一类非线性极大极小问题的极大熵社会认知算法

针对一类非线性极大极小问题目标函数非光滑的特点给求解带来的困难,利用社会认知算法并结合极大熵函数法给出了此类问题的一种新的有效算法。首先利用极大熵函数将原问题转化为一个光滑无约束优化问题,然后利用社会认知算法对其进行求解。该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性以及智能性从而完成对目标的优化。数值结果表明,该算法收敛快,数值稳定性好,是求解非线性极大极小问题的一种有效算法。     

求解互补问题的极大熵社会认知算法

针对传统算法无法获得互补问题的多个最优解的困难,提出了求解互补问题的社会认知优化算法.通过利用NCP函数,将互补问题的求解转化为一个非光滑方程组问题,然后用凝聚函数对其进行光滑化,进而把互补问题的求解转化为无约束优化问题,利用社会认知算法对其进行求解.该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性以及智能性从而完成对目标的优化.该算法对目标函数的解析性质没有要求且容易实现,数值实验结果表明了该方法是有效的.     

求解非线性互补问题的熵函数认知优化算法

提出了一个求解非线性互补问题的熵函数社会认知优化算法。首先将非线性互补问题转化为非线性方程组来求解,然后利用熵函数法将非线性方程组求解转化为一个光滑的无约束优化问题,最后应用社会认知优化算法求解此优化问题。实验结果表明,该算法收敛速度快,稳定性好,是求解非线性互补问题的一种有效算法。     

非线性约束优化的算法分析

针对非线性约束优化问题,运用了一种新的智能优化算法——社会认知优化算法。社会认知优化算法是一种基于社会认知理论的集群智能优化算法,它对目标函数的解析性质没有要求,适合于大规模约束问题处理的优点,使搜索不容易陷入局部最优。将该算法引入非线性约束问题,解决优化问题。通过实例和其他算法进行比较,对比数值实验结果表明,即使只有一个学习主体,该算法能够高效、稳定地得到解决方案,便于求解非线性约束优化问题。     

求解一类不可微多目标优化问题的社会认知算法*

针对一类不可微多目标优化问题,给出了一个新的算法——极大熵社会认知算法。利用极大熵方法将带有约束的不可微多目标优化问题转化为无约束单目标优化问题,然后利用社会认知算法对其进行求解。该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性和智能性从而完成对目标的优化。利用两个测试算例对其进行测试并与其他算法进行比较,计算结果表明,该算法在求解的准确性和有效性方面均优于其他算法。     

求解非线性方程组的社会认知算法

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——社会认知算法求解此优化问题,实验结果表明了社会认知算法在求解非线性方程组时的可行性和有效性。     

连续空间优化问题的自适应蚁群系统算法

蚁群算法是进化计算中一种新型优化算法,其基本算法用于求解排序类型的组合优化问题本文提出一种用于连续空间优化问题求解的蚁群算法,采用了新的基于目标函数值的启发式信息素分配算法,以及搜索过程中最优解的筛选方法.根据目标函数来自适应调整蚂蚁的路径搜索行为,从而保证算法快速找到全局最优解.一个多极值点的连续优化问题求解实例证明了该方法的有效性     

基于文化社会认知算法的云服务优化组合研究

QoS感知的云服务优化组合是云计算领域亟需解决的问题。针对该问题,首先对社会认知算法进行了改进,然后将改进的社会认知算法纳入文化算法的框架之内,构造了新颖的文化社会认知算法,并采用该算法解决QoS感知的云服务优化组合问题。实验结果表明,文化社会认知算法在求解云服务优化组合问题时具有较强的搜索能力和较快的收敛速度;同时,该算法具有很强的推广性,可以用来求解其他类似的组合优化问题。     

求解一类随机优化问题的社会认知算法

提出了解随机优化问题的社会认知算法.该算法易于理解及程序易实现,克服了随机优化问题难以高效实现全局优化的缺点,为随机优化问题的求解提供了一种新的途径,并为社会认知算法的应用拓展了新的空间.     

QoS感知的云服务优化组合研究

为了更好地解决服务质量感知的云服务优化组合问题,首先对社会认知算法进行了改进,提出了面向离散型优化问题的模仿学习方法以及基于多次变异的观察学习方法。然后使用改进的社会认知算法对服务质量感知的云服务优化组合问题进行了求解。实验结果表明,改进的社会认知算法具有较强的搜索能力和较快的收敛速度,并且具有较强的推广性,可以用来求解其他离散型优化问题。     

基于社会认知算法的非线性控制系统参数估计

将社会认知算法用于非线性控制系统参数估计,并通过对三种典型的非线性控制系统参数估计进行验证。计算结果表明,社会认知算较其他的进化算法参数估计精度高,是一种有效的参数估计方法。     

求解非线性问题的改进社会认知优化算法

针对社会认知优化算法中知识点的更新过程遍历性不强,不利于快速获得最优解的问题,通过引入一维Kent映射函数和混沌因子,对算法中的邻域搜索过程进行优化和改进,使得更新的知识点数值更合理,分布更均匀。实验数据表明,使用该社会认知优化算法在求解非线性问题时,较遗传算法和标准社会认知优化算法收敛速度更快,准确率更高,函数目标值更接近理论值。     

认知无线电网络中认知引擎及其安全问题研究

认知引擎可以根据外在无线环境的变化自适应调整传输参数，优化系统性能，是认知无线电网络的关键智能技术之一。然而．攻击者可以改变要优化的目标函数，阻止认知无线电的自适应操作。分析了认知引擎及其安全性问题，给出了一种防止目标函数攻击的解决思路。     

具有认知能力的捕鱼策略优化算法

针对捕鱼策略优化方法在处理复杂优化问题时易陷入局部极值,且后期收敛速度慢的缺陷,根据现实中渔夫的捕鱼习惯,将渔夫的认知能力应用到基本FSOA中,提出了一种改进的具有认知能力的捕鱼策略优化方法(CAFSOA)。该算法中的渔夫可根据其前期捕鱼经验和当前群体状况来判断何处鱼的浓度比较高。实验结果表明,该优化方法具有较快的收敛速度和较好的优化精度,能有效地避免早熟收敛问题。     

智媒时代：社交机器人在认知域对抗中的运用及启示

在智能媒体传播时代,社交机器人与人类用户共存已经成为社交网络空间的新场景。本文关注到俄乌冲突中社交机器人的广泛使用,从对社交机器人的基本认识出发,廓清概念实质,总结其智能化、社交性和社会性的特点,对其在新闻扩散、网络水军、政党选战和情感补偿领域的现实应用情况进行梳理。结合局部热点问题中对社交机器人的使用情况,分析其认知对抗策略,主要有以人格化形象大量推送信息、大规模群体协同引导舆论走向、多主题构建战争叙事、触发标签战制造信息迷雾,并在抢占国际话语权、配合军事行动、维护意识形态安全、舒缓士兵精神压力方面得出了社交机器人在认知域对抗中运用的启示。