求最短路问题的改进算法

本对图论中含有负权的最短路问题的算法进行了讨论，给出了一个具有“可节省存储空间、提高运算速度、易编程实现”等优点的改进算法（算法三），并通过例题进一步验证了该改进算法的优越性，具有一定的现实意义。     

基于固定序的Bellman-Ford算法的改进

固定序算法是Bellman-Ford算法的一种基本改进算法。为了改变固定序算法在稀疏图上的劣势,本文通过预先订制参与迭代的点的计算顺序,对该算法进行了改进。实验表明,在稀疏图上, 改进后的算法相对于原算法计算效率提高了近50%, 并能够与国际流行的先进先出算法相媲美。本文的工作表明,固定序算法不仅在大规模稠密图上具有明显的优势,而且在稀疏图上也具有很强的竞争力。     

一种改进的FastICA算法

FastICA算法是一种快速独立分量分析(Independent Component Analysis:ICA)算法,但它是基于牛顿迭代方法和合理近似的一种算法,所以具有改进空间.近年来提出了许多改进的具有更高阶收敛性质的牛顿迭代方法.将一种3阶收敛的牛顿迭代方法引入ICA算法的推导中,在合理近似的基础上,提出了一种改进的两步迭代FastICA算法.与传统FastICA算法相比,提出的改进的FastICA算法一次迭代的计算量有所增加.但是,实验结果表明,新提出的改进的FastICA算法更稳健、具有更快的收敛速度.     

基于改进蝙蝠算法的贝叶斯网络结构学习

针对蝙蝠算法在搜索评分阶段易陷入局部最优且收敛精度低,以及基于蝙蝠算法的贝叶斯网络结构学习不完善等缺点,将模拟退火算法的思想引入到蝙蝠算法中,并对某些蝙蝠个体进行高斯扰动,提出了一种改进蝙蝠算法的贝叶斯网络结构混合学习算法.混合算法首先应用最大最小父子节点集合算法(Max-min parents and children,MMPC)来构建初始无向网络的框架,然后利用改进的蝙蝠算法进行评分搜索并确定边的方向.最后把应用本算法学习的ALARM网,和蚁群算法(MMACO)、蜂群算法(MMABC)进行比较,结果表明本混合算法具有较强的学习能力和更好的收敛速度,并且能够得到与真实网络更匹配的贝叶斯网络.     

基于IAFSA-MUSIC算法的阵列信号DOA估计

针对传统MUSIC算法运算量过大以及低信噪比下分辨率差的问题,提出将改进人工鱼群算法与MUSIC的谱峰搜索相结合,利用鱼群觅食和追逐来对解空间进行高效搜索,从而保证算法收敛的快速性和全局性.聚群的存在促使少量陷于局部最优解的人工鱼向着全局最优解的方向靠拢,提高了鱼群对不利环境的自适应性,也增强了算法的稳定性.与此同时,改进人工鱼群算法在一定程度上加快了后期收敛速度,提高了算法的估计性能.实验结果表明在低信噪比时方法相较于MUSIC而言具有更好的估计性能,并且大大减少了运算量,保证了算法的实时性.     

求解全局优化问题的改进蝙蝠算法[英文]

蝙蝠算法(BA)是一类基于试探技巧的群智能优化算法,该算法已被广泛用于诸多领域问题的求解.本文提出一个改进的蝙蝠算法NIBA.在算法中,为了加强蝙蝠算法的局部和全局搜索能力,提出了三个改进策略.首先,为了改进蝙蝠的局部搜索能力,在当前最优解处给出了一个新的搜索方程.其次,为了改进算法的全局搜索能力,平衡算法的开发能力和探索能力,算法吸收并改进了和声搜索机制.最后,为了进一步提高NIBA算法的搜索能力,在当前最优解处,算法采用了混沌搜索机制.为了验证算法的性能,针对18个标准测试函数进行了数值实验.与其它算法的比较结果显示,NIBA算法具有更好的稳定性,且效率更高.     

大规模多设施Weber问题的改进Cooper算法

 多设施Weber问题（multi-source Weber problem,MWP）是设施选址中的重要模型之一,而Cooper算法是求解MWP最为常用的数值方法.Cooper算法包含选址步和分配步,两步交替进行直至达到局部最优解.本文对Cooper算法的选址步和分配步分别引入改进策略,提出改进Cooper算法：选址步中将Weiszfeld算法和adaptive Barzilai-Borwein （ABB）算法结合,提出收敛速度更快的ABB-Weiszfeld算法求解选址子问题;分配步中提出贪婪簇分割策略来处理退化设施,由此进一步提出具有更好性质的贪婪混合策略.数值实验表明本文提出的改进策略有效地提高了Cooper算法的计算效率,改进算法有着更好的数值表现.     

经过改进的求解TSP问题的蚁群算法

介绍了一种求解TSP问题的算法—改进的蚁群算法,算法通过模拟蚁群搜索食物的过程,可用于求解TSP问题,算法的主要特点是:正反馈、分布式计算、与某种启发式算法相结合.通过对传统蚁群算法的改进可以得到较好的结果.计算机仿真结果表明了该算法的有效性.     

混料模型D—最优试验设计的改进DE算法研究

差分进化算法(Differential Evolution Algorithm)有较强的全局收敛能力和稳健性,应用该算法可解决工程学、计算机科学等领域的一些复杂优化问题。本文介绍一个改进DE算法,该算法适用于混料模型的近似最优设计问题,对于具有附加约束试验域的混料问题也可高效求解。最后,本文给出应用改进DE算法求解混料模型D-最优试验设计的例子。     

PageRank的改进算法——调整阻尼因子

Google将PageRank定义成某个非周期不可约Markov转移概率矩阵的平稳分布,于是对PageRank算法的改进所得到的矩阵一定要是非周期不可约Markov转移概率矩阵,结合RageRank算法和林共进修正算法思想,以及修正算法存在的问题,本文给出了改进算法,并通过简单试验对改进算法进行调整,调整后的改进算既满足Google的初衷又解决其算法的问题,也没有增加算法的复杂度.