乖男孩张山的烦心事儿

初二(5)班的张山是个聪明孩子。他成绩不错,特长不少,同学关系融洽……他是那种老师喜欢的、不惹事、不调皮的乖男生。同学们注意过吗?一般情况下,张山这样的乖孩子,老师对他们并不很注意。老师有多少事情忙不过来呀,遇到这样不用操心、从不调皮的孩子,哪位老师会没完没了关照他呢?     

鱼是这样“说话”的

鱼是怎样发声的二次世界大战时,美国作战指挥部设置在皮萨切克海湾的水下听音器收到一种既像风镐敲击又像重型钻探机轰鸣的奇怪的声音,美方以为出现敌情,立即发出战斗警报,结果什么也没发生。第二天,同样的响声又起,结果还是没有敌艇的踪影。美方请来一位生物学家,才弄清原来海湾当时正聚集着大群鱿鱼,这种希奇古怪的语言就是它们发出来的。那么,鱼类是如何交流它们的语言的呢?鱼类的语言交流有多种方式:如鳃肌的舒张和收缩;椎骨的曲折,与脊椎相连的其他骨骼的活动;运     

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。     

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.     

躲鱼

你听说过躲鱼吗？一米来长的大胖头接二连三地蹦进打鱼人的船舱，如果你不赶紧逃离那个鱼群，渔船很快就会被压沉!当然，现在的黑龙江即使在汛期也很难见到成群的鱼了，那是属于上个世纪的故事。[编者按]     

基于鱼群信息链特征优选的域间流量监测

对内容中心网络的域间流量监测是未来互联网架构和网络安全监护的重要内容,通过域间流量监测,防止网络拥堵和不稳,提供网络性能,同时缩减网络冗余流量。传统方法中,对域间流量的预测采用双谱分析的方法进行特征提取,实现对局域网流量的预测,算法受到短时缓冲流量的非线性特征的影响,性能不好。提出一种基于鱼群信息链特征优选的域间流量预测算法,进行网络流量信号模型分析,构建流量监护数据样本驱动空间,进行鱼群信息链特征优选系统模型与数据预处理,得到域间流量为一阶空间权矩阵,域间网络流量信息数据表示为一个方阵,实现基于鱼群信息链特征优选的域间流量预测算法的改进。实验得出,采用该算法,在较低的信噪比下,仍然具有较高的预测精度,域间流量估计误差较低,性能较优。     

基于鱼群的PSO粒子滤波算法

粒子群优化(PSO)粒子滤波算法比较而言,容易陷入局部最优,因此算法的准确度就会降低。本文在解决该问题时引入了一种基于鱼群的PSO粒子滤波算法。此算法是通过鱼群优化在采样过程中找到全局最优的相对位置,使其能够向全局最优的位置逐渐接近,同时提高估计有效的粒子数目,从而能够更有效的减少粒子退化与枯竭问题。实验表明,此算法与PSO粒子滤波算法相比,在估计准确度方面有了较大的提升。     

研究生创新实验评价体系权重智能计算方法研究

针对人工鱼群算法的缺陷,采用混沌扰动方法对其进行改进,提出了混沌扰动人工鱼群算法(CAFSA。将计算智能技术应用于计算研究生创新实验评价体系各指标的权重,提出了基于改进层次分析法(IM-AHP和CAFSA确定评价体系指标权重的智能计算方法,设计出了CAFSA实例化的具体方案。结果分析表明该方法是科学有效的。     

麝香米打窝有学问

人们长期的垂钓实践证明：麝香具有特殊的香味和苦味，入水后特别香，能很快招来不同的鱼群，是诱鱼的奇药。用麝香熏制的大米(经科学处理)用于打窝，无论什么气候和水域均能发挥它“发窝快、留鱼久、上钩率高”的奇特功效。要想取得良好的垂钓效果，必须掌握好“麝香米”的正确使用方法。     

全局人工鱼群算法求解水果运输调度问题

分析4种不同的水果运输调度问题（Fruits in Vehicle Routing Problem,FVRP）：带硬时间窗的具有需求关联的模型、带容量约束的车辆运输调度问题模型、车辆运输调度问题模型和旅行商问题模型,并构建了相应的数学模型,采用基本人工鱼群算法和全局人工鱼群算法对所建立的4种模型求解,实验证明,全局人工鱼群算法克服了精度低、后期收敛慢、复杂度较高等缺点,能有效地求解此类问题,进一步证明了问题模型的复杂程度影响算法寻优能力,问题模型越复杂,收敛更慢.同时,也体现出当问题模型较复杂时,全局人工鱼群算法的寻优质量和速度优于人工鱼群算法.