基于微服务架构的负载均衡优化算法及实现

针对传统负载均衡算法的局限性，设计了基于最低并发负载算法的动态权重负载均衡(DWLB)算法，算法根据服务器节点的性能计算得出系统节点的权重，当最低并发算法失效，算法升级为动态权重算法，权重大的节点被选中的概率也会更大。实验结果表明，本文提出的负载均衡算法具有高可行性。     

求一切完美匹配的一个算法

本文设计了一个求一切完美匹配的算法,它由下面的四个子算法组成:算法1 利用Edmonds.J算法,求一个完美匹配M(略)。算法2 利用类似深度搜索法的技术,求含M的某条边的一切M-交错回。算法3 求一切M-交错回。算法4 求一切完美匹配。     

基于网格技术的孤立点数据挖掘

在算法LOF和GridLOF的基础上提出了改进的GPOD算法，介绍了实行的步骤，给出主要的算法代码，并给出算法的实现部分和实验结果，最后分析了算法的性能，验证了改进后算法的先进性。     

基于自适应步长布谷鸟搜索和粒子群融合算法的AUV水下三维路径规划

针对传统布谷鸟算法在处理自主式水下机器人（AUV）于复杂水下的三维路径规划研究时存在搜索目标不可达、寻径和避障能力弱和算法收敛速度慢等问题,提出AUV路径规划算法PSO-ASCS(particle swarm optimization-adaptive stepsize cuckoo search),将粒子群算法引入改进的自适应步长布谷鸟搜索,对布谷鸟算法进行优化。利用空间分层思想建立复杂水下三维模型对PSO-ASCS算法进行路径规划和避障实验;通过考虑路径长度、路径平滑性和路径危险性三个要素构造适应度函数,对PSO-ASCS算法进行测试并与自适应步长布谷鸟算法、标准布谷鸟算法和粒子群算法进行比较。实验表明,本文算法具有较强的全局搜索能力和寻优性能、算法收敛较好,使AUV具备高效的避障和路径规划的能力。     

求结点最少的最短路的一个算法

本文在Dijkstra算法(最短路算法)的基础上,提出了求结点最少的最短路的DD算法。本算法的运行时间阶为O(n~2)。     

RSA密码的一种快速实现算法

RSA算法是基于数论的公开密钥密码体制。在深入地研究RSA算法的加密解密原理的基础上,详细地分析了SMM算法的乘同余对称特性,应用2K算法具有减少迭代次数的特征,对SMM进行优化组合。通过理论分析,得到改进算法快速的数学依据,并在实验中证明了在这数学条件下改进后的组合算法比     

计算机的功能评价与功能设计

本文提出评价计算机功能的三项指标:算法速度,算法能力和算法开销。论述了计算机功能设计应该包含的内容。     

一种具有自适应参数的基于密度加权的粗糙K-均值算法

针对原始粗糙K-均值聚类算法采用固定权重和阈值的缺陷,提出一种改进的粗糙K-均值算法。改进的算法根据K-均值聚类算法的特点,在基于密度加权的K-means算法基础上,对固定经验权重和固定阈值这两种参数进行改进,提出了一种自适应参数方法。实验结果表明,该算法降低了迭代次数,聚类结果更为精确。     

基于二叉树的多类SVM在Web文本分类中的应用研究

针对现有多分类支持向量机算法所存在的训练时间长、判别速度慢等问题,提出了一种二叉树多类支持向量机算法,该算法能够有效减少支持向量的个数,从而减少训练时间.为了验证算法的有效性,将该算法分别同l-v-r算法和l-v-1算法进行了比较,实验结果表明,提出的算法是有效可行的.     

基于Cholesky分解的混合信赖域算法

为解决非二次性太强、曲率变化剧烈的非线性函数优化问题，把锥模型信赖域算法和基于广义正定Cholesky分解的Gill-Murray改进牛顿算法相融合，建立了基于Cholesky分解的混合信赖域算法，该算法具有计算速度快且收敛性能好的特点，证明了算法的收敛性。     

一种求解不等式约束下函数优化问题的新算法

提出了一种求解不等式约束下的函数优化问题的新算法． 算法设计思想来源于演化计算的群体搜索技术,但又不同于现存的任何一种演化算法． 对一些典型的约束优化问题测试结果表明：新算法结构的简单性,搜索的高效性,收敛的全局性,应用的广泛性,算法的鲁棒性及结果的精确性,都优于现存的演化算法．     

基于遗传算法的多核支持向量机的参数优化

提出了利用遗传算法对多核支持向量机的权系数进行寻优的方法GA-MKL,先选择表现能力最好的参数的单核构成多核,再利用遗传算法来对多核的核系数来寻优.采用该算法在UCI标准数据集上进行了实验,结果表明,该算法为多核SVM的系数选择提供了一种可行的方法.与单核SVM相比,该方法具有更好的分类能力,和其他多核学习算法相比,性能也有一定的提高.     

基于模式矩阵的P_Matrix算法

Apriori算法是关联规则挖掘中最经典的算法,该算法需多次扫描数据库并产生海量的候选项目集.利用模式矩阵对Apriori算法进行改进,提出一种P_Matrix算法,它使扫描数据库的次数降为一次,同时不产生候选项目集而直接产生频繁项目集,从而使算法的时间复杂度和空间复杂度大大降低.     

多层前向神经网络的自适应遗传算法训练

提出了一种改进的自适应遗传算法 Ｉ Ａ Ｇ Ａ，它利用网络结构的特点，采用前向自适应技术，实现对神经网络的有效训练．实验表明，该算法优于 Ｂ Ｐ算法、标准遗传算法 Ｂ Ｇ Ａ 和普通自适应遗传算法 Ａ Ｇ Ａ，网络训练质量和效率都有很大提高     

一种基于SSM的HMM训练算法

在Baum-Welch(BW)算法的基础上提出了一种基于态相关方法(State—Specific Method：SSM)的隐马尔可夫模型(Hidden Markov Mode：HMM)参数估计算法(简称SBW算法)．该算法在估计HMM不同状态的概率密度函数(probability density function：PDF)的参数时使用了与状态有关的维数较低的特征集合．与传统的BW算法相比，新算法避免了直接估计高维的PDF参数．仿真实验表明，在训练数据量不足的情况下，采用SBW算法的误识率明显低于BW算法．     

基于粒子群优化求解纳什均衡的演化算法

基于粒子群优化方法从群智能的角度建立了博弈的演化模型，为求解有限n人非合作博弈的纳什均衡设计了一种粒子群优化算法．通过随机初始点的可行化以及对迭代步长的控制，保证粒子群在算法的迭代过程中始终保持在博弈的可行策略空间内，避免了在随机搜索中产生无效的粒子，因此提高了粒子群优化算法求解纳什均衡的计算性能．给出了算法的数值例子并分析了该算法的计算性能，通过粒子群算法与遗传算法的比较显示了粒子群算法求解博弈纳什均衡解的高效性．     

线性约束凸规划问题的仿尺度算法

对一般线性约束凸规划问题，给出了相应的仿尺度算法，并证明由该算法所产生的迭代点要么直接到达问题的最优解，要么其极限点满足问题的最优性条件。     

求解函数优化问题的两种异步并行算法

对子空间搜索法（一类多父体重组搜索策略）与群体爬山法相结合的一种随机搜索新算法即郭涛算法的特点进行了分析与实例验证，并在此基础上提出两种异步并行算法，以适应各种类型的并行与分布计算环境。以Bump函数的优化问题为例在超级并行计算机上作了并行数值试验，得到了迄今最好的结果。     

挖掘泛化序列模式的一种有效方法

针对有时间约束的泛化序列模式的挖掘问题，提出了一种有效的挖掘方法，与已有的算法相比，主要通过采取两种技术来提高效率，一是事先找出每个数据序列支持的序列模式，从而去除了时间因素，用一个快速算法求解决匹配问题；二是在数据序列重复较多时采用直接求交的方法，在此基础上提出了一个基于数据库划分的挖掘算法。     

面向有限带宽信道的字典学习图像超分辨率重建

固定邻域回归(ANR)算法采用K层奇异值分解(K-SVD)算法进行字典训练, 在字典学习过程中存在稀疏表示系数不准确的问题, 导致重建的结果不理想. 因此, 引入一种改进的K-SVD算法对字典进行训练, 该算法对字典训练改变了传统K-SVD算法更新稀疏表示系数的方式, 使得稀疏表示系数更加准确, 而且加快了字典的收敛速度, 使得训练得到的字典具有更好的稀疏表达能力. 同时, 针对ANR算法的不足, 提出一种面向有限带宽信道基于字典学习的图像超分辨率方法, 该方法采用改进的K-SVD算法训练字典对 , 并将其应用到ANR算法中, 实现图像的超分辨率重建. 实验结果表明, 本文提出的方法不仅能够保持ANR算法快速重建的优势, 而且提高了图像的重建质量, 具有更高的峰值信噪比和结构相似度.