ASP数据库脚本程序边缘搜索最优路径提取

提出一种基于标准混合蛙跳算法的ASP数据库脚本程序边缘局部搜索最优路径提取算法,在进行ASP数据库信息交互中的脚本程序边缘局部搜索最优路径提取中,把路径搜索比喻为青蛙在觅食过程的位置更新,将搜索加速因子引入族群内部的搜索策略中,一定程度上提高了算法的全局搜索能力,利用局部最优个体、局部最差个体及全局最优个体的信息实现对脚本程序边缘局部最优路径搜索算法的改进。仿真结果表明,算法在时间成本及空间成本大幅降低,加速比提高。能摆脱局部最优解的能力强,收敛速度快,通过搜索最优路径的提取,信息交互中的信息配准提高。在ASP数据信息交互中实现可靠有效的数据通信。     

基于超维混沌映射的蛙跳群神经网络智能控制

前馈神经网在智能控制设计训练中收敛速度慢、易陷入局部极值,且对初始权值依赖性。为此提出一种基于超维无限折叠反转迭代混沌的蛙跳群优化算法,训练前馈神经网络参数,进行全局优化智能控制设计。算法在充分利用BP算法的误差反传信息和梯度信息的基础上,引入基于超维无限折叠反转迭代混沌的概念,结合混合蛙跳群仿生算法,将混沌蛙跳群作为全局搜索器,以梯度下降信息作为局部搜索器来调整智能控制网络的权值和阈值,实现全局寻优和空间智能搜索。实验和算法对比结果表明,新的人工神经网络智能控制算法在均方差、泛化均方差等指标上较传统算法具有明显优势。改进算法特别适合人工智能控制模型设计与预测建模,具有较高的预测精度和泛化能力,稳健性好,具有较好的全局优化自适应控制能力。     

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。     

混合蛙跳优化PID算法的生化分析仪恒温控制

生化分析仪主要用于检测人体的体液在临床状态下的多项生化指标的变化,采用的技术是光、电和机来进行临床检测,因此对于其的恒温控制要求非常高,但一般的PID控制只是单一地复制并模拟PID控制器的功能,因此在有些状况下并不具有良好的控制效果。针对这一问题,本文提出了基于混合蛙跳优化PID算法的生化分析仪恒温控制模型,模仿青蛙群体觅食时,用群族分类来表示思想传递的过程,再利用局部搜索的功能,使得局部个体间信息的传递和全局整体的信息传递有机结合,这种方式就叫做混合策略。通过仿真测试结果表明,常规PID算法模型和本文所提出的混合蛙跳优化PID算法模型控制性能上没有太大的提高,但是混合蛙跳优化PID算法在控制时候的稳定能力上有较大的提高,并且其自我适应的能力和抗干扰的能力明显增强。     

基于优化的帝国算法的云计算任务调度

针对云计算任务调度效率低的问题,将改进后的帝国算法用于云计算任务调度。首先提出了一种基于时间、成本和能耗的任务调度模型;其次在帝国算法的种群中采用Logistic映射进行初始化、优化了算法因子、引入蛙跳算法降低了帝国算法陷入局部最优;最后,在仿真实验中通过与基本帝国算法,蛙跳算法在小任务和大任务条件下的任务调度指标对比说明了优化后的帝国算法能够取得较好的效果。     

基于改进粒子群算法与SVM的变压器状态评估

本文采用改进粒子群算法,通过动态地调整算法的全局与局部搜索能力对SVM参数优化,提高了分类准确率。本文以变压器油中溶解气体(DGA)浓度为评估指标,将变压器分成正常、注意、异常、严重4个等级。通过实例数据分析得出,用改进后粒子群算法更适合在变压器状态评估中应用。     

基于遗传算法的TSP问题优化方法

针对传统遗传算法在巡回商旅问题优化计算中存在的弊端——收敛速度慢,迭代次数多。在传统遗传算法基础上,设计出一种加入人工选择和定向突变的优化改进算法。该优化算法通过人工方法保存具有有利变异个体和淘汰具有不利变异个体,有利变异个体进行杂交和变异,从而提高遗传算法的收敛速度,减少遗传算法的迭代次数。同时针对遗传算法易陷入局部最优解的情况,在优化算法中引入自适应参数算法,针对遗传算法的不同阶段,实现杂交概率和变异概率的自适应调节,防止算法陷入局部最优解。最后,采用国际标准的TSP测试集(TSPLIB)对优化算法的优良性进行验证,实验表明,对比其他算法,该优化算法在TSP最优解的质量上提高10%左右。     

改进的人工鱼群算法求解TSP问题的研究

针对旅行商(traveling salesman problem,TSP)是一个NP问题,本文使用改进的人工鱼群算法(improved artificial fish swarm algorithm,AFSA)进行线路的优化.首先阐述了TSP问题基本概念,其次针对基本的人工鱼群算法分别优化:(1)使用Laplace进行种群初始化,提高种群多样性;(2)使用正弦余弦算法取代觅食行为,保证算法在全局和局部范围内具有一定的平衡性;(3)利用人工蜂群算法对每一次迭代后的个体进行筛选,保证了算法的解的质量.仿真实验中本文算法在TSP路径规划方面具有一定的效果.     

基于改进的遗传算法的学生成绩预测模型

针对传统的遗传算法收敛慢的问题,提出了一种改进的遗传算法并将其应用在学生成绩预测中.所采用的遗传算法改进策略包括:(1)采用实数进行编码;(2)建立个体适应值函数进行个体评价;(3)使用新的选种策略;(4)改进了杂交过程;(5)修改了入选概率小于变异概率的个体变异策略;(6)优化了算法结束条件.本文将BP神经网络和改进的遗传算法相结合构造学生成绩预测模型.实验结果表明,在误差的收敛速度以及成绩预测的准确性方面,本文提出的模型都获得了令人满意的性能.     

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。     

一种基于子种群带多亲体杂交的微粒群算法

文中提出了一种改进的微粒群算法XSPSO,使用子种群来决定各个个体的邻域,引入基于邻域的多亲体杂交,引导各个微粒飞向不同的山峰的同时搜索其他山峰.从实验的结果来看,该算法具有较强的搜索能力和较好稳定性,且精度较好.该算法用于多峰函数优化具有很好的效果.     

改进灰狼优化算法的研究

灰狼优化算法(GWO)是一种受灰狼群体捕食行为启发的新型群智能优化算法。为提高灰狼优化算法的全局搜索能力,避免算法过早收敛,提高原算法精度。本文提出了一个改进版本的灰狼优化算法,在原始的灰狼优化算法上引入Lévy飞行策略,命名为基于Lévy飞行的灰狼优化算法(LGWO)。通过将LGWO应用于8个标准测试函数并与基本灰狼优化算法(GWO)及粒子群-引力搜索算法(PSOGSA)进行对比,实验仿真表明,LGWO算法收敛速度更快且寻优精度更高。     

最小二乘圆心模糊集合贴近度蛙跳聚类算法

针对传统的混合蛙跳聚类算法在差分进化时,随着迭代次数的增加,聚类中心矢量向模糊边缘贴近,导致搜索精度不高,陷入局部最优的问题。提出一种基于最小二乘算法的混合蛙跳优化聚类算法,引入模糊集合贴近度运算,对聚类中心矢量执行全局更新,避免模糊边缘的局部最优解贴近。仿真测试采用合成的二维数据进行数据聚类实验并应用到软件故障预测模型中,实验结果表明,采用该算法进行目标数据聚类,具有更好的寻优进化性能,聚类精度提高明显,在数据分类识别等领域具有很好的应用价值。     

基于改进的PSO-BP神经网络的桂林市物流预测研究

由于BP神经网络有收敛速度慢,容易陷入局部最小的缺陷,因此文章提出了一种改进的粒子群算法来优化BP神经网络的权值与阈值。使得预测模型能够在搜索最优解的过程中能够平衡算法的局部搜索和全局搜索,提高搜索的精度。对初步确定的输入指标和输出指标采用线性回归的方法,来筛选与输出指标具有强相关性的输入指标。通过MATLAB软件进行预测,比较标准的PSO-BP与改进PSO-BP模型,预测结果较好,说明改进的PSO-BP模型是有效的。     

基于柯西变异的果蝇优化算法

针对果蝇优化算法是模仿果蝇寻找食物行为而进行全局搜索最优解的新算法,该算法存在容易陷入局部最优解和收敛速度慢的缺点。提出了一种基于柯西变异的果蝇优化算法,利用柯西分布具有较高的两翼概率特性从而容易产生一个远离原点的随机生成数,即柯西分布有一条很长的尾巴。所以在果蝇个体利用嗅觉搜索食物之随机方向距离上引入柯西变异算子代替原来随机方向变异算子进行扰动,从而容易跳出局部最优。最后通过数值仿真实验对6个标准测试函数来进行作对比检验,结果表明该算法在求解高维函数优化问题更好。     

一种求解云计算资源优化的改进蝙蝠算法

为了最大限度优化云计算资源分配中的执行速度,平均响应时间和系统利用率,提出一种基于高斯差分变异蝙蝠算法(GDMBA)的云计算资源调度优化方法。首先引入高斯差分变异改进蝙蝠算法,避免蝙蝠个体陷入局部最优,改进后的算法加快了收敛速度,提高了收敛精度,然后采用GDMBA对资源调度进行寻优。仿真实验表明,GDMBA有效提高了算法性能,在云计算的资源调度中有效优化了云计算系统中的资源调度能力,提高了云计算资源的利用率。     

基于细胞膜优化的人工鱼群算法研究

研究人工鱼群算法优化问题,为了改进AFSA在非全局极值点出现较严重聚集情况时,收敛速度降低,甚至陷入局部极值,搜索性能劣化的问题,采用细胞膜优化算法物质的转运方式,对人工鱼群算法的寻优行为进行改进,从而一定程度上避免算法陷入局部最优,提出了一种基于细胞膜优化的人工鱼群算法.通过4个典型函数仿真和应用实例仿真结果表明,该算法是可行有效的,求解精度更高,算法更稳定.     

基于一种差分鱼群算法在WSN覆盖应用的研究

如何能够在无线传感中进行覆盖一直都是研究的热点。本文首先描述了无线传感网络覆盖模型,其次在人工鱼群算法的基础上引入了差分遗传算法和惩罚函数,通过差分遗传算法使得人工鱼群算法在局部搜索的能力得到了加强,并与人工鱼群算法自身的全局搜索优化能力进行结合比较,得到算法的效率得到提高,同时惩罚函数可以避免改进后的算法在一些区域中盲目搜索,提高算法的效率。仿真实验表明本文算法不仅可以有效的提高覆盖效率,同时降低覆盖过程中的能量消耗。     

一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点,而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法,使速度得到了提高并且可以避免早熟等缺陷。     

一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点，而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法，使速度得到了提高并且可以避免早熟等缺陷。