基于蚁群算法的物流配送车辆路径优化问题研究

本文应用蚁群算法对企业的车辆调度问题进行了算法设计,构建了车辆路径问题的蚁群算法解决方案.通过对蚁群算法的分析,提出了蚁群算法的改进算法,并结合实例进行了测试和实验结果分析,验证了改进的蚁群算法的有效性,证明了其可行性,使其更能适应实际的需要.     

关联规则挖掘算法改进研究

文章讨论了数据挖掘的一般理论,研究了关联规则挖掘算法以及经典的Apriori算法,分析了算法存在的问题,并提出了新的基于压缩矩阵的关联规则挖掘算法。理论分析和仿真实验显示改进算法的性能明显优于Apriori算法。     

人工智能时代算法偏见的危害及治理对策分析

算法偏见原本隐藏在算法操作的“黑箱”中,但Facebook的“偏见门”事件使得算法偏见暴露在大众视野,引起了新闻业对算法偏见的广泛讨论。本文从算法的生产过程出发,分析了算法偏见的受害主体、产生的原因,并预见算法偏见可能会带来的一些危害,最后探讨了为解决算法偏见我们应该做的努力,让算法更好地应用在新闻事业、更好地服务于人类。     

基于三角剖分的多边形填充技术

在简述传统的多边形填充算法的同时提出了一个基于三角剖分的多边形填充算法,该算法避免了传统扫描转换算法中大量的存储和求交排序运算,从一定程度上,降低了算法的空间和时间的复杂性,实践表明,该算法是有效的.     

Apriori算法的探讨

Apriori算法是数据挖掘中较为经典的一种算法,本文详细介绍了该算法的相关概念、定义、推到及其编程算法,并与相关的其他算法进行比较,同时还介绍了几种Apriori的优化算法。     

基于免疫粒子群优化算法集成的多序列联配

新的免疫粒子群集成算法是根据个体的浓度和适应值概率,利用免疫机制,在粒子群优化算法中设计了免疫替换算子,有效防止了粒子群优化算法易陷入局部最优的缺陷;通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后用免疫粒子群集成算法去进行多序列联配,实验证明了算法的有效性。     

基于LMS的自适应MMSE多用户检测算法研究

阐述了自适应MMSE多用户检测算法的基本原理,提出了一种基于LMS的自适应MMSE多用户检测算法,推导了算法的迭代公式并进行了计算机仿真。仿真结果表明,随着传输信号信噪比的增加,算法误码率降低。     

基于RLS的多用户检测算法的设计与仿真

在研究自适应MMSE多用户检测算法基本原理的基础上,提出了一种基于RLS的自适应MMSE多用户检测算法,选取了代价函数,推导了算法的迭代公式,进行了计算机仿真,分析了仿真结果。仿真结果表明随着传输信号信噪比的增加,算法误码率降低。     

基于挥发系数的自适应蚁群算法

针对基本蚁群算法容易出现早熟和停滞现象的缺点,从信息素的更新策略方面对蚁群算法进行改进,自适应地调整挥发系数,提出了基于挥发系数的自适应蚁群算法。以TSP问题为例,分别用自适应蚁群算法与基本蚁群算法进行了计算,实验结果表明,该算法比一般蚁群算法具有更好的全局搜索能力和收敛速度,可以在加速收敛和防止早熟、停滞现象之间取得很好的平衡。     

数据结构中各种排序算法的比较与分析

由于排序方法的广泛使用,使得研究排序算法成为计算机处理数据的重要内容。同时在教学过程中发现许多学生对于各种排序算法的理解与掌握并不尽如人意,所以本文在分析了各种排序算法的基础上,从算法评价的角度对各种算法做出了效率评价。     

关联规则挖掘频繁模式算法——FP-Growth算法及其改进

经典的关联规则挖掘算法Apriori存在着耗时太大、无法实现的缺陷,故扩展性不强,难于推广。FP-Growth算法、快速投影频繁模式树挖掘算法、Tran-挖掘频繁模式算法在方面进行了很多的改进,大大的降低了系统的开销,提高了系统的性能。     

变换域数字图像水印算法探究

随着数字水印技术的发展,数字图像水印算法便层出不穷.本文首先将数字水印算法从实现的角度分为空间域算法和变换城算法两大类,然后对变换域的算法从离散余弦变换(DCT)、离散傅立叶变换(DFT)、小波变换、分形变换及倒谱变换等方面检索了相关文献,对各种算法进行了尝试性分析和探讨.     

网络舆论话题分类算法研究与实证分析

针对网络舆论话题的复杂性,设计实现了一种基于主成分分析法和朴素贝叶斯的网络舆论话题分类算法。首先使用主成分分析法对建立的舆论话题内容向量进行降维处理,并去除列向量之间的相关性,然后使用朴素贝叶斯算法进行分类分析,最后用实验对算法的有效性进行了验证。通过与其他分类算法的对比,可得到基于主成分分析法和朴素贝叶斯的网络舆论话题分类算法的分类效果或算法开销要优于其他一些分类算法.     

基于混合遗传算法的结构优化设计

根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,以力学准则为基础,建立了建筑结构优化模型提出了一种求解离散变量结构优化设计的拟满应力算法和基本遗传算法结合的混合遗传算法,既发挥了拟满应力算法高效、局部搜索能力强的特点,又发挥了标准遗传算法全局性好的特点.算例结果表明,这种混合遗传算法收敛速度快、精度高,优于标准遗传算法和单一的拟满应力算法,弥补了两种算法的不足,是高效理想的优化方法,可以直接用于多种建筑结构的优化设计.     

一种基于粗糙集的属性约简算法改进

本文对粗糙集理论进行了研究,在分析和综合基于粗糙集理论的数据挖掘算法基础上,提出了基于分明矩阵数据约简模型,并对分明矩阵算法做了改进,最后对算法改进进行了效率分析.     

对增量式模糊聚类算法的改进

提出了一种增量式模糊聚类技术的改进算法，该算法仅对新增数据计算相似系数而直接聚类，其结果和动态聚类算法相同；该算法较好地解决了新增数据的聚类及类属问题，提高了模糊聚类算法的收敛速度，实验结果证实改进了算法的高可靠性。     

时变步长自适应均衡算法的设计与仿真

研究了自适应均衡算法中步长因子对算法性能的影响。步长因子大,算法收敛速度和跟踪速度快,但收敛后稳态剩余误差大;步长小,算法收敛速度和跟踪速度慢,收敛后稳态剩余误差小。因此,采用固定步长时,算法在收敛速度和收敛精度方面对步长的要求是相互矛盾的。因此本文采用均方误差的Sigmoid函数和误差信号的非线性函数作为步长控制因子,得到了几种改进算法,经计算机仿真表明,改进算法收敛速度加快,稳态剩余误差减小。     

一种改进的非凸秩最小化算法及其在矩阵恢复中的应用

在分析现有处理矩阵恢复问题的非凸秩最小化算法的基础上,提出了一种基于超松弛迭代的改进算法,并给出了松弛因子ω的确定准则。仿真实验表明:在惩罚参数选取较大的情形下,改进算法较原算法具有更快的收敛速度及更高的收敛精度,同时展示了基于非凸秩最小化算法的矩阵恢复技术在图像去噪中的应用。     

基于大数据的电商产品质量评价研究——以儿童木制玩具为例

在大数据分析的基础上,经过数据收集、数据预处理、质量特征抽取、矢量化和质量分类,提出了一个产品质量评价模型与评价方法,同时也运用了产品特征词扩展算法、评论量化算法和机器学习算法.通过对木制玩具产品的184967个有效评论进行分析,最终得到它的感知合格率和七个顾客最关注的特征.在最后,将SVM机器学习算法与决策树和朴素贝叶斯算法作了比较,并讨论了结果的可信度.     

基于改进蚁群算法的供应链物流配送路线规划

利用粒子群算法本身的个体信息和全局信息,采用遗传算法的交叉、变异操作策略,对蚁群算法进行优化,提出了新的改进的蚁群算法,并将改进后的算法利用到物流路线的规划上。实验结果表明改进算法有较好的有效性和实用性。