一种基于吞吐量的并行度动态调整算法

并行数据传输技术可以有效地提高文件特别是大文件的传输效率,但传统的静态并行度调整策略缺乏对网络的适应性,本文提出一种基于吞吐量的并行度动态调整算法,通过对吞吐量的预测和对网络状况的估计实现并行度的动态调整;并利用多线程技术和FTP协议实现了该算法.在真实网络环境下的实验结果表明,下载速度至少比固定线程数下载软件快8倍.     

基于动态调整位移参数的BP改进算法

人工神经网络应用中,80％～90％采用BP网络,BP神经网络实质是一个无约束非线性最优化计算过程,计算时间长,且难得到最优结果．文中提出了一种动态调整位移参数的BP改进算法,使得BP网络能尽快跳出平坦区,加快计算速度．实验对太阳黑子进行预测,证明改进后BP算法具有速度快、精度高等方面的优点,达到了预期效果．     

基于动态调整发送编码门限阈值的传感器网络数据压缩算法

针对无线传感器网络节点感知数据存在空间和时间冗余的问题,提出一种基于动态调整数据发送阈值的传感器网络数据压缩算法——DADST算法.首先,节点采集周围信息后发送给基站,基站接收到数据后对其进行Huffman编码,并依据节点发送的数据即时调节基站向各节点发送数据的门限阈值;其次,各节点依据接收到的编码判断向基站传输压缩码还是原始感知数据.仿真实验结果表明,该算法在保证数据传输精度的同时,能显著提高网络数据传输量和网络工作效率,减缓了节点的能量消耗.     

基于容差动态调整的旋转门(SDT)改进算法

提出了一种基于容差动态调整的旋转门(SDT)改进压缩算法,该算法通过在数据压缩过程中,根据相近两个压缩区间的标准差对容差进行动态调整,并记录在压缩区间内对压缩精度影响较大的原始数据点,实现了压缩率的提高,压缩误差的降低。应用结果表明,该算法与标准的SDT算法相比,压缩率可以提高0.10%,而压缩精度却提高了56.7%。     

一种动态调整的混合蚂蚁聚类算法

设计和实现了一种改进的蚂蚁聚类算法.基于海上空袭目标攻击方向划分问题,分析了传统的聚类算法解决此类问题的不足,提出了一种动态调整的空袭方向划分混合蚂蚁聚类算法.该算法能充分利用空中目标信息动态调整参数,以获取合理聚类数和加速算法收敛,对孤立数据处理的鲁棒性较强.用人工数据集和真实数据集进行实验.结果表明,该算法是一种高效率的聚类算法,提高了空袭方向划分的准确性和科学性.     

一种动态调整的混合蚂蚁聚类算法

设计和实现了一种改进的蚂蚁聚类算法.基于海上空袭目标攻击方向划分问题,分析了传统的聚类算法解决此类问题的不足,提出了一种动态调整的空袭方向划分混合蚂蚁聚类算法.该算法能充分利用空中目标信息动态调整参数,以获取合理聚类数和加速算法收敛,对孤立数据处理的鲁棒性较强.用人工数据集和真实数据集进行实验.结果表明,该算法是一种高效率的聚类算法,提高了空袭方向划分的准确性和科学性.     

一种XML文档树节点编码的动态调整算法的研究

结合局部编码思想和全局编码思想提出了一种支持动态调整的XML文档树节点编码方案,设计了节点的动态调整算法.在动态调整算法中引入了局部编码块增位的方式,有效地解决了现存编码在动态变化的XML数据的重新编码方面效率较低的问题.     

动态调整信息素的蚁群算法

对蚁群算法提出了一种动态调整信息素的进化策略，以改善和提高算法的性能。不仅能够加快收敛速度，节省搜索时间，而且能够克服停滞行为的过早出现，有利于发现更好的解．这对于求解大规模的优化问题是十分有利的．     

应用程序运行时动态调整报表格式

在计算机的许多应用中,实现报表格式的动态调整非常有实用价值而又势在必行。介绍用 Ｐｏｗ ｅｒ Ｂｕｉｌｄｅｒ６．０ 实现动态调整报表中几种基本元素的原理、方法和相关程序代码。     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。     

基于动态调整的GA-SVM多分类二叉树的方法

基于遗传算法的支持向量机决策树多分类方法仍然存在错误累积的问题,累积的错误往往使分类准确率下降,分类效果变差,存在全局优化缺陷的问题;并且在每个节点进行二分类常用的实数编码切分方法,效率低下。针对这两方面的问题,提出从根节点开始逐层构造二叉树,运用二进制编码的遗传算法进行每一阶段的二叉树构造。二进制编码对于每个节点的分类以及进行交叉、变异更高效,不用考虑从什么位置切分。针对越靠近根节点产生的误差对后续节点分类误差的累积影响,提出一种动态调整的方法,此方法对每个节点赋予权重再进行对权重的调整使得整体的分类误差减小,最终得到二叉树的全局最优,从而提高分类精度。通过实验并进行五折交叉验证表明,DABT-SVM比多种传统的支持向量机多分类算法在全局优化能力和分类精度上有很大的提升。验证了该算法的可行性和有效性。     

基于模拟退火的动态蚁群算法求解TSP

旅行商问题是智能算法研究中的一个经典问题,同时也是检测智能算法的标尺.在是蚁群算法的参数随着迭代的进行做动态调整的基础上,运用模拟退火算法对取得的局部最优解进行调整,使蚁群算法跳出局部最优,得到更好的解     

动态调整学习因子的粒子群优化算法

粒子群优化算法很难适应复杂的非线性优化,为此提出了一种动态调整学习因子的策略——不断调整学习因子来平衡算法的全局探索和局部开放能力,更好地引导粒子进行优化搜索。通过对4个经典的测试函数进行仿真实验,并与其他改进算法进行比较,结果显示,新算法求解精度高、收敛速度快,特别是在多峰值函数中表现优越。     

基于改进DWA的动态环境路径规划算法

摘 要 在涉及机器人自主运动和目标跟踪等场景中,动态障碍物的存在可能会对实时规划产生威胁。因此,生成一条安全路径以确保机器不会与动态障碍物发生碰撞显得至关重要。为此,提出一种改进的动态窗口法(dynamic window approach,DWA),其基于参考速度障碍物（velocity obstacle,VO)的思想,通过考虑障碍物的速度计算基于障碍物的危险区域,进行DWA节点选择排除不可行的路径,并且通过引入人工势场法作为评价函数选择最佳节点以避免与动态障碍物发生碰撞且能够快速到达期望目标点。结果表明：相对于传统的DWA算法,本文提出的DWA-VO算法在动态环境中相对于传统的DWA算法具有更高的成功率和更好的规划质量。     

基于CAR法的地区购买力平价试算研究

针对区域内比较时基准地区选取会影响最终汇总结果,采用国家再分配法(The Country-Approach with Redistribution, CAR)与CPD-GEKS两步法相结合,基于中国25省市的27项常用综合医疗服务相关数据测算地区购买力平价。研究结果表明,CAR法适用于研究空间关联差异较为显著问题;地方综合医疗服务价格与经济发展水平的不平衡、不匹配导致价格存在地域性差异,总体呈现中部、西部、东部、东北部地区逐级递减趋势。建议积极推进医疗医保体系改革,缩小区域间医疗价格差异,促进区域协调健康发展。     

基于单笔最大亏损额的动态仓位调整模型的研究

资金管理和风险控制是程序化交易过程中非常重要的环节。本文主要研究单个策略的动态仓位调整的效果,首先分析了凯利公式的适用性,然后对Ralph Vince提出的动态仓位调整模型进行了实证。Ralph Vince以最大化风险资产的几何增长率入手,提出基于历史单笔最大亏损额的资金管理模型,可以认为是基于资金曲线的趋势跟踪模型,该方法虽然在一定程度上符合交易者心态和CPPI的特性,但其最终效果仍取决于策略本身的有效性和稳健性,交易者更应注重策略逻辑的普遍适应性和收益曲线的稳定性。     

BP算法中样本特性及参数α，β两阶段动态调整

从样本特性和参数调整出发，提出了三种改进的ＢＰ算法，并在ＸＯＲ等问题上进行了检验。     

基于动态筛选策略的SMO改进算法

提出了一种基于动态筛选策略的SMO(Sequential Minimal Optimization)改进算法,它能快速地筛选出绝大多数的边界支持向量和非支持向量,并将非边界支持向量限定在很小的范围内。仿真实验结果表明:样本规模无论大小,这种策略都能使Keerthi的改进算法2的性能得到大幅提升。     

基于动态规划的生产库存问题的改进算法

在深入分析了生产库存问题之后,应用线性代数理论对可能的生产情况进行分析,得到了新的结论.然后结合动态规划的基本原理,改进了算法的步长,从而得到了求解该问题的优化的动态规划算法.     

基于随机参数调整的改进反向传播学习算法

针对BP(反向传播)神经网络学习易陷入局部极小的缺陷,提出了一种改进BP神经网络学习算法——RMBP算法.RMBP算法在学习参数调整中增加了随机性,使其方便地跳出局部极小点,并沿梯度下降方向到达全局极小点.异或问题的学习试验结果表明,RMBP算法较BP学习算法和其他常见的改进BP算法具有学习速度快、学习精度高、资源占用少的优势.最后,结合民航飞机实时飞行仿真系统研究,对一组飞机空气动力参数样本进行了学习,以说明RMBP算法的有效性.