导读:本文包含了排序算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,装配线,多核,递归,区块,教学方法,多线程。
排序算法论文文献综述
王佳林,杨晴,王健慧[1]（2019）在《基于c语言对插入排序算法的分析研究》一文中研究指出数据处理是计算机编程中经常会遇到的问题,而数据排序又是数据处理中的重要组成部分,其中排序算法是数据排序中的核心技术。在很多情况下,排序算法决定着一个程序的执行效率,在实际的编程开发中如何根据具体的问题环境选择合适有效的排序算法就显得尤为重要。本文针对插入排序算法展开研究,对其排序算法原理和特点进行了分析,希望能给相关领域的学者带来帮助。(本文来源于《科技风》期刊2019年35期）
李刚刚,鲁习文[2]（2019）在《目标为最小化工件运输时间和的单台机器带一个维修时间段的排序问题的一个改进算法》一文中研究指出单台机器带一个维修时间段的排序问题,目标是最小化所有工件的运输时间和.在这篇文章里,重新研究了该问题,并给出了一个时间复杂性为O(n~3)的近似算法,将性能比从3/2改进到5/4.(本文来源于《运筹学学报》期刊2019年04期）
王晓燕,张涛[3]（2019）在《提高学生兴趣的教学方法——以排序算法为例》一文中研究指出利用传统的教学方法在讲解计算机算法时,学生很难深入理解算法的实现过程,本文在引入、教学环节等方面进行了精心的设计,学生自编自导游戏、算法动画演示、微课的使用充分调动了学生自主学习能力,培养了学生主动学习能力和理论联系实际的教学思想,通过和对分易平台结合,学生不仅在课上学习知识,课下也能自由预习复习。通过调查问卷和访谈,论证了以学生为主导的教学方法在课程教学中的有效性。(本文来源于《科技风》期刊2019年32期）
文晓棠,吴少强[4]（2019）在《混合贝叶斯个性化排序与内容的推荐算法研究》一文中研究指出传统协同过滤算法基于矩阵因式分解,仅使用全局评分优化来预测用户对于未知物品的评分,不能单独对用户进行感兴趣点的排序,造成推荐效果不理想。围绕个性化知识推荐热点问题,提出一种全新的混合贝叶斯个性化排序与内容的推荐算法,贝叶斯个性化排序算法(BPR)使用叁元组训练集进行训练,最终达到收敛;基于内容推荐算法对推荐结果进行部分纠正;通过计算用户匹配分值,根据相似度进行处理增强和减弱处理,最终得到混合推荐列表。(本文来源于《现代计算机》期刊2019年30期）
李改,徐清振,李磊,黄锦涛[5]（2019）在《TLRank:一种新的社会化协同排序推荐算法》一文中研究指出已有的社会化协同排序推荐算法的研究只是简单地融入用户的社交网络信息,没有考虑用户之间社会化信任网络的传递性;同时,该推荐算法的性能面临数据高度稀疏性问题的挑战.为了进一步解决这些问题,在传统的协同排序推荐算法(ListRank,List-wise Learning to Rank)和最新的社会化协同过滤算法(Trust MF,Social Collaborative Filtering by Trust)的基础上,提出了一种新的社会化协同排序推荐算法(TLRank),融合均高度稀疏的用户的显式评分数据和社会化信任网络数据,以进一步增强协同排序推荐算法的性能.实验结果表明:在各个评价指标下,TLRank算法的性能均优于几个经典的协同排序推荐算法,且复杂度低、运算时间与评分点个数线性相关; TLRank算法的推荐精度高、可扩展性好,适合处理大数据,可广泛运用于互联网信息推荐领域.(本文来源于《华南师范大学学报(自然科学版)》期刊2019年05期）
贾思禹[6]（2019）在《一种基于划分与归并的并行快速排序算法》一文中研究指出排序作为一种计算机程序设计中的重要操作在海量数据条件下应快速且高效。而且随着当今处理器生产工艺的不断进步,如今的笔记本电脑、台式机乃至商用服务器至少也都是双核处理器,4核、8核乃至16核也并不罕见,如果是单线程的程序,那么在双核处理器上运行便浪费了50%的性能,在4核处理器上运行便浪费了75%的性能。而多核处理器上的多线程能让多段程序逻辑同时工作,可以真正发挥出多核处理器的优势,而达到充分利用处理器的目的。为了提升排序操作的性能,使用灵活的OpenMP并行函数库以及C/C++语言标准库中提供的快速排序函数qsort实现了一种可以运行于任意共享存储多核计算机上的并行快速排序算法。实验结果表明:以同条件下标准库串行快速排序函数qsort作为测试基准,最终在英特尔酷睿i7-4790处理器平台上8线程条件下对200M随机整型数据的排序将性能提升了11.92倍,在相同的数据条件下,英特尔酷睿2-Q9400处理器平台上也可将性能提升4.75倍。(本文来源于《计算机与数字工程》期刊2019年10期）
胡红旗[7]（2019）在《基于排序优化算法的电子通信信息存储研究》一文中研究指出为控制电子通信信息的冗余存储量,弱化边缘存储数据成分的模糊程度,提出一种基于排序优化算法的电子通信信息存储方法。以初始化电子通信数据库作为起始条件,对传输过程中的数据进行排序优化处理,并根据详细的处理结果确定区块链的通信帧量,完成基于排序优化算法电子通信区块链构建。在此基础上,连接Zynq存储处理器,并通过启动调试电子通信数据的方式,达到控制待存储新型缓存情况的目的,实现新型处理方法的应用,完成基于排序优化算法的电子通信信息存储研究。对比实验结果表明,与NRTPA技术相比,应用电子通信信息存储方法后,数据冗余存储量得到良好控制,边缘存储数据成分的模糊程度也不再无限攀升。(本文来源于《电子设计工程》期刊2019年19期）
刘巍巍,杨浩,刘慧芳[8]（2019）在《基于SGRASP-LP算法的混流装配线排序问题》一文中研究指出针对实际混流装配线上工作站工作过载过大、无效时间过长导致的装配线运行效率低下问题,在保留基本模型约束条件的基础上引入"保持生产混合"和"作业自主中断"两个约束条件,建立以"最小化工作过载和无效时间"为目标的混流装配线排序问题优化模型。在基本GRASP算法的初始解构造阶段增加阈值参数选择机制,并将改进后的GRASP算法与线性规划方法结合,设计了模型的SGRASP-LP求解算法。以某汽车企业的底盘装配线为例,将SGRASP-LP算法分别与GRASP算法和企业解决该类问题常用的MILP算法相比较。结果表明,SGRASP-LP算法运算速度更快,所求方案更优,是解决相关排序问题的有效算法。(本文来源于《组合机床与自动化加工技术》期刊2019年09期）
张忠诚,鲁法明[9]（2019）在《基于递归与分治的排序算法教学探究》一文中研究指出排序算法多种多样,插入类排序、交换类排序、选择类排序、归并类排序,不同种类的排序算法的排序过程各不相同。然而,其中很多算法都可以由递归与分治这一经典的问题求解策略导出。论文研究直接插入排序、简单选择排序、冒泡排序、快速排序以及归并排序背后隐含的递归与分治原理,并从递归与分治的角度分析他们的排序原理、排序过程以及排序性能之间存在的异同,以便加深对排序算法以及递归与分治策略的理解。(本文来源于《计算机与数字工程》期刊2019年09期）
楚克明,吴立云[10]（2019）在《自适应遗传算法在混流装配线排序中的应用》一文中研究指出混流装配线排序对实现准时化生产、提高生产效率至关重要。以保持均匀的零/部件消耗速率为目标,运用自适应遗传算法(Adaptive Genetic Algorithm,AGA)对混流装配线排序进行优化分析。构建了以零/部件均匀消耗速率为目标的优化模型,应用MATLAB软件对自适应遗传算法和标准遗传算法(Standard Genetic Algorithm,SGA)进行了编程,并对一个混流装配线实例进行排序分析。结果表明,AGA求出的最优解目标函数值26 723优于SGA求出的最优解目标函数值26 759,说明自适应遗传算法对解决此类问题有更好的搜索能力和更快的收敛速度。(本文来源于《现代制造工程》期刊2019年09期）
排序算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
单台机器带一个维修时间段的排序问题,目标是最小化所有工件的运输时间和.在这篇文章里,重新研究了该问题,并给出了一个时间复杂性为O(n~3)的近似算法,将性能比从3/2改进到5/4.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
排序算法论文参考文献
[1].王佳林,杨晴,王健慧.基于c语言对插入排序算法的分析研究[J].科技风.2019
[2].李刚刚,鲁习文.目标为最小化工件运输时间和的单台机器带一个维修时间段的排序问题的一个改进算法[J].运筹学学报.2019
[3].王晓燕,张涛.提高学生兴趣的教学方法——以排序算法为例[J].科技风.2019
[4].文晓棠,吴少强.混合贝叶斯个性化排序与内容的推荐算法研究[J].现代计算机.2019
[5].李改,徐清振,李磊,黄锦涛.TLRank:一种新的社会化协同排序推荐算法[J].华南师范大学学报(自然科学版).2019
[6].贾思禹.一种基于划分与归并的并行快速排序算法[J].计算机与数字工程.2019
[7].胡红旗.基于排序优化算法的电子通信信息存储研究[J].电子设计工程.2019
[8].刘巍巍,杨浩,刘慧芳.基于SGRASP-LP算法的混流装配线排序问题[J].组合机床与自动化加工技术.2019
[9].张忠诚,鲁法明.基于递归与分治的排序算法教学探究[J].计算机与数字工程.2019
[10].楚克明,吴立云.自适应遗传算法在混流装配线排序中的应用[J].现代制造工程.2019
论文知识图
