这样一个强ＮＰ类难解问题，提出了节点删除法和图分解法来处理原始图，尽可能地降低计算复杂性，从而有效地解决多媒体时间同步问题．

团图点删除问题的近似算法

针对团图点删除问题的3-近似算法得到的近似解可能较大的问题,通过对团图点删除问题及团图特性的分析,提出了该问题的一个新的近似算法。新算法通过考察图中节点的一阶和二阶邻点来计算节点关联的P3的数目,然后优先选择P3数最大的节点加入解集,以期尽快消除图中的P3,从而最终获得较小的点删除集。为检验算法效果,设计了多组不同场景的随机实验对新算法和经典的3-近似算法进行了比较。随机实验表明,新算法较经典的3-近似算法有明显的优势。