基于LM和SA的混合优化算法

针对LM算法及模拟退火算法各自存在的不足,提出一种交替使用二者的混合优化算法（SALM算法）.该算法先通过模拟退火算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用模拟退火算法和LM算法,直至发现满意的最优解.实验结果表明,新算法不但具有模拟退火算法的全局收敛特性而且保留了LM算法的局部收敛速度,克服了单纯模拟退火算法所产生的随机性和概率性问题,也弱化LM算法对初始条件的依赖程度,保证了求解的速度和精度。     

基于异常检测的K-means改进算法研究

K-means算法作为较为普遍的聚类算法,聚类效果受孤立点、噪声点和初始聚类中心影响较大。结合Isolation Forest算法计算数据中每个样本的异常度系数,根据离群值过滤比例计算得到异常度系数阈值,对高度异常值加以隔离,并对隔离后的数据集使用平均插值法求得初始聚类中心。运用改进K-means算法对真实数据集进行聚类分析,与此同时,通过比较多个离群值过滤比例下的聚类结果,找到离群值过滤比例的最优取值。仿真结果表明,相比于原始算法,新算法显著提升了聚类准确性,聚类效果更佳。     

组合优化中启发式算法的研究分析

在组合优化的实际问题求解中，背包问题，TSM问题等NP(Non—deterministic Polynomial)问题在多项式时间内无法得到最优解，要解决此类问题，就必须借助于启发式算法；简单介绍了计算复杂性概念，列举了几种常用的启发式算法，并给出算法的自然语言描述。     

基于混合算法的快递问题优化研究

根据物流快递业中的优化问题特点建立其配送数学模型,提出了以模拟退火算法和遗传算法相结合的思想为基础对其方案进行解决。实际算例表明,用此混合算法来解决实际的快递优化问题,可以进一步提高快递配送效率,能够在短时间内找到最理想的分配方案并计算出最低的成本消耗,从而证明了该混合算法是可行的。     

SA法在求解非线性约束优化问题中的应用

传统数学规划方法如梯度法等在解决非线性规划问题时,往往会由于问题本身的多峰性而落入局部最优解中,得不到全局最优解,这使得传统方法在解决非线性规划问题中受到很大的限制.80年代初,S.Kirkpatrick提出了模拟退火算法(Simutaneous Annealing),该方法在解决复杂的组合优化问题中可以得出很好的结果.它是一种仿金属退火物理过程的随机算法,在理想状态下可得出全局最优解,并能以一定的概率跳出局部最优解所在的区域.本文我们将探讨SA法在求解非线性约束优化问题中的应用.     

基于快速模拟退火组合优化算法的故障诊断

提出了快速模拟退火组合优化算法，建立了TE故障诊断模型，仿真结果表明，快速模拟退火组合优化算法的故障诊断能力比模拟退火算法好，值得进一步研究。     

基于模拟退火算法的Tile集生成优化

纹理合成技术是计算机图形学、计算机视觉和图像处理领域的研究热点之一,其中因Wang-Tile纹理合成方法可以实时地生成任意大小的纹理而受到人们的关注。Tile集的生成是Wang-Tile纹理合成方法的一个重要方面,但由于其中样本纹理选择的随意性使得合成纹理出现明显的菱形接缝。采用模拟退火算法来实现样本纹理选择过程的全局优化,提高了Tile集的质量,得到了理想的合成结果,对此进行了论述。     

基于k-means算法的入侵检测研究

针对原始k-means算法存在问题,提出一种无需指定k值和初始聚类中心的能够依据数据集内在特性自动完成聚类的改进k-means算法。最后,利用入侵检测领域应用最为广泛的数据集KDD CUP99验证了改进算法的性能。实验结果表明,改进算法无需任何输入,且具有较高的检测率和较低的误报率,性能较原始算法均有提高。     

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。     

股票投资组合中若干优化算法的比较研究

鉴于投资组合的构建既是机构投资者首先关注的核心问题,又是金融市场中每个个体投资人需要解决的问题,具有重要的实际意义,本文利用实际数据,首先采用遗传算法、模拟退火算法和粒子群算法等多种算法对模型进行优化计算,然后将所得结果进行了比较研究。     

一种优化共同邻居影响的动态距离社区发现算法

在众多社区发现算法中,Attractor算法是一种快速的社区发现算法,具有社区检测准确率高的优点。为解决Attractor算法在距离更新过程中节点对度值相差太大,影响小度节点所属社区判断问题,提出一种优化共同邻居影响的Attractor社区发现算法。该算法在Attractor算法提出的动态距离节点交互模型基础上,考虑节点对两者度值差异,通过在节点对与共同邻居交互模式中增加一个大度节点不利系数,以增加小度节点对邻居的吸引作用。采用LFR基准网络,在不同结构网络上验证改进算法的有效性。实验结果表明,改进算法与Attractor算法相比社区发现准确度更高。     

基于遗传算法和BP神经网络的优化设计方法

随着生产规模的复杂化、多维化和非线性等复杂特性的增加，对生产中高效的优化技术要求也越来越迫切，利用并行遗传算法和BP网络的优点，提出采用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取，利用BP网络简单和可塑性强的优点来优化样本空间，以取得整体的优化效率。     

基于标签传播的半监督社区发现算法研究

近年来,许多关于社区发现的优秀算法被提出并取得了较好的社区划分效果。但是到目前为止,没有任何一种算法能够同时在时间复杂度和准确度方面取得较好的表现。现实网络中往往存在一些有利于指导社区发现的标签信息,如must-link信息、cannot-link信息等。因此提出基于少量标签信息传播、拓扑结构的半监督社区发现算法S_LPA,分别在karate网络、dolphins网络、LFR基准网络上进行测试。实验结果表明,该算法S_LPA时间复杂度为O（m）,相对其它算法,S_LPA在karate网络和dolphins网络的NMI值高于CNM、InfoMap、LPA算法,在LRF网络上准确度高出约20%;提高参数u后,S_LPA算法可识别其它算法不能识别的社区结构。     

局部社区发现算法研究综述

社区发现能帮助人们了解社交网络的结构特性及隐藏信息。局部社区发现算法不需要网络的整体信息,以局部结构信息为基础,可以快速找到目标节点所在的局部社区,提高了效率,因而受到学者们的青睐。按算法基本思想,现有局部社区发现算法可分为标签传播类算法、局部扩张算法等。对部分局部社区发现领域的研究成果进行总结,分析它们的优缺点,并提出未来局部社区发现算法研究方向。     

基于RBF NN的发动机点火提前角的控制研究

介绍了RBF NN的结构,把RBF NN应用于发动机SA的控制,并在SIMULINK下进行建模和仿真,编写S函数然后封装在SIMULINK系统中.RBF NN在发动机中的应用,为发动机SA的控制提供一种新的途径.     

基于混沌猴群优化的LSSVM网络入侵检测模型建构

针对网络入侵数据具有高维度、数据量大的特点,引入混沌算子完成标准猴群算法的初始化操作,接着利用优化后的猴群算法对LSSVM的核函数系数以及函数的调节系数进行优化,构建一个CMA-LSSVM入侵检测模型。仿真实验结果表明,该模型对网络入侵数据具有较好的泛化能力和较高的检测精度,效果良好。     

基于KALMAN算法的盲空时多用户RAKE接收机

文章针对KALMAN算法的盲空时多用户RAKE接收机,提出的检测在性能优于基于RLS算法的检测器,便于实时处理.     

基于主成分分析的GA-BPNN遥感图像分类研究

在高原山地地区,传统遥感分类方法分类精度低,而标准BP神经网络分类方法在实际应用中也难以胜任.探讨对数据源主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目、初始权重.并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出.结果表明,其分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性.     

一种基于形态学与边缘点投票统计的车道线快速检测算法

提出了一种基于形态学与边缘点投票统计的车道线快速检测算法,在道路图像感兴趣区域内进行数学形态学颗粒分析和骨架化,获取车道中心线,再进行车道边缘点筛选与投票,通过统计搜索的方式检测出车道线。实验采用数字信号处理芯片DSP为图像处理硬件开发平台,在软件系统CCS下调试程序。实验结果表明,该算法在车道偏离预警系统中运行具有较好的车道线检测效果,在复杂行驶环境下能正常运行,鲁棒性能较好。     

基于遗传算法的工艺决策模式的探索

本文通过对遗传算法和工艺决策理论的分析,提出了基于遗传算法的工艺决策方式。该方式具有优化、收敛性快等优点。