研发投入对江苏经济高质量发展的影响分析

构建基于人工鱼群算法的空间滞后面板平滑转换模型(AFSA-SLPSTR),使用2013-2017年江苏省13个地级市的面板数据,分析研发投入对江苏经济高质量发展的影响.结果表明:江苏省域内各市的经济高质量发展呈正相关关系;研发投入对江苏经济高质量发展的影响有显著的非线性特征,具体表现为单转换函数、单体制的形式;当专利低于阈值时,研发投入对经济发展数量与发展质量的影响显著为正,跨过阈值后对经济发展数量与发展质量的促进作用会有所减弱,尤其是研发人员投入对经济发展质量的影响系数会由正转负.基于研究结果,为更好发挥研发投入对江苏经济高质量发展的促进作用,推进创新型江苏建设,提出关注经济高质量发展在省域内的聚集和溢出效应,改善以数量为主的地方性专利考核标准,科学合理配置研发投入等对策建议.     

基于模拟退火步长的粒子群算法

为了提高粒子群算法的收敛速度和全局收敛性,本文在标准粒子群算法的基础上作了改进,提出了一种带模拟退火步长的粒子群算法．通过典型函数的测试结果表明新算法比原来算法收敛到最优解的次数多,提出的新算法在全局搜索能力和收敛速度方面有所提高．     

一种混合算法在车辆路径问题上的应用

针对粒子群优化算法PSO求解车辆路径问题容易陷入局部最优的缺陷,提出了将量子门思想、遗传算法思想与粒子群算法相结合的混合算法来求解车辆路径问题,以Matlab语言为开发工具实现VRP实际问题的求解。实验表明,混合算法比粒子群算法能有更好的避免陷入局部最优,可以搜索到更优解。     

基于Haar-Lbp特征和粒子群神经网络的人耳识别

在分析人耳Haar和Lbp特征的基础上,提出了一种基于神经网络和人耳Haar-Lbp特征对人耳进行识别的方法.文中选取了人耳图像的Haar和Lbp双特征值作为神经网络的训练样本,并尝试利用粒子群优化算法与BP结合算法训练网络.仿真结果表明,文中提出的方法取得较好的效果.     

基于Logistic模型的动态群体微粒群算法

从生物学角度出发引入Logistic模型,提出了一种新的基于Logistic模型的动态群体微粒群算法。该算法中群体增长与生态学规律保持一致,通过适应值较好微粒杂交的方法产生新微粒以提高算法的多样性,当种群规模达到了环境负荷量时会由于资源短缺、疾病等原因造成种内竞争产生优胜劣汰现象,通过删除适应值变化率较小微粒,可提高种群的总体适应度。模拟实验表明该文提出的DPSO算法比SPSO和MPSO—TVAC具有更高的效率和较快的收敛速度,提高了种群微粒间的竞争。     

混沌粒子群算法在WSN覆盖优化中的应用

研究WSN覆盖优化方面的问题,提高无线传感网络通讯效率。针对无线传感网络节点分布不均匀或者节点失效时,WSN覆盖区域会出现重叠或者指定区域没有被覆盖,造成无线传感网络通讯效率下降的问题,提出了利用一种混沌粒子群算法,根据无线传感网络相关参数和条件建立数学模型,利用优化处理方式对其进行优化,提高了通讯效率。实验证明,利用混沌粒子群算法进行WSN覆盖优化,可以提高无线传感网络优化效率,取得了令人满意的效果。     

粒子群优化在股指预测中的应用

BP神经网络由于自身的缺陷,导致训练时间长且易于陷入局部极小点,易导致股指预测精度不高．将粒子群优化算法用于神经网络的学习训练,可改善它原有的缺陷,并用于对股指的预测．实验结果表明,与BP神经网络相比,基于粒子群优化的神经网络对股指的预测精度更高．     

自适应粒子群算法在微波电路中应用

常规粒子群算法(SPSO)在优化过程中易陷入局部最优,本文分析了常规粒子群算法陷入局部最优的原因,提出采用一种自适应粒子群算法(APSO)避免陷入局部最优,改善算法的收敛性和精度。最后用自适应粒子群算法设计宽带阶梯阻抗变换器,结果表明,与常规粒子群算法相比,自适应粒子群算法全局速度快、成功率和精度也有显著提高。     

A novel recommendation method based on social network using matrix factorization technique

The rapid development of information technology and the fast growth of Internet have facilitated an explosion of information which has accentuated the information overload problem. Recommender systems have emerged in response to this problem and helped users to find their interesting contents. With increasingly complicated social context, how to fulfill personalized needs better has become a new trend in personalized recommendation service studies. In order to alleviate the sparsity problem of recommender systems meanwhile increase their accuracy and diversity in complex contexts, we propose a novel recommendation method based on social network using matrix factorization technique. In this method, we cluster users and consider a variety of complex factors. The simulation results on two benchmark data sets and a real data set show that our method achieves superior performance to existing methods.     

微粒群算法及研究

群智能理论是一种新兴演化计算技术,它与人工生命,特别是进化策略和遗传算法有着极为特殊的联系,群智能方法是一种能够有效解决大多数全局优化问题的新方法.其潜在的并行性和分布式特点为处理大量复杂的工程应用问题提供了技术保证.本文主要阐述了微粒群算法的基本原理及其研究现状及今后的研究方向.