工件平面度误差智能评定算法研究

为提高工件平面度误差评定的精确度,在机械制造检验中引入了鲸鱼优化算法(WOA)、改进粒子群优化算法(IPSO)、改进人工蜂群算法(IABC)和遗传算法(GA)等智能评定算法。计算结果表明,四种智能评定算法均优于三维最小二乘算法和新的最小区域算法,不仅提高了工件平面度误差评定的精确度,而且还提高了工件的合格率,降低了工件的制造成本。     

组合优化问题求解的计算模型研究

优化技术是一种以各种形式的数学处理方法为基础,用于求解各种工程问题优化解的应用技术。如何有效地求解组合优化问题现在仍是一个公开的困难问题。以遗传算法、模拟退火算法和蚁群算法为代表的智能优化算法的出现,为解决组合优化问题提供了一条新的途径。但智能优化算法目前仍存在许多问题需要进一步研究,如数学基础不够完善,研究结论相对分散等。建立一个智能优化算法求解组合优化问题的计算模型,可以将各种算法形成一个统一的算法结构框架,并对该模型中的操作算子进行了相关研究。     

动态系统中粒子群优化算法综述

粒子群算法是一种群智能随机优化算法,通过粒子间的合作与竞争,寻找优化问题极值,目前被广泛应用于动态优化问题的求解中。对动态系统中粒子群优化算法进行研究,介绍了粒子群算法基本原理、动态系统分类,以及两种动态优化问题的具体表达形式,并阐述了粒子群算法在动态系统中的3种优化方法及其应用。     

群智能算法及其应用

群智能算法是一种新兴的演化计算技术,它已经成功地被运用于许多领域。实践证明,群智能方法是一种能够解决许多全局优化问题的有效方法。本文介绍了群智能理论的产生和发展过程,并着力阐述群智能理论中的两个主要算法（粒子群算法和蚁群算法）的算法思想以及研究现状。     

教育大数据在教育管理应用中的研究现状与技术路径

教育大数据是教育全过程的数据集合,其合理有效运用在教育教学实践、构建新型高校等过程中发挥重要作用。文章梳理归纳了国内外教育大数据在辅助学生学习、服务教师教学、协助学校管理、优化高层决策等方面的研究现状,并提出了教育大数据在高等教育层面的四种技术路径选择,以实现实时统筹学生动态发展、定制优化教师教学质量、动态规划资源分配与安全、智能决策高校发展走向。     

AC和FKP融合算法在民族突发事件聚类分析中的应用

近年来,我国民族突发事件的频发度及危害性均呈上升趋势.民族突发事件复杂程度高、涉及因素多、应急决策难度大,因此智能辅助决策非常必要.聚类分析是民族突发事件应急辅助决策的研究重点.目前,该项工作在我国尚处于起步阶段.针对FKP(Fuzzy K-Prototypes,模糊K原型)聚类算法存在易陷于局部最优解和对初始参数敏感的缺陷,提出了一种AC(Ant Colony,蚁群)和FKP融合的聚类算法.聚类分析结果表明:应用该算法能得出民族突发事件的发生规律,因此该算法可用于民族突发事件的应急智能辅助决策.以上工作为维护国家安全提供了智能化支持.     

基于数据集成的智能决策支持技术应用于工业过程建模与优化

建模与优化是流程工业GIMS中的关键技术，本文简要介绍了数据仓库、数据挖掘、智能决策技术，提出一种基于数据集成技术的智能决策支持技术，它以数据仓库为平台，以数据挖掘技术为手段，综合应用机器学习，计算智能（人工神经网络、遗传算法等）、模式识别、数理统计、计算机科学等技术，以解决生产过程工业过程建模及优化等问题知识获取的技术瓶颈为目标，实现工业生产过程决策支持与优化控制。     

TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

人工智能助推教师专业发展：机遇、挑战和路径

智能时代下,人工智能是推动国家高质量发展的新引擎。智能技术拥有优越的算法和自主决策能力,是助推教师专业发展的重要组成部分。目前已有研究将人工智能技术融入教师专业发展,为教师专业发展带来三大机遇：人工智能赋能教师自我发展、人工智能优化教学资源获取、人工智能驱动学生评估动态全面化。文章梳理了三种挑战：技术门槛与应用挑战、数据采集与算法伦理、角色定位与态度迷失。基于教师应用智能技术存在的问题,需从掌握人工智能专业知识,提升教师人工智能素养;坚定人工智能专业信念,树立教师人机协同信心;培育人工智能专业能力,建立终身学习的资源库三种路径助推教师专业发展。     

基于量子竞争决策算法的网络路由算法的研究

基于量子竞争决策算法并将其应用到网络路由算法的优化中,再通过无线传感器网络中利用该算法机制提出一种新的SL-MAC算法.经过对比研究发现,该算法能够满足网络路由的节能需要,是一种十分有效的全局优化算法.     

求解非线性方程组的智能新方法

求解方程组是工程研究中的基本问题,因此将非线性方程组的求解问题转化为函数优化问题,应用一种新的智能优化算法-布谷鸟搜索算法求解此优化问题,数值实验结果表明了该算法在求解非线性方程组时的可行性和有效性。     

基于细胞自动机演化算法求解无约束函数优化问题

在最优化领域目前广泛应用的智能优化算法有遗传算法、模拟退火算法、神经网络算法等。但这些算法的实现模式都还是基于串行模式。利用细胞自动机来解决优化问题,也就意味着能够建立极度并行的解决最优化问题的程序。提出了一种基于细胞自动机的演化算法,以求解无约束函数优化问题,并用实验分析了此算法的性能。     

粒子群算法在重载齿轮多目标设计中的应用

粒子群优化算法是一种基于群智能的优化方法,规则简单,收敛速度快.将此算法应用于重载齿轮的多目标优化设计,建立基于粒子群优化算法的重载齿轮多目标优化设计的数学模型,实践表明可以快速、有效地求得齿轮优化解.     

决策树在智能授导系统中的应用

本文提出了一种智能授导系统模型,在此模型中利用改进的加权ID3算法获取教学策略.加权ID3算法是在传统ID3算法的基础上提出来的,通过对传统ID3算法和改进的ID3算法的实验对比,证明加权ID3算法更适用于实际应用,能够明显提高决策效率.     

微粒群算法综述

微粒群算法是一种新的基于群体智能的优化算法。文章介绍了微粒群算法的基本原理及其改进算法,并对其在理论研究和技术应用两方面的研究现状和未来的发展方向进行综述。     

一种改进的教与学的优化算法

教与学优化算法(TLBO)是一种基于班级教学过程和学习过程的新型智能优化算法。针对TLBO算法全局搜索能力较差,容易陷入局部最优的问题,提出了一种改进的教与学优化算法(ITLBO)。通过加入反馈阶段,使得成绩较差的学生与教师及时进行反馈交流,提高了算法的寻优精度;同时,为了克服早熟收敛现象,引入准确性因子,维持了种群多样性。数值试验表明ITLBO算法比基本TLBO算法在收敛速度和寻优精度上更具有优势。     

算法推荐的信息传播危机与协同共治模式

算法推荐具有收集、筛选、推送信息和记录的“权力”,具有技术属性,同时因智能传播时代下算法决策取代了人工决策,算法推荐技术又充当着传统媒介中的人工价值判断角色,具备了价值负荷属性。算法推荐的双重属性不仅形成信息茧房及衍生回音室效应,加剧社会价值观的分化,且催生了圈层区隔,导致群体极化滋生和信息操纵风险蔓延,扰乱网络信息的生态场域。摆脱算法推荐在智能传播时代的负面效应,必须构建多元主体共同治理算法推荐模式：智能媒体平台应强化社会责任,加强算法的“自我规制”;政府需加强算法监管,形成算法安全治理格局;用户应享有算法解释权,塑造“算法协治者”形象。     

人工鱼群算法在图像配准中的应用

图像配准是图像处理的基本任务之一,是图像融合、目标识别等的前提。文章将基于行为的人工智能思想通过动物自治体的模式引入优化命题的解决中,构造了一种解决问题的架构—鱼群模式,并由此产生了一种高效的智能优化算法—人工鱼群算法(AFSA),进而提出以人工鱼群算法为优化搜索策略的人工鱼群算法在图像配准中的应用。     

算法参数对人工蜂群算法性能的影响

作为一种新兴的群体智能优化方法,人工蜂群算法在函数优化方面具有较好的优化能力。然而其收敛速度也受到控制参数的影响,为了考察算法各参数对其性能的影响,使用VS2010编写了一套标准人工蜂群算法,并选取两个标准函数作为测试对象,对这种影响进行了测试,最后给出了测试结论。     

改进免疫算法在旅行商问题中的应用

免疫算法是基于人工免疫的基本理论发展而来,它是对人工免疫理论研究和应用的扩充与发展。本文提出了一种改进的提取疫苗和注射疫苗的免疫算法,给出了该算法疫苗的形成方式,并将该算法应用在典型的组合优化问题TSP的求解中。通过50个城市TSP问题的仿真实验,表明该算法较原算法有更快的收敛速度,是一种较理想的解决TSP问题的智能优化算法。