S-M启发式算法在饲料企业库存管理中的应用

文章探索性地研究了Ｓ－Ｍ启发式算法在饲料企业库存管理中的应用。Ｓ－Ｍ启发式算法为解决时变需求库存问题的一种简便易行且较实用的方法。对于饲料企业中某些耐存贮的原料，作者认为用Ｓ－Ｍ启发式算法进行库存管理，可以收到较好的效果。文章先介绍库存管理中著名的ＥＯＱ（经济订购批量）模型，然后叙述了Ｓ－Ｍ启发算法的解法步骤，接着利用示例说明了如何确定订购批量与订购批次，并与ＥＯＱ模型的结果相比较，证实了利用Ｓ－Ｍ启发式算法得到的结果要优于ＥＯＱ模型。

基于序列比对算法的伪装入侵检测技术

序列比对是生物信息学中基本的信息处理方法,对于发现生物序列中的功能、结构和进化信息具有重要的意义。该文对典型的序列比对算法N-W算法和S-W算法进行了分析对比,将S-W算法应用到伪装入侵检测中,通过实验验证了该算法的高灵敏度入侵检测性能。

混沌时间序列基于邻域点的非线性多步自适应预测

根据流形理论 ,利用混沌时间序列中某点邻域内最近几点的P次迭代像 ,提出了一种多步自适应预测算法 .仿真说明 ,这种算法使得预测速度成倍提高 ,而预测稳定后得到的误差均方根序列呈指数增长趋势 ,这个指数就是该混沌时间序列的Lyapunov指数 .