一种新的多峰值函数优化算法

根据对一元多峰值函数的单调区间的分析,提出了一种新的多峰值函数优化算法——形态分析法。该算法根据给定的精度要求,用有穷个离散点确定一元多峰值函数的形态,进而确定其单调递增区间和单调递减区间,一次搜索就可找出函数的所有局部最优解和全局最优解。用不同的多峰值函数进行了仿真实验,并和相关算法进行了比较,结果表明所提出的算法计算量比其它算法小一个数量级,不存在震荡现象。     

一种基于模糊聚类的离散化方法

由于粗糙集只能对离散属性进行处理,因而连续属性的离散化也就成了粗糙集的主要问题之一.提出了一种从模糊聚类出发的离散化方法,并给出了一个判别函数,由该函数从聚类结果中选择最优的一个解,因而是一种自寻优的求解过程,避免了人为划分类数的主观影响.最后进行了实验比较,证实了该方法的有效性和合理性.     

基于混沌差分进化模糊聚类的多模型建模

针对模糊C-均值聚类算法存在对初始聚类中心敏感和聚类目标函数容易陷入局部最优的问题,提出了1种基于混沌差分进化模糊C-均值聚类的多模型建模方法.该方法采用混沌差分进化算法对模糊C-均值聚类的目标函数进行全局寻优,能有效的解决上述问题.将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明了该算法的有效性.     

一种基于模糊聚类的离散化方法

由于粗糙集只能对离散属性进行处理,因而连续属性的离散化也就成了粗糙集的主要问题之一。提出了一种从模糊聚类出发的离散化方法,并给出了一个判别函数,由该函数从聚类结果中选择最优的一个解,因而是一种自寻优的求解过程,避免了人为划分类数的主观影响。最后进行了实验比较,证实了该方法的有效性和合理性。     

改进的模糊聚类算法在入侵检测中的研究

模糊C均值聚类算法存在自身对初始化值敏感,及其目标函数是非凸的,容易陷入局部极值点而得不到最优解的问题。结合粒子群优化算法的全局快速搜索能力,改进了目标函数,提出了改进的模糊C均值聚类算法。通过理论分析及实验证明,该算法具有较好的全局最优解,有效地克服了传统模糊C聚类算法的缺点,在入侵检测中能获得满意的检测率和误报率。     

基于局部预测误差最小化的半监督图像聚类

为了更加准确地对图像进行聚类,提出一种基于局部预测误差最小化的半监督图像聚类算法。采用局部线性回归模型计算目标子空间的预测误差,并融入类间离散度最大化和类内离散度最小化的约束条件,进行目标函数的定义和求解,从而得到最优聚类子空间,在此过程中有效地利用了标记样本和未标记样本。实验结果表明,该算法取得了较好的聚类结果,而且对比实验从多个角度验证该方法对图像聚类的有效性和优越性。     

改进的模糊聚类特征压缩及其应用

针对模糊聚类特征压缩的特征数目确定问题,提出了一种改进的模糊聚类特征压缩算法.该算法通过引入聚类有效性函数,实现了最优特征数目的自动确定.通过模拟电路故障诊断的仿真实验,验证了算法的有效性.     

基于模糊相关度的模糊C均值聚类加权指数研究

在极小化模糊C均值（FCM）聚类目标函数的过程中,针对目前模糊加权指数m的确定缺乏理论依据和有效评价方法的问题,提出了一种基于模糊相关度的模糊加权指数计算方法。首先定义模糊相关度的聚类有效性函数,然后通过Gauss迭代计算FCM聚类有效性并将其反馈到模糊加权指数的变化中,从而使m收敛到一个稳定的最优解。理论分析和实验结果表明,该算法是有效的,所得到加权指数m符合预期的结果。     

基于强化学习的部分线性离散时间系统的最优输出调节

针对同时具有线性外部干扰与非线性不确定性下的离散时间部分线性系统的最优输出调节问题, 提出了仅利用在线数据的基于强化学习的数据驱动控制方法. 首先, 该问题可拆分为一个受约束的静态优化问题和一个动态规划问题, 第一个问题可以解出调节器方程的解. 第二个问题可以确定出控制器的最优反馈增益. 然后, 运用小增益定理证明了存在非线性不确定性离散时间部分线性系统的最优输出调节问题的稳定性. 针对传统的控制方法需要准确的系统模型参数用来解决这两个优化问题, 提出了一种数据驱动离线策略更新算法, 该算法仅使用在线数据找到动态规划问题的解. 然后, 基于动态规划问题的解, 利用在线数据为静态优化问题提供了最优解. 最后, 仿真结果验证了该方法的有效性.     

基于集成定位-运输路线安排问题的废旧家电逆向回收物流网络优化

针对废旧家电逆向回收物流成本高、效益差而导致其回收率低的问题,提出一种应用离散微粒群智能算法优化废旧家电逆向回收物流网络模型的方法。在系统分析废旧家电逆向回收物流网络结构与要素基础上,构建基于集成定位-运输路线安排问题的废旧家电逆向回收物流网络优化模型,引入随机交换序与部分映射交叉(PMX)算子使离散微粒群优化(DPSO)算法具备良好的全局及局部搜索能力,来对该模型进行智能优化与求解。实例仿真结果表明,通过该优化模型及算法得到的全局最优解具有良好的收敛性和有效性;同时,能有效降低废旧家电逆向回收物流运作总成本。     

基于逻辑运算的离散人工蜂群优化双聚类算法

基因表达数据是由DNA微阵列实验产生的大规模数据矩阵,双聚类算法是挖掘数据矩阵中具有较高相关性的子矩阵,能有效地提取生物学信息。针对当前多目标双聚类优化算法易于陷入早熟和局部最优解等问题,论文提出了基于逻辑运算的离散人工蜂群优化双聚类算法(LOABCB算法),一方面引入人工蜂群算法增强双聚类的全局寻优能力,另一方面通过逻辑运算邻域搜索策略寻找最优双聚类,提高搜索效率。采用基因表达数据的酵母细胞数据集进行实验,结果表明论文算法能够获得实验效果优的具有生物意义的双聚类。     

控制量离散的轮式小车轨迹跟踪研究

针对机器人小车控制过程中的轨迹跟踪问题,以控制量为离散值的轮式小车为研究对象,提出一种新的预测控制算法.建立小车在离散状态空间下的运动学模型,并根据此模型设计预测控制算法,以克服实际过程中的不确定性.然后,为解决传统预测控制算法在应用上出现的计算量指数增长问题,基于改进模拟退火的快速寻优算法,设计一种新的预测控制策略,以同时保证小车轨迹跟踪的精确性与实时性.通过仿真实验给出了该算法下小车对不同轨迹的跟踪情况及鲁棒性测试,在与传统预测控制算法计算量的比较结果中表明,该算法能够减少计算时间且实现对轨迹有效地跟踪,并保证较高的稳定性,同时,该算法可以推广到各类控制量为离散值的预测控制问题.     

基于改进粒子群的3D-Mesh CMP片上网络映射算法

经典粒子群算法是在连续的解空间里进行的,粒子的方向、速度的确定采用的是二维空间的运算法则,不适合在N维空间里进行,而3D-NOC映射问题面对的是N维离散解空间。对此,提出一种改进的粒子群算法以及相应的算法评估模型。该算法通过引入非支配解(Pareto解)的概念对粒子群算法进行改进,使得算法不仅可以对多个评估模型参数同时优化,而且可以依据实际的应用对单个评估模型参数进行优化。仿真实验结果表明,该算法在单个评估模型且同等计算规模下对比随机映射性能有显著的提升,在降低运算规模方面有很好的优化能力,且在多模型下取得的综合最优解比之相应的单独评估模型下的最优解只有很小的下降。     

云环境中多目标优化的虚拟机放置算法

虚拟机放置（VMP）是虚拟机整合的核心,是一个多资源约束的多目标优化问题。高效的VMP算法不仅能显著地降低云数据中心能耗、提高资源利用率,还能保证服务质量（QoS）。针对数据中心能耗高和资源利用率低的问题,提出了基于离散蝙蝠算法的虚拟机放置（DBA-VMP）算法。首先,把最小化能耗和最大化资源利用率作为优化目标,建立多目标约束的VMP优化模型;然后,通过效仿人工蚁群在觅食过程中共享信息素的机制,将信息素反馈机制引入蝙蝠算法,并对经典蝙蝠算法进行离散化改进;最后,用改进的离散蝙蝠算法求解模型的Pareto最优解。实验结果表明,与其他多目标优化的VMP算法相比,所提算法在使用不同数据集的情况下都能有效降低能耗,提高资源利用率,实现了在保证QoS的前提下的降低能耗和提高资源利用率两者之间的优化平衡。     

基于变结构离散动态BN的最优交通路径规划

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基于变结构动态BN的最优交通路径规划方法。该方法考虑驾驶员偏好,按时间序列建立适用于交通路径规划的变结构离散动态BN模型,采用最大似然估计算法和参数的自适应产生算法学习网络参数,用基于时间窗的动态BN近似推理算法中固定窗口宽度方法进行在线推理。结合实例对算法进行仿真,并与Dijkstra算法所得结果进行比较。实验结果表明变结构离散动态BN能利用实时采集到的信息对最优路径进行实时更新,在线决策。     

VBR视频流在有服务质量(QoS)保证的信道上传输时的最优控制问题

本文讨论了可变比特率（VBR）视频流在有服务质量(QoS)保证的信道上传输时的信源和信道速率控制问题.首先将其表述为离散线性时延系统的最优控制问题，然后利用离散极大值原理得到该问题的最优解.和传统的解决方案相比较，本文的方法适合于具有连续输出码率的编码器，并对于编码器和解码器的缓冲区大小没有特殊要求，理论分析和实验结果表明，本文的方法具有更低的复杂度.该方法既能用于离线编码，也能用于在线编码.     

二维板材组包排样问题的离散差分进化算法求解

为了提高包装箱的空间利用率,提出一种基于离散差分进化算法的方法,以求解二维板材组包排样问题.采用带符号的序列代表一个排样方案,提出了基于最低水平线的空隙可再利用启发式算法,对单个包的子序列进行解码,获得对单包的排样子问题的自动排样方案,使板材充分填充产生的空隙;为了改进排样结果,提出邻近策略以进一步提高空间利用率.实验结果表明,对仿真实验数据,该算法获得了比遗传算法更好的结果;对实际生产数据,该算法所得结果比原有排样方案的空间利用率更高.     

基于广义离散Morse理论的强关联规则挖掘

针对强关联规则的挖掘问题,提出构造事务数据库的单元复形,利用广义离散Morse理论发现强关联规则的方法。在基本的离散Morse理论和关联规则的基础上延伸得到广义离散Morse理论和强关联规则的定义,通过在事务数据库的单元复形上定义离散Morse函数挖掘强关联规则,例证表明该方法的可行性和高效性。     

一种求解TSP问题的离散蝙蝠算法

蝙蝠算法是一种新型的群智能优化算法,在求解连续域优化问题上取得了较好的优化效果,但在离散优化领域的应用较少。研究了求解TSP问题的离散蝙蝠算法,设计了相关操作算子实现算法的离散化,并引入逆序操作使算法跳出局部最优。对TSPLIB标准库中若干经典实例进行测试并与粒子群和遗传算法进行对比分析,结果表明设计的离散蝙蝠算法无论在求解质量还是求解效率上都有明显优势,是一种高效的优化算法。     

基于离散粒子群算法的矩形件优化排样

目前,粒子群算法在连续问题优化上的应用已经很广泛,然而在离散问题优化方面仍处在尝试阶段.提出了一种改进粒子群算法来解决矩形件排样优化问题(离散优化问题).该算法融合了遗传算法中的交叉和变异思想,采用了信息交流策略,使其达到快速优化目的.算法也对"最低水平线法"解码方式进行了改进.实验结果表明,该算法具有快速,高效特点,与现有同类算法比较,在解决矩形件排样问题方面的优势明显.