计算排序算法设计与分析

来源 :计算机应用研究 | 被引量 : 15次 | 上传用户:shaodongjia1668
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对大多数排序算法只考虑了记录本身的大小和记录相对位置,而忽略了记录内部特征,提出一种计算排序算法。通过分析记录本身的特征,快速计算出记录在目标数组中的索引值,从而达到排序的目的。该算法既减少了数据范围对数组排序的影响,又适应了有限小数的排序。实验结果表明,对于密度高、范围宽、特征位数多的大数组排序问题,该算法的性能优于基数排序、计数排序、静态排序等算法。
其他文献
聚合签密能聚合多个密文并提供批量验证,极大降低了信息传输的功耗,因此在大规模通信的多对一模式下非常适用。但是传统的聚合签密只能对密文进行部分聚合,不能最大限度地发挥出聚合功能的优越性。设计了一个密文长度固定的全聚合签密方案,实现了密文长度固定,而解密者可以通过特定解密操作将多个明文消息依次恢复出来。方案极大地提高了通信效率,签密文长度仅为|G1|,且与用户数量无关,同时方案满足机密性、不可伪造性和
针对多输入多输出系统传输速率低误码率高的问题,提出基于动态功率分配的干扰对齐方法。该方法根据信道矩阵的迹给每个发送端动态的分配传输功率。同时,利用干扰对齐来减少其他发送端对接收用户的干扰。该方法通过联合优化功率分配和干扰对齐,最终提高了系统传输速率,降低了误码率。数值分析表明,该方法与等功率分配下的干扰对齐方法相比,系统的传输速率提高3~7 bps/Hz,同时误码率减少30%左右。
为解决隐写分析中富模型的特征维数较高、冗余较大、不便于高效分类的问题,提出了一种基于蚁群聚类算法的降维方法。首先利用蚁群聚类算法求解特征簇的簇中心,然后把簇中心作为新的特征,提取新特征的有效部分用集成特征进行分类。实验结果表明,利用蚁群聚类算法对高维特征进行降维,可以有效去除冗余特征,提升特征的分类效果。
在分析模糊理论与云理论的基础上,提出两种新的基于同类概念云模型间贴近度的定义与计算算法,并与其他相似的贴近度进行了比较分析。实验结果表明,所提出的算法形式简单,在算法精度和算法消耗上有明显优化,特别在云滴极少的情况下仍能保持良好的精度效果。将该方法应用于真实电影评价数据的分类中,具有较好的可行性和有效性。
针对信息提供和拥堵收费两种交通管制策略,研究了两种策略联合作用下的定价机制。首先构建了政府、信息提供商决策空间,在分析出行者路径选择行为的基础上,给出了交通信息市场占有率计算模型;然后提出了弹性条件下具有/不具有交通信息的混合交通网络均衡分配模型,得到了出行者的决策空间,在此基础上提出了基于博弈视角的交通信息提供与道路收费联合定价模型,设计了求解算法;最后,以一个算例对模型进行了分析。结论表明,社
提出一种基于网格坐标自治域的移动P2P网络拓扑构造方法,通过节点映射机制保证物理网络中距离较近的节点在覆盖网上也相近,从而构建具有拓扑匹配的移动P2P网络。针对该拓扑结构提出了基于分层索引节点的资源查找策略。仿真实验结果表明,该策略能够有效提高资源查找成功率,降低资源查找平均路径长度,获得了较好的查询性能。