分享到:

对算法进行分析(1)

从本期开始,笔者准备用两到三期的篇幅来和朋友们谈谈算法的分析以及问题的计算复杂性。由于这方面问题牵扯到很多数学概念,讲起来或者看起来都会比较晦涩和复杂,所以笔者将尝试在少讲数学公式的前提下尽可能地把问题讲解清楚。$$怎样分析算法$$首先,把会遇到的几个概念问题说一下。算法的分析是针对具体的算法,我们对算法的稳定性、算法的复杂性(包括算法的时间复杂性和空间复杂性)进行分析,并以此作为依据来比较算法间的优越性。$$算法的稳定性主要研究的是算法对于运算误差是增加还是减小,是线性增加还是指数增加。而算法的时间复杂性主要研究的是算法在执行时的工作量多少的问题。通常,一个算法必须在有限步骤之后终止,即必须在有限时间内完成。当然对于在计算机上需要运行百万、千万年的算法,显然对我们是没有实际价值的。$$至于算法的空间复杂性主要研究的是算法执行过程中占用内存空间的多少。例如前面我们做过的8个棋子的问题中,有的朋友用了一个8×8的二维数组来存放棋盘...  (本文共2页) 阅读全文>>

权威出处: 电脑报2003-06-02
东北大学
东北大学

选矿过程生产指标预报算法精度分析软件研发

选矿过程是一个复杂多变的过程,其非线性、强耦合、时变性等特点使整个选矿过程的生产指标的预报很难精准实现。因其在国民生产经济中的重要作用,国内外研究人员针对选矿过程提出了生产指标预报算法。但是这些算法各不相同,精度性能也差异较大,影响算法的实际应用效果。到目前还没有专门用于选矿过程生产指标预报算法的精度进行分析的软件。本文依托东北大学国家重点实验室的“973项目的一体化控制系统的若干技术基础与半实物仿真实验平台的研究”。根据需求设计开发了用于选矿过程预报算法精度分析软件,可以促进算法的深入研究及实际应用。本文的具体研究内容可以概括为如下几个部分:(1)依据选矿过程的复杂性和算法研究人员的实际需求,对选矿过程指标预报算法分析软件做了功能性需求分析以及指标预报算法分析界面的需求分析。介绍了当前选矿生产过程的运行优化策略及优化方法,对现有的软件进行分析,提出了对预报算法运行结果进行分析的软件的设计需求和功能需求。(2)结合当前选矿指标预...  (本文共86页) 本文目录 | 阅读全文>>

华中科技大学
华中科技大学

粗糙集的知识约简研究

粗糙集方法是一种能有效地分析和处理不精确、不一致、不完整等各种不确定性信息的数据分析工具。该方法近年日益受到国际学术界的重视,已经在模式识别、机器学习、决策支持、知识发现、故障诊断、预测建模等领域得到成功的应用。知识约简是粗糙集方法的核心问题之一,是粗糙集应用的关键技术,也是知识发现的重要研究课题,已成为一个备受关注的研究热点。有效、快速的知识约简算法是粗糙集方法应用的基础,也是粗糙集方法规模应用的保障。围绕知识约简中的三个重要问题即属性约简、决策规则获取以及基于知识约简的知识发现工具,开展了五个方面的研究工作:信息系统的属性约简、相容决策系统的属性约简、不相容决策系统的属性约简、决策规则获取和基于知识约简的知识发现工具的研究。Skowron分明矩阵法在粗糙集方法中占有重要的地位,但它需要数据集中才能进行属性约简。人们借鉴它的相关结论和思想对粗糙集的知识约简进行了研究,但缺乏对算法本身做进一步的研究。对Skowron分明矩阵法进...  (本文共122页) 本文目录 | 阅读全文>>

清华大学
清华大学

流媒体播放任务调度与资源配置

视频点播系统中的流媒体播放服务是近年来最热门的互联网服务之一。这类服务通常建立在大规模服务器集群上,以保障对大量用户需求的及时响应。在传统的自建型数据中心中,对流媒体播放任务的调度依据主要以数据局部性为主,并未考虑这类任务的时间周期变化性,使得集群服务器未得到最大程度的利用,造成设备成本、电力资源的浪费;在新兴的云平台虚拟集群中,单一种类的资源配置亦无法充分利用公共设备按需使用的特性,导致较高的租用成本。针对以上问题,本文提出基于节能的流媒体播放任务调度算法和基于成本控制的资源配置算法,以降低数据中心的使用成本,合理利用公共平台虚拟资源。主要工作从流媒体播放任务的特征分析与预测,调度与集群节能,以及云平台上的资源配置与成本控制三个方面展开。1.对视频点播系统中的流媒体播放任务特征进行分析,给出基于用户行为特征的任务长度预测方法,和基于历史数据特征的任务量预测方法,并对预测方法的准确性和开销进行了分析。对于流媒体播放任务的特征预测...  (本文共108页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

基于试探的任务分配算法研究

任务分配是计算机研究领域的一个经典问题,其许多子问题尚未彻底解决,对它们进行研究具有重要的理论和实际价值。本文重点研究并解决(N, m)分布式系统和分布式服务器系统的任务分配问题,并且取得了如下创造性成果:严格定义了(N, m)分布式系统模型。已有工作提出了(N, m)分布式系统的概念,但并不完善。本文详细分析了(N, m)分布式系统各项特性,包括奖惩依赖关系、同构与异构、任务选择策略等,以精确地刻画该模型。提出了(N, m)分布式系统的两个任务分配算法。针对(N, m)分布式系统可以有两类任务分配算法,即动态算法与搜索算法,已有工作只研究了前者,且均存在一个重要限制:最大奖励概率不小于0.5。本文所提出两个算法突破了最大奖励概率限制,它们分属动态算法和搜索算法。证明了所提两个算法的正确性。本文使用多阶马尔科夫链,对第一个算法进行了正确性证明。对于第二个算法,由于平衡点不存在,难于使用马尔科夫链。本文结合概率论的相关知识,通过分...  (本文共126页) 本文目录 | 阅读全文>>

东北大学
东北大学

分布式约束优化算法若干问题研究

在实际生活中,许多问题都可以抽象成为多agent模型进行解决,而分布式约束优化(DCOP)算法是近年解决多agent问题的主要算法。多agent问题的求解具有NP难度,如何能够快速的获得最优、完备的解决方案,对提高生产率,促进社会的发展具有重要意义。虽然目前有很多DCOP算法,但由于大部分算法是针对问题的特殊求解目标提出的,而且算法的执行策略各异,求解质量也不尽相同,因此当有新的实际问题抽象成为多agent模型时,算法在选择上就出现了制约。其次,虽然当前有相关研究,将主要DCOP算法进行整合,建立了分布式约束优化问题解决框架(FRODO),但该框架主要用于算法性能分析,在实际问题应用中的算法选择方面存在不足,同时,由于该框架的提出时间较早,因此算法的时效性和性能两个方面也亟待提高。针对这些问题,本文分析了FRODO框架在解决实际问题时存在的不足。并根据分析结果,从算法的扩展性、策略自适应性两方面完善了算法框架。在此基础上,本文根...  (本文共87页) 本文目录 | 阅读全文>>