《数据结构与算法》课程所学内容，把所学知识点联系起来，写一篇有深度的综述性小论文，题目为“数据结构知识综述”。知识点覆盖有一定的广度和深度，画出相应思维导图，知识点要有概括论述、有特点分析、有应用举例，要表达自己的理解、观点。

介绍了遗传算法的起源、基本原理、操作、结构、理论基础等

遗传算法来源于进化论和群体遗传学， 是计算智能的重要组成部分， 正受到众多学科的高度重视。 本文主要回顾了遗传算法的起源和发展历程， 并对遗传算法的基本原理及特点作了简要阐述。

集成学习是通过集成多个基分类器共同决策的机器学习技术,通过不同的样本集训练有差异的基分类器,得到的集成分类器可以有效地提高学习效果。在基分类器的训练过程中,可以通过代价敏感技术和数据采样实现不平衡数据的处理。由于集成学习在不平衡数据分类的优势,针对不平衡数据的集成分类算法得到广泛研究。详细分析了不平衡数据集成分类算法的研究现状,比较了现有算法的差异和各自存在的优点及问题,提出和分析了有待进一步研究的问题。

二十三、欧式期权定价 这个例子主要讲述如何生成并使用服从几何布朗运动的随机数 我们假设当前时点为 0，股价为S0，股票波动率σ，无红利，一个欧式看涨期权(call option) 的 striking price 为 K，到期日迄今时间长度为 T, 市场无风险利率为 r，注意上述所有变量的 时间单位要一致。由 Black-Scholes 公式 可以计算此欧式期权的价值。 用 Monte Carlo 怎样做呢？这里 重要的是依据 Black-Scholes 公式的假设：股票价格服 从几何布朗运动，从而依照在前一章讲述的方法推导出时间 T 时股价的概率分布。 详细推导见视频教程中的 PPT 讲解。 此例子同样也有两个版本的 m 文件——eg31.m 和 eg32.m，请参照视频教程逐句学习这 两个代码文件。 二十四、计算亚式期权 这个例子主要讲述如何生成路径。 这里，我们以一个算术平均、离散时间盯市的亚式看涨期权作为例子。参数假设继承自 前一个例子：我们假设当前时点为 0，股价为 S0，股票波动率σ，无红利，一个亚式看涨期

嵌套循环算法NL 将内存缓冲区空间划分成相等的两部分，数据集分成几个大小和每部分缓冲区相等的逻辑块，通过认真选择调入每一部分缓冲区的次序，使I/O次数最小 算法复杂度是O（k N2 ) k——维数 N——数据点数 特点： 不需要建立多维索引结构 较费时

智能车辆开发中的三维目标检测算法综述.pdf

图像分割算法综述概括性介绍了传统的图像分割算法包括区域生长法、分水岭算法等，同时也介绍了结合特定工具如小波分析、小波变换、遗传算法等进行图像分割的方法，最后采用深度学习进行图像分割。

混合遗传算法综述 (1).pdf

NULL 博文链接：https://lvdccyb.iteye.com/blog/1328125