|
1.
|
多李群覆盖学习优化算法
|
|
|
|
|
|
|
吴鲁辉 李凡长 张莉《计算机科学》,2018年第45卷第1期
|
|
|
目前,已针对李群多连通空间上的道路交叉问题提出了多李群核覆盖学习算法,降低了道路交叉情况,使得分类正确率有了显著提高。但是,核学习算法的性能依赖于核函数的选择。考虑利用李群同态映射将原始李群样本映射到目标李群空间中,使在目标李群空间中不同单连通空间上的道路的关联度最小化,同一单连通空间上的道路的关联度最大化,从而减少道路交叉问题。
|
|
2.
|
多连通李群覆盖学习算法在图像分类上的应用
|
|
|
|
|
|
|
严晨 李凡长 邹鹏《计算机与生活》,2014年第9期
|
|
|
李群机器学习作为一种新的学习范式已被学术界广泛关注。根据李群的连通性质，将具有不同类别特征的研究对象映射到多连通李群空间，并从各个单连通李群空间上连线的同伦等价出发，运用覆盖的思想寻找对应不同类别的最优道路等价表示，从而用多连通李群的多值表示来呈现图像的类别信息，因此提出了多连通李群覆盖学习算法。在MPEG7_CE-Shape01_Part_B图像库的图像和MNIST手写体数字图像上进行了实验验证，结果表明与两种基于李群均值的学习算法相比，多连通李群覆盖学习算法具有较好的分类效果。
|
|
3.
|
无线传感网络移动节点位置并行微粒群优化策略 被引次数：13
|
|
|
|
|
|
|
王雪 王晟 马俊杰《计算机学报》,2007年第30卷第4期
|
|
|
网络节点位置优化是无线传感网络研究的核心问题之一.无线传感网络通常由固定节点和少量移动节点构成,传统的虚拟力导向算法无法解决固定节点对移动节点优化的约束.该文针对这一问题,提出了基于并行微粒群算法的优化策略.微粒群算法具有适于解决连续空间多维函数优化问题、能快速收敛至全局最优解的特点.并行框架提高了算法的运行效率,降低了算法的运算复杂度,使算法能够满足无线传感网络的需求.通过并行微粒群算法搜索不同状态下无线传感节点的最优位置,使无线传感网络能够利用移动节点实现网络结构的动态重组,最大化网络覆盖范围,提高网络测量可靠性.实验证明,并行微粒群优化策略能快速有效地实现无线传感网络移动节点位置优化.
|
|
4.
|
基于灰色关联度与理想点法的梯级水电站多目标优化调度方法 被引次数：1
|
|
|
|
|
|
|
武新宇 范祥莉 程春田 郭有安《水利学报》,2012年第43卷第4期
|
|
|
针对梯级水电站群调度目标间的协调问题,建立了多目标优化调度模型,提出了基于灰色关联度法与熵权理想点法相结合的迭代计算方法。应用灰色关联度法将多目标优化模型转换成多个单目标优化模型,并采用逐步优化算法求解,得到多目标优化数学模型的非劣解集,以熵权理想点法从非劣解集中选择最优解。澜沧江流域梯级水电站群的实例研究表明,该方法较好地处理了不同目标间、不同目标权重组合方案间双重多目标优化问题,为协调长期优化调度多目标间的矛盾提供了一种可行方法。
|
|
5.
|
一种多目标优化问题的理想灰色粒子群算法* 被引次数：1
|
|
|
|
|
|
|
巩岁平 任军号 张宝磊《计算机应用研究》,2010年第27卷第12期
|
|
|
针对逼近理想解的排序方法对Pareto前端的距离跟踪以及灰色关联度能够很好地分析非劣解集曲线与Pareto最优解集曲线的相似性，提出了一种求解多目标优化问题的理想灰色粒子群算法。该算法利用理想解理论与灰色关联度理论来求解粒子与理想解之间的相对适应度和灰色关联度系数，把两者的和定义为相对理想度，通过相对理想度来判别粒子的优劣，以确定个体极值和全局极值。通过四组不同类型的基准函数测试算法性能，并与目标加权法和灰色粒子群算法比较分析，结果表明该算法能够较好地收敛到Pareto最优解集，不但具有较好的收敛性和分布
|
|
6.
|
无线传感网络覆盖的多步长粒子群优化研究
|
|
|
|
|
|
|
林祝亮《计算机工程与应用》,2009年第45卷第13期
|
|
|
为了改善无线传感网络的网络性能,提高网络的覆盖率,实现网络覆盖范围的最大化,延长网络寿命,在多步长粒子群算法的基础上提出以网络覆盖率为优化目标的覆盖优化策略。该策略针对不同的个体情况改变粒子的最大飞行速度,实现粒子的多步长搜索,有效地解决了粒子群算法容易出现的早熟问题。仿真实验表明,与粒子群算法相比,多步长粒子群算法的有效覆盖率由74.76%提高到82.66%,到达收敛的迭代次数由360次减少到283次,收敛速度提高了21.4%。因此多步长粒子群优化策略比粒子群算法在无线传感网络覆盖优化上具有更好的效果。
|
|
7.
|
多目标优化中带变异算子的灰色粒子群算法
|
|
|
|
|
|
|
彭耶萍 董坚峰《计算机工程与应用》,2012年第48卷第34期
|
|
|
针对如何在多目标优化过程中求解更好的Pareto解集,提出一种基于变异算子的灰色粒子群算法。该算法将灰色关联度应用于粒子群算法,且将方差的概念引入灰色关联度,以区分那些点关联系数有显著差异而其均值相等的各组序列。以此作为变异策略来控制粒子群算法,以避免现有灰色粒子群算法在求解多目标问题时所出现的局部收敛现象。通过四组不同类型的基准函数测试算法性能,测试结果表明该算法能很好地收敛到Pareto最优解集并有效避免了过早陷入局部最优解。
|
|
8.
|
基于精英的量子粒子群优化的Ad hoc能耗研究
|
|
|
|
|
|
|
张峰 贾智平 蔡晓军 张兰华《计算机科学》,2014年第41卷第9期
|
|
|
在Ad hoc网络中,随着多播应用领域的日益扩大,如何构造最小能耗多播树是一个重要问题。针对选择不同的中继节点对构造最小能耗多播树产生的影响,提出了一种优化最小能耗多播树构造的基于精英学习的量子粒子群算法(QPELSO)。为了避免粒子群算法早熟收敛,采用动态逼近学习策略对精英个体进行局部更新,使其跳出局部极值点,引导种群进行有效搜索;借鉴群体早熟判断机制对停滞状态下的精英个体空间进行变尺度混沌扰动,增大种群全局搜索空间,有效平衡了算法的局部和全局搜索能力。模拟实验结果表明,改进后的粒子群算法具有较强的优化能力,并且有效地优化了最小能耗多播树的构造。
|
|
9.
|
基于混合粒子群的航班着陆调度优化研究
|
|
|
|
|
|
|
冯兴杰 陈素敏 冯小荣《计算机仿真》,2013年第30卷第9期
|
|
|
研究终端区航班着陆调度优化控制问题,为对多目标着陆实现实时调度,克服粒子群算法易陷入局部最优的问题,提出了一种免疫思想和禁忌搜索的混合粒子群调度算法,在粒子群算法的基础上引入了免疫系统的抗体浓度调节机制,以保证群体多样性.针对算法后期进化速度慢的缺点,采用了具有自适应能力的禁忌搜索算法进一步优化性能.最后将混合粒子群调度算法在不同规模的实例上进行了测试,并与其它几种具有代表性的算法进行了比较.实验结果表明,改进算法不仅较好地避免了陷入局部最优,提高了收敛速度,还有效地减少了航班着陆调度中的延迟.
|
|
10.
|
基于多粒子群算法的WSNs覆盖优化策略研究*
|
|
|
|
|
|
|
林祝亮 冯远静《计算机应用研究》,2009年第26卷第12期
|
|
|
为了改善无线传感网络的性能，提高网络的覆盖率，在粒子进化的多粒子群算法的基础上，提出了一种无线传感网络覆盖的优化策略。该策略通过多个粒子群彼此独立地搜索解空间, 提高了算法的寻优能力，有效地避免了基本粒子群算法容易出现的“早熟”问题,提高了算法的稳定性。仿真实验表明，与基本粒子群算法、传统遗传算法和新量子遗传算法的优化效果相比较，其覆盖率分别提高了8.39％、3.07％和0.75％；收敛速度提高了25.3％、23.8％和23.8％。因此粒子进化的多粒子群优化策略具有比这三种算法更好的覆盖优化效果。
|
|
11.
|
李群均值学习算法
|
|
|
|
|
|
|
高聪 李凡长《模式识别与人工智能》,2012年第6期
|
|
|
首先分析李群均值的计算方法,在此基础上,进一步提出李群均值学习算法,其思想是在李群流形上寻找一个由总体样本内均值的李代数元素决定的单参数子群,这个单参数子群是原李群上的一条测地线,定义样本到测地线投影的概念,同时将李群样本向该测地线投影,并尽可能使投影后各类别间的散度与类内散度比值最大化,从而实现非线性李群空间的类别判别.实验表明,基于李群均值的学习算法和KNN、FLDA算法相比,具有较好的分类效果.
|
|
12.
|
基于目标覆盖的无线传感器网络的连通性优化部署方法
|
|
|
|
|
|
|
桂小林 何欣 尹柯《小型微型计算机系统》,2011年第32卷第9期
|
|
|
覆盖控制技术研究无线传感器网络空间资源的优化分配,以满足用户的感知需求.覆盖节点的连通性是覆盖研究的关键问题,决定了感知数据能否最终传递给用户.已知的研究并未涉及目标覆盖确定部署应用的连通性问题.因此,分析了目标覆盖中的连通性问题,首次提出针对目标全覆盖与维护节点集连通性关系的连通临界条件；针对连通性条件无法满足的情况,提出了一个维护连通性的优化部署方案.该方案首先建立连通子集间的最小生成树,构造连通候选集；然后,基于连通候选集,利用遗传算法得到优化候选位集.仿真实验表明,提出的优化部署方案既实现了对目标集的全覆盖,又维护了连通性,并使候选位集的元素个数更少.
|
|
13.
|
无线传感网络覆盖的粒子进化优化策略研究 被引次数：3
|
|
|
|
|
|
|
林祝亮 冯远静 俞立《传感技术学报》,2009年第22卷第6期
|
|
|
为了实现网络覆盖范围的最大化,延长网络寿命,本文在粒子进化的多粒子群算法的基础上提出了一种无线传感网络覆盖优化策略.通过多种群并行搜索,采取粒子进化理论使陷入局部最优的粒子迅速跳出,有效地避免了基本粒子群算法容易出现的"早熟"问题,提高了算法的稳定性.通过仿真实验分析了节点感知半径对覆盖性能指标的影响.覆盖率和收敛速度随着感知半径的增大逐渐增大和加快.仿真实验结果表明粒子进化的多粒子群优化策略比基本粒子群算法、传统遗传算法和新量子遗传算法具有更好的覆盖优化效果.
|
|
14.
|
改进的重叠蚁群优化算法
|
|
|
|
|
|
|
彭岳 ;王俊 ;谢斌福 ;张月峰 ;王崇骏《计算机科学与探索》,2014年第8期
|
|
|
针对蚁群优化算法在进行全局最优解搜索时容易陷入局部最优解和收敛速度缓慢等缺陷，提出了一种有效求解全局最优解搜索问题的重叠蚁群优化算法。该算法通过设置多个重叠的蚁群系统，并对每一个蚁群初始化不同的参数，之后在蚁群之间进行信息素的动态学习，增强了不同蚁群对最优解的开采能力，避免了算法出现早熟现象。仿真实验结果表明，重叠蚁群优化算法在避免陷入局部最优解方面具有良好的效果，是一种提高蚁群算法性能的有效的改进算法。
|
|
15.
|
一种无线传感器网络全连通群的休眠调度算法
|
|
|
|
|
|
|
董蕾 于宏毅 张霞《电子与信息学报》,2007年第29卷第5期
|
|
|
该文针对无线传感器网络的覆盖性和连通性问题,在假设传感器节点地理位置信息已知的条件下,设计了一种包含全连通群的建立和维护以及群内节点休眠调度的全新算法.该算法采用保证群内节点彼此一跳可达的全连通群分群方法,以及分布式节能的休眠调度策略,最大程度上减少传感器网络的能量消耗,延长了网络寿命.仿真结果表明:该算法能较好地保证无线传感器网络的覆盖性和连通性,且能耗较低.
|
|
16.
|
基于协同量子粒子群的自动配煤系统优化
|
|
|
|
|
|
|
董虎胜 陆萍 钟宝江《制造业自动化》,2014年第1期
|
|
|
提出了一种基于量子粒子群算法的自动配煤优化方法,该方法首先对量子粒子群进行了改进,引入协同与学习策略提高了算法的搜索性能。在对自动配煤系统数学建模时,采用加权法将其由多目标优化问题转化为单目标优化问题,再通过协同量子粒子群优化求解。实验结果表明在对自动配煤系统的优化中,协同量子粒子群具有更优秀的搜索能力,能够快速、可靠、有效地获得最优解。
|
|
17.
|
群混合智能算法优化异构WSN的生命周期
|
|
|
|
|
|
|
唐玲艳 吴雪 吴喆《传感技术学报》,2016年第29卷第11期
|
|
|
为了优化异构无线传感器网络的生命周期，找到尽可能多的连通覆盖子集（CCS），本文建立了以网络覆盖约束、收集约束、连通约束作为目标评价函数的模型。针对该模型，在蚁群算法基础上，引进鱼群拥挤度的概念，解决了蚁群在算法初期陷入局部收敛的问题。实验结果表明，该改进算法比一般蚁群算法具有更好的全局搜索能力和收敛速度，同时针对蚁群算法在构建子集中存在大量冗余节点的问题，提出了关键域法（KFM）判断各子集中冗余节点且利用冗余节点构建新的子集，这不仅能有效提高节点的利用率，而且延长了异构网络的生命周期。
|
|
18.
|
基于广义高斯随机混沌算法的AFSA 在 WSN 覆盖中的研究
|
|
|
|
|
|
|
刘文礼 陶佰睿 张景林 王丽《计算机应用研究》,2015年第5期
|
|
|
如何能够进行更好的覆盖优化是目前无线传感器网络研究的热点。针对目前的传感覆盖模型没有考虑覆盖范围、成本和连通性的问题进行改进，在人工鱼群算法(AFSA)的基础上，对初始阶段对人工鱼群采用广义高斯分布，在觅食阶段采用混沌算法，使得个体分布更加合理，有效减少了聚群行为的时间。仿真结果表明，改进后的人工鱼群能够有效地提高节点的覆盖率，降低了网络消耗和成本，为传感覆盖优化提供了一种新的方法。
|
|
19.
|
多目标粒子群算法在交叉培训规划中的应用
|
|
|
|
|
|
|
李倩 宫俊 唐加福《控制理论与应用》,2013年第30卷第1期
|
|
|
为了进一步提高人力资源交叉培训规划的实用性,增加了对于员工学习行为的考虑,提出了在保证任务覆盖水平的基础上,获得员工满意度最大和学习效率最高的多目标优化模型.本文针对问题的特征,采用多目标粒子群(MOPSO)算法对多目标优化模型进行了求解,并设计了多种算法策略,以适应不同的问题环境.通过数值实验,分析了不同问题规模下,针对不同性能指标算法参数和策略的适用性.最后,以柔性单元装配生产线为例,进行了数值实验,实验结果表明了模型的有效性和合理性.
|
|
20.
|
多量子粒子群协同优化算法研究
|
|
|
|
|
|
|
屈百达 焦竹青 徐保国《计算机工程与应用》,2008年第44卷第7期
|
|
|
针对标准粒子群优化(PSO)算法及其改进算法存在的局部收敛与收敛速度问题,提出了一种多量子粒子群协同优化(QPSCO)方法。该算法采用双层的多粒子群协同优化结构:用多个量子粒子群在底层独立地搜索解空间,同时引入参数变异策略,以扩大搜索范围;上层用1个量子粒子群追逐当前全局最优解,并对飞离搜索区域粒子的位置用新位置取代,以加快算法收敛。在此基础上,将该算法应用于实际控制系统低阶时滞对象的PID控制器设计中。仿真结果表明,QPSCO是一种有效的参数优化算法,与标准PSO、QPSO等算法相比具有更好的全局收敛性能。
|
|
