QoS组播路由的多种群遗传算法

针对单种群遗传算法在求解QoS组播路由问题中存在的容易早熟、收敛性差等缺陷,提出了一种基于多种群遗传算法的QoS组播路由算法。该算法在初始化过程中采用多种初始化算法生成了不同种群,并设计了多种交叉、变异操作,保证了种群间进化过程的独立性和算法的多样性;增加了种群间协调机制,提高了算法的整体收敛性。仿真结果证明了多种群遗传算法的有效性和优越性。     

一种改进的蛙跳算法的研究

蛙跳算法是一种启发式的智能算法,在优化问题中具有广泛的应用,针对该算法求解精度低,收敛速度慢,容易陷入局部的缺点,从4个方面提出了改进:(1)引入Tent混沌来改进蛙跳的种群初始化;(2)通过最大化搜索策略提高局部搜索;(3)最差个体中引入柯西因子进行优化;(4)采用模式搜索来优化最优个体.通过5个测试函数说明本文的算法能够有效的提高算法的性能.     

基于混沌映射和收缩因子的改进蝙蝠算法

蝙蝠算法(BA)在优化设计中以迭代方法进行更新,初始化种群的规模、范围,对后续的优化性能、收敛速率、最优解获取质量有着巨大影响,因此,文中采用混沌映射的方法进行种群初始化操作,提高初始解空间的覆盖率。在此基础上,引入收缩因子,有效降低算法复杂度,加速算法趋于收敛,并借助自适应的方法计算声波频率,确保算法求解的前期、后期都具有高效的搜索能力。选取三种具有不同特征的典型基准测试函数进行分析,验证改进蝙蝠算法(改进BA)的优化性能。     

一种改进的蜂群算法的研究

针对人工蜂群算法存在收敛速度慢,容易陷入局部最优的缺点,本文从种群初始化,引入自适应系数和位置更新等三个方面进行改进:(1)种群初始化,通过采用最小距离初始化人工蜂群,提高种群多样性;(2)自适应系数,通过加入随机干扰,在一定程度上可以避免算法陷入局部最优;(3)位置更新,提出了一种基于全局引导的位置更新想法,保证种群中的每一个个体既能获得自己的历史最优位置,还可以同时获得整个种群中的当前最优位置,提高了算法的收敛速度。采用4个经典测试函数结果说明本文算法相比基本人工蜂群算法提高了算法的整体性能,降低了算法运行时间,提高了效率。     

基于改进的鲸鱼算法在云计算任务调度中的研究

针对云计算下的任务调度存在花费时间长、消耗成本高和负载率大等缺点,提出了一种改进的鲸鱼算法用于云计算中的任务调度。首先,提出了以时间、成本和负载为主要指标的云计算任务调度模型,其次使用改进的鲸鱼算法进行任务调度,采用改进的Bernouilli Shift混沌映射进行了种群初始化提高种群的多样性,使用自适应因子优化参数平衡了局部和全局搜索的能力,使用差分算法进行个体更新。最后在仿真实验中将本文算法进行与其他算法进行对比,实验结果说明本文算法具有一定的优势,能够有效的提高云计算下的任务调度效率。     

基于混合搜索策略的蝴蝶优化算法

蝴蝶优化算法一种模仿蝴蝶觅食行为群智能优化算法,充分利用蝴蝶的嗅觉来确定食物源的位置上,但是该算法与其他智能算法一样,也存在一些缺点和不足如收敛速度和求解精度等方面的问题,本文提出一种混合搜索策略蝴蝶优化算法,在搜索的过程引进柯西搜索算子项使算法的局部搜索能力有所改进,最后通过标准函数测试,结果表明收敛速度和求解精度都有所提高.     

一种改进的萤火虫算法的研究

萤火虫算法是一种新的智能算法,被广泛的使用在优化问题的解决方面,针对算法存在收敛速度慢,求解精度低的缺点,提出了引入人工鱼群算法中的聚群行为和追尾行为改进算法,仿真实验采用3个经典测试函数来测试本文算法和萤火虫算法,实验结果说明了本文算法能够有效的提高性能。     

云计算下的一种自适应负载均衡算法的研究

针对云计算下的负载均衡存在效率低的问题,本文首先在鲸鱼算法的基础上,通过种群初始化,淘汰和竞争机制提高算法的局部搜索能力,然后通过人工蜂群算法进行融合提高算法全局搜索能力,融合后算法用于云计算负载均衡中,在调度时间跨度,负载均衡度和任务平均等待时间方面都具有较好效果。     

负相关种群多样性优化的软件可靠性测试策略

针对GA和SA算法在软件可靠性测试的资源分配中最优解搜索精度不高的问题,提出了一种负相关种群多样性优化的软件可靠性测试策略。首先,根据个体的适应值、个体之间的差异性这两个因素,改进算法的种群多样性问题。随机生成一个或者多个解决方案,然后使用随机搜索算子生成新的解决方案并逐代搜索,直到达到终止条件。最后,根据上述算法构建软件可靠性测试模型,并提出该模型的约束条件。收敛性和可靠性约束的实例仿真测试结果表明,本文提出的改进算法在资源分配搜索中更容易跳出局部最优,得到全局最优点,精度更高。     

基于自适应特征映射的云数据管理索引算法

随着Web数据库技术的发展,需要对云数据进行索引管理,提高Web数据库访问能力。传统方法采用高斯边缘化路径控制方法进行索引,在无法及时获知Web云数据的先验语义特征信息时,索引精度不高。提出一种基于自适应特征映射的云数据管理索引算法。构建云数据管理模型,提取云数据自适应特征,采用语义相似度特征分析方法实现特征映射,采用一维搜索方法进行峰值搜索,初始化数据库索引起始时间点,设置语义高斯边缘化索引复激活函数,对本层链路和跨层链路进行均衡处理,达到云数据管理和优化索引的目的。仿真结果表明,采用该算法能有效提高云数据管理索引精度,提高云数据的准确调度和访问能力。     

应用新型量子粒子群优化算法求解PFSP问题

为了提高粒子群算法在求解调度问题时的搜索能力和优化效率以及避免早熟收敛。通过采用了一种新颖的量子粒子群算法,用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;并采用量子非门来实现变异,从而提高种群多样性。由于每个量子都有两个概率幅,因此每个粒子实际占据两个粒子位置,所以在粒子数目相等的情况下,能加速粒子的搜索进程。仿真实验结果表明,在求解置换流水线生产调度问题时优于基本粒子群算法。     

基于混合算法和BP 神经网络的网络舆情预测研究

【目的/意义】网民对社会现象及问题表达意见、态度使得网络舆情对社会的影响力越来越大,构建模型对 网络舆情的发展进行预测具有现实意义。【方法/过程】通过信息熵理论控制种群初始化,利用遗传算法较强的全 局搜索能力和粒子群算法的局部搜索能力实现对BP神经网络权值的优化,构建混合算法优化的BP神经网络的网 络舆情预测模型并进行实证分析及对比实验。【结果/结论】结果表明,该模型在预测性能上具有更好的优越性及 稳定性。     

一种多目标的粒子群算法的研究

如何能够更好的进行多目标的优化一直以来都是研究的重点,本文在粒子群算法的基础上,提出了首先引入精英策略初始化粒子群,其次对粒子的速度和位置计算方法进行更新,最后采用多尺度的变异算子提高粒子的变异能力,增强种群多样性,测试函数的实验说明了本文算法能够有效提高算法的效率,在多目标Pareto最优解测试中取得了比较好的效果,说明本文算法能够运用在多目标的优化中。     

自适应粒子群算法在水库优化调度中的应用研究

针对传统粒子群算法在求解梯级水库调度问题时,容易陷入局部最优而早熟收敛的问题,提出自适应粒子群算法。该改进算法结合种群进化程度自适应调整算法控制参数,从而克服传统粒子群算法参数固定引起的搜索能力不足的问题。同时,采用种群局部重建策略解决种群进化后期多样性下降的问题。将改进的粒子群算法应用于清江梯级水电站的发电调度求解,模拟计算结果表明,文章提出的改进算法具有较强的全局寻优能力,可以进一步提高算法的搜索性能和求解精度。     

基于改进MPA优化的高斯混合模型算法

针对高斯混合模型算法（GMM）对初始参数敏感、易陷入局部最优的问题,本文提出一种基于改进海洋捕食者算法优化的GMM算法（MMPA-GMM）。首先基于混沌序列和伪对立学习策略初始化种群,引入非线性收敛因子平衡MPA算法的全局与局部搜索,同时提出融入社会等级制度的位置更新策略;然后从搜索能力和收敛速度对改进的MPA进行分析;最后以S_Dbw指标作为算法的适应度函数,利用改进的MPA优化GMM算法的初始参数。实验结果表明,改进的MPA在4种测试函数上表现良好,并且MMPA-GMM算法对4个数据集的聚类效果均有改善,有效避免了GMM算法陷入局部最优的问题。     

基于PSO递阶进化的网络资源活跃度增强算法

为了提高云计算环境下网络资源访问和调度能力,需要增强网络资源的活跃度,传统方法采用源信息系统最小方差粒子群优化算法实现资源活跃度增强调度,直接交互式多源信息的缺陷,导致信息访问的滞后和时延。提出一种基于粒子群(PSO)递阶进化的多出口网络资源活跃度增强算法,构建多出口网络资源调度和网络系统结构,粒子群进化按照属性的数据波动进行递阶分层,得到一个资源数据聚类的高密度区域,使得每一个初始种群中的个体都应有一个解,在多波束搜索PSO空间中实现粒子群PSO递阶进化,提高网络资源访问的活跃度。仿真实验表明,采用该算法,能避免粒子群在进行网络资源搜索调度过程中陷入局部最优,有效提高控制搜索精度,运行时间较短,能有效增强多出口网络资源的活跃度,进而提高了资源搜索成功率。     

Ad Hoc网络重采样转移概率模型下激励传播算法

无线多跳Ad Hoc网络的激励传播算法可以优化网络资源负载均衡,提高网络可靠性。传统的激励传播算法采用萤火虫梯度搜索定位协作激励方法,当网络节点分布为随机多跳的异构网络时,激励传播负载均衡存在效率低、准确性不高等问题。提出一种基于萤火虫群优化追踪的重采样转移概率模型下的无线多跳Ad Hoc网络激励传播算法,实现资源负载均衡,设计无线多跳Ad Hoc网络覆盖层次模型,提出萤火虫群优化追踪算法,在无线多跳Ad Hoc网络节点转移概率空间,设计重采样转移概率模型,得到多跳Ad Hoc网络激励传播系统状态估计。仿真结果得到该算法实现无线多跳Ad Hoc网络系统状态估计准确率要明显高于传统算法,估计误差的波动小,在解决蜕化的同时避免了样本贫化,资源负载均衡激励精度提升方面明显优越于其它算法,展示了算法的优越性能。     

趋化繁殖细菌觅食的种群寻优方法及数据挖掘

针对传统的细菌觅食算法限于梯度信息优化,对非线性特征数据挖掘效果不好的缺陷,提出一种基于趋化繁殖算法的细菌觅食种群寻优方法,并有效应用海量非线性特征数据挖掘中。首先根据现有细菌觅食算法,引入细菌趋化算子和细菌繁殖算子,设计一种新的个体编码方式及进化模式。然后通过设计种群的自适应调整因子增强个体活力,并融合禁忌搜索算法,提高种群搜索寻优能力,克服算法易于陷入过早收敛和限于梯度信息优化的不足,提高对非线性特征数据挖掘性能。仿真实验表明,新算法可以搜索到种群最优组合,非线性特征数据挖掘跟踪曲线表明,算法具有较好的预测和数据挖掘能力,特征数据挖掘准确率提高显著,收敛速度高。     

基于改进跟随蜂搜索过程的ABC算法

研究了一种求解作业车间调度问题的改进人工蜂群算法.在分析了蜂群算法在车间调度问题应用现状的基础上,指出了蜂群算法的优势和不足.针对蜂群算法在邻域搜索能力上的不足,利用模拟退火算法改进跟随蜂的邻域搜索过程,提高了算法搜索范围和收敛性.采用车间调度标准算例,通过仿真实验与其它算法进行比较,验证了算法的有效性和优越性.     

基于K-means聚类的高等数学分层教学模型

由于学生的不同,他们对高等数学的接受能力也不同,因此统一的教学无法在众多的学生中适用。对此,本文设计了一种以初始化去噪和质心优化K-means聚类算法为基础的高等数学教学分层模型,这一模型首先将噪处理标准K-means聚类算法的初始化数据,之后再改进算法的初始化数据,这一过程主要是借助优化聚类中心的方法进行。最后再在高等数学教学分层中应用这一改进后的算法。仿真实验结果证明,本文提出的以质心优化K-means聚类算法以及数据初始化去噪为基础的教学分层模型具有较好的收敛性,并且可以较好地在高等数学教学中实现分层。