a演算法的改進

A. apriori演算法有多少種修改版

2 FAA演算法思想
2.1 鏈表數組定義及生成演算法。鏈表數組定義：數組為n個指針的一維數組P[n]，對應資料庫中的頻繁項I1，I2，…，In，對應數組長度n為資料庫中頻繁項的數量。結點為事務結點，分為事務域、計數域和指針域。事務域是以頻繁項為後綴的事務編碼。計數域是該事務編碼的數量，指針域是指向下一結點的指針。
編碼方法：設資料庫中有n個頻繁項I1，I2，…，In。事務t的扮歷雀編碼就是長度為n的0、1位串。在t中出現的項，其相應位置用1表示，否則填0。例如，有四個頻繁項a，b，c，d。那麼，一個包含a和c的事務就被映射為1010。
鏈表數組的構造過程如下：（1）掃描事務資料庫，產生所有頻繁1-項集及支持度計數，依據支持度計數降序排列，生成FI-List。（2）再次掃描資料庫，將每條記錄中不滿足最小支持度計數的項刪除，並將剩餘項按照FI-List重新排序。設形成的新序列為{m1，m2，爛正…，mn}，依次取出序列中的前k（1≤k≤n）項組成子序列{m1，m2，…，mk}，對每個子序列進行編碼並建立一個廳早與之對應的事務結點，並按照子序列中最後一項追加到P[n]中相應鏈上。

B. 如何利用矩陣對a*演算法進行優化

如果A確實能完全存入一級緩存,那麼把B按列分塊,一塊一塊乘就行了.
一般來講矩陣乘法並不是像你說的那樣做的,而要把A,B,C都分塊,對於每一級存貯器而言,應該至少分成5個部分來管理.比如說,A的某一塊常駐於這一級存貯,然後餘下的部分分為四塊：
(1)上一步已經運算完成的C塊——寫入低一級存貯
(2)下一步將參與運算的B塊——從低一級存貯讀入
(3),(4)正在參與運算的B和C塊
然後對於這一級存貯器上的小矩陣塊運算C=AB仍然按照同樣的管理方式遞交給上一級存貯來計算.一般來講A塊選得略小一點,具體的分配方式取決於運算和I/O的速度,盡量保持計算單元忙碌.

C. A*演算法如何改進

十萬火急：此改進的模糊C-此函數實現遺傳演算法，用於模糊C－均值聚類 %% A=farm(:,Ser(1)); B=farm(:,Ser(2)); P0=unidrnd(M-1); a=[

D. dijakstra演算法和分支限演算法在解決單源最短路徑問題的異同

記dijakstra演算法為D演算法
D演算法為貪心演算法,每一步的選擇為當前步的最優,復雜度為O(n*n) (又叫爬山法)
分支限界演算法,每一步的擴散為當前耗散度的最優,復雜度為(沒算)

都是A演算法的極端情況
(說錯了哈,下面我的文字中的的分支限界演算法實際上是在說動態規劃法,我查了一下書,動態規劃法是對分支限界法的改進,分支限界法不屬於A演算法(啟發式搜索演算法),但是這時用動態規劃法和D演算法比較也是有可比性的,而直接用分支限界演算法和D演算法比較也是可以的)
關鍵詞:耗散度 評估函數
即:對當前優先搜索方向的判斷標准為,有可能的最優解
而最優解可以用一個評估函數來做,即已經有的耗散度加上以後有可能的耗度
A演算法就是把兩個耗散度加在一起,作為當前狀態的搜索搜索方向;
但是對以後的耗散度的評估是麻煩的,D演算法就是把當前有的路的最短的作為,以後耗散度的評估.
分支限界演算法就是只以以前的耗散度為評估函數

你給的兩個演算法當然是A演算法的特例
你還可以參考一下 A*演算法 修正的A*演算法,相信對你的編程水平有幫助

參考:
隊列式分支限界法的搜索解空間樹的方式類似於解空間樹的寬度優先搜索，不同的是隊列式分支限界法不搜索以不可行結點（已經被判定不能導致可行解或不能導致最優解的結點）為根的子樹。按照規則，這樣的結點不被列入活結點表。

優先隊列式分支限界法的搜索方式是根據活結點的優先順序確定下一個擴展結點。結點的優先順序常用一個與該結點有關的數值p來表示。最大優先隊列規定p值較大的結點點的優先順序較高。在演算法實現時通常用一個最大堆來實現最大優先隊列，體現最大效益優先的原則。類似地，最小優先隊列規定p值較小的結點的優先順序較高。在演算法實現時，常用一個最小堆來實現，體現最小優先的原則。採用優先隊列式分支定界演算法解決具體問題時，應根據問題的特點選用最大優先或最小優先隊列，確定各個結點點的p值。

E. A*演算法用於路徑規劃，有什麼缺點

缺點：A*演算法通過比較當前路徑柵格的8個鄰居的啟發式函數值F來逐步確定下一個路徑柵格，當存在多個最小值時A*演算法不能保證搜索的路徑最優。
A*演算法；A*（A-Star)演算法是一種靜態路網中求解最短路徑最有效的直接搜索方法。估價值與實際值越接近，估價函數取得就越好。A*[1] （A-Star)演算法是一種靜態路網中求解最短路最有效的直接搜索方法。注意是最有效的直接搜索演算法。之後涌現了很多預處理演算法（ALT，CH，HL等等），在線查詢效率是A*演算法的數千甚至上萬倍。公式表示為： f(n)=g(n)+h(n),其中 f(n) 是從初始點經由節點n到目標點的估價函數，g(n) 是在狀態空間中從初始節點到n節點的實際代價，h(n) 是從n到目標節點最佳路徑的估計代價。保證找到最短路徑（最優解的）條件，關鍵在於估價函數f(n)的選取：估價值h(n)<= n到目標節點的距離實際值，這種情況下，搜索的點數多，搜索范圍大，效率低。但能得到最優解。並且如果h(n)=d(n)，即距離估計h(n)等於最短距離，那麼搜索將嚴格沿著最短路徑進行， 此時的搜索效率是最高的。如果 估價值>實際值,搜索的點數少，搜索范圍小，效率高，但不能保證得到最優解。

F. 為什麼a*演算法會出現重復擴展節點的問題解決的方法有哪些

演算法沒有錯。只是考慮到所有可能的情況。
如果x出現在close集中，並且新的估價小於原有估價，說明還存在另一條經過x到達目標並且更快捷路徑是之前沒有搜索到的。這時當然要重新把x放回open集中統一考慮。
依你所講，大概你是在方格棋盤類的路徑搜索。則上述情況不會出現，因為方格棋盤構造出的圖很規則。但如果是在某一非常奇怪的圖上，比如兩行星之間有個蟲洞，經過後可以使時間倒流時（哈哈，暫時只想到這樣一個奇怪的例子），則很有可能出現上述情況。
所以，不是演算法誰對誰錯，而是在不同問題中做法不一樣。網路給出的演算法考慮情況更全面。

G. 搜索演算法中,A演算法A*演算法的區別（急）

A演算法一般指某個搜索演算法的樸素的思路
A*指使用了啟發式搜索之後的演算法，也就是運算速度會快很多，但不一定能保證最後得到最優解

H. A*演算法的其它演算法

啟發式搜索其實有很多的演算法
比如：局部擇優搜索法、最好優先搜索法等等。當然A*也是。這些演算法都使用了啟發函數，但在具體的選取最佳搜索節點時的策略不同。像局部擇優搜索法，就是在搜索的過程中選取「最佳節點」後舍棄其他的兄弟節點，父親節點，而一直得搜索下去。這種搜索的結果很明顯，由於舍棄了其他的節點，可能也把最好的節點都舍棄了，因為求解的最佳節點只是在該階段的最佳並不一定是全局的最佳。最好優先就聰明多了，他在搜索時，並沒有舍棄節點（除非該節點是死節點），在每一步的估價中都把當前的節點和以前的節點的估價值比較得到一個「最佳的節點」。這樣可以有效的防止「最佳節點」的丟失。那麼A*演算法又是一種什麼樣的演算法呢？

I. 為什麼用二叉堆a*演算法反而慢了

序和無序的開啟列表：簡單的方法
最簡單的方法就是順序存儲每個節點，然後每次需要提取最低耗費元素的時候都遍歷整個列表。這提供可快速的插入速度，但是移除速度可能是最慢的，因為你需要檢查每個元素才能夠確定哪個才是F值最低的。
通常你可以保持你列表處於有序狀態來提升效率。這花費了稍微多一點的預處理時間塌悉，因為你每次插入新元素都必須把他們放在恰當的位置。不過移除元素倒是很快。你只要移除第一個元素就可以了，它一定是F值最低清衫散的。
有很多答氏方法可以保持你的數據有序（選擇排序，冒泡排序，快速排序，等等）並且你可以用你最熟悉的搜索引擎找到這方面的文章。不過我們至少可以先提幾種想法。最簡單的方法可能是，當你需要添加新元素的時候，從列表開始的地方，依次比較每個元素的F值和要插入的F值的大小。一旦找到一個相等或者更高的F值，你就可以把新元素插入到列表中那個元素的前面。

J. rs a演算法的安全性基於什麼

Rsa演算法的安全性基於分解兩個大素數的積的困難。

RSA是1977年由羅納德·李維斯特（Ron Rivest）、阿迪·薩莫爾（Adi Shamir）和倫納德·阿德曼（Leonard Adleman）一起提出的。當時他們三人都在麻省理工學院工作。RSA就是他們三人姓氏開頭字母拼在一起組成的。

在公開密鑰密碼體制中，加密密鑰（即公開密鑰）PK是公開信息，而解密密鑰（即秘密密鑰）SK是需要保密的。加密演算法E和解密演算法D也都是公開的。雖然解密密鑰SK是由公開密鑰PK決定的，但卻不能根據PK計算出SK。

RSA演算法的安全性：

RSA的安全性枝並依賴於大數分解，但是否等同於大數分解一直未能得到理論上的證明，也並沒有從理論上證明破譯。RSA的難度與大數分解難度等閉纖價。因為沒有證明破解RSA就一定需要做大數分解。

假設存在一種無須分解大數的演算法，那它肯定可以修改成為大數分解演算法，即RSA的重大缺陷是無法從理論上把握它的保密性能如何，而且密碼學界多數人士傾向於因子分解不是NPC問題。

目前，RSA的一些變種演算法已被證明等價於大數分解。不管怎樣，分解n是最顯然轎搭仿的攻擊方法。現在，人們已能分解140多個十進制位的大素數。因此，模數n必須選大些，視具體適用情況而定。