计算任意最大值堆的枚举总数目的实用算法

给出了一个最大值堆（当它为一棵满二叉树时）的枚举计数公式，提出了计算任意一个最大值堆的枚举总数目的一个实用算法。

最大值堆的枚举计数公式及其实现

根据堆的定义,在构造与最大值堆对应的n元排列的过程中推导出了n个结点最大值堆的枚举总数目的计算公式,讨论了当堆为满堆时的情况,给出了一个复杂度为O(n)的算法实现了任意最大值堆的枚举计数公式。

一种基于大顶堆的SPIHT改进算法

多级树集合(SPIHT)算法在多次排序扫描过程中需要进行大量重要性测试,由此导致算法的压缩编码效率显著降低。为提高SPIHT算法的压缩效率,本文利用大顶堆方法,提出了一种SPIHT改进算法。改进算法优化了SPIHT中的重要性测试,并将函数时间复杂度从O(logn)降为O(1)。实验结果表明本文方法在进行多次小波变换时效果尤为显著,使得SPIHT编码时间趋于一个常数,压缩效率比未改进前提升数倍。

最小最大值堆的枚举计数公式及其算法实现

根据最小最大堆的定义,对n元排列组合进行该堆的构造并推导出对应的n个结点最小最大值可能存在的堆枚举总数目的计算公式;并给出了在满堆情况下,时间复杂度为O(n)的任意最小最大堆得枚举算法实现。

一种枚举生成所有最小-最大堆的算法

提出一种生成所有最小-最大堆的枚举算法。该算法采用单个数判断法和层次判断法,按照从深层次向低层次的顺序生成最小-最大堆;利用满堆的对称性,通过互换满堆的左右子树得到另外的最小-最大堆,从而减少回溯次数,有效提高枚举效率。

一种改进的模糊连接点聚类算法

传统的模糊连接点FJP聚类算法采用基于欧氏距离的最大-最小合成运算法生成传递闭包,该方法所生成的传递闭包存在失真问题,即包含有较多错误的数据关联信息,最终造成算法聚类精度低且计算时间长。针对以上问题,提出一种改进的模糊连接点聚类算法:先用组合核函数计算数据集的模糊相似度矩阵,提高算法对数据非线性特征的辨识能力,并用大顶堆存储之;然后遍历传递闭包矩阵中的空元素,用堆顶的桥元素填充传递闭包的空元素,直至生成传递闭包。在测试数据集上的实验结果表明,本文算法的平均聚类精度较传统FJP算法有20%以上的提升,显著改善了传递闭包的失真问题;另外,在大型数据集上的计算效率亦优于传统FJP算法的,说明本文改进FJP算法的思路是有效的、可行的。

无线传感器网络中基于最大堆的聚合路由算法

综合考虑了节点剩余能量和数据传输距离的影响,结合数据聚合提出了一种基于最大堆的聚合路由算法。算法利用节点剩余能量和传输距离作为参数来建立一个堆,把能耗分布到整个网络,提高网络的生存时间。仿真结果表明,新算法与平衡树路由算法相比有效地延长了网络的生存周期。

并发遗传退火算法求解复杂非线性方程组

问题求解空间的扩大和种群规模的增加,导致传统的遗传退火算法在求解复杂非线性方程组时显得迟缓和性能不足.在多核处理器的环境下,把并发机制和最大堆引入遗传退火算法,并应用于复杂非线性方程组的求解中,给出一种具体设计思路.仿真实验结果表明,该机制有效地提高了遗传退火算法的性能,加快了求解速度.