理性用户——交互式进化计算全局收敛的一个充分条件

用户对个体的评价和用户满意度之间的关系是影响交互式进化计算(IEC)全局收敛性的重要因素.首先,基于用户对个体评价和用户满意度占优关系,把IEC中的用户分为4类:绝对理性用户、有限理性用户、有限非理性用户和绝对非理性用户.其次,给出关于IEC全局收敛的4个定理及理性用户是IEC全局收敛的充分条件这一结论,并指出IEC的全局收敛需要保留两个最优:适应值最优和满意度最优.最后,通过实验进一步验证上述结论.结论表明,在IEC中,当其它保证算法收敛的条件具备时,用户只要保证理性条件,就能保证算法全局收敛.     

交互式蚂蚁算法

传统蚁群算法需利用显式评估函数引导算法搜索,因而不适用于那些优化性能指标不能或者难以数量化的系统.为此,提出一种将人对问题解的数量评价值作为目标函数值的交互式蚂蚁算法.从人机交互的特点出发,设计了算法模型的结构、信息素的放置方式与更新策略和用户的评价方式.最后利用模拟算法环境的函数优化实验和汽车造型草图设计实验进行了测试,测试结果表明所提出的算法具有较高的运行效率,并能较好地克服用户疲劳问题.     

采用国外先进标准 提高产品质量 满足市场需求

在市场经济条件下，国内铝加工企业，只有及时采用国外先进标准提高产品质量，才能满足市场需求。本文介绍了铝加工厂采用国外先进标准过程中的成功经验。文中指出：采用国外先进标准，促进了产品质量的迅速提高和产品出口的不断扩大，开展新材料研制，新品种开发和坚持技术进步，则为采用国外先进标准提供了新的机遇和奠定了坚实的基础。     

矩阵与前缀树方法挖掘频繁项集

传统频繁项集挖掘算法的执行效率较低。提出了一种基于矩阵与前缀树的频繁项集挖掘算法MPFI,能快速地挖掘事务数据库中的频繁项集。MPFI算法只需扫描事务数据库一次,构建垂直方向的二进制矩阵,应用二进制位向量表达频繁项集信息,利用前缀树压缩存储频繁项集的相关信息,不产生候选项集。理论分析与实验结果表明,MPFI算法能有效地提高频繁项集挖掘效率。     

交互式进化计算中保持用户理性的最大进化代数

交互式进化计算中用户保持理性是算法全局收敛的重要条件,为确保用户保持理性,必须设计合理的最大进化代数。文中首先提出3类最大进化代数,其次,结合6种常见的适应度赋值方法分别研究最大进化代数的定量计算方法。理论分析和实验都表明,采用最值赋值和分等级赋值方法不仅切实可行,而且可以让用户在较大的代数内保持理性状态。文中研究为选择合适的适应度赋值方法提供参考依据。     

决策树算法的优化研究

针对决策树C4.5/5.0分类算法及改进的算法在创建决策树时训练误差率和校验误差率相对较高的缺点,提出一些改进策略,即利用属性相关性进行属性约简与度量以达到解决属性集合中的冗余属性,采用一定置信度值进行决策树的修剪,采用优化的Chi2算法更合理更准确地对连续属性进行离散化,基于改进策略设计并实现一个分类器,将改进的算法应用于Breast-cancer实例,实验结果证明改进的算法生成的决策树具有较高的分类正确率。     

基于网格划分策略的连续域改进蚁群算法

针对连续空间函数优化问题,提出一种基于网格划分策略的改进蚁群算法。算法使用一种特殊的信息素更新策略,使得更新信息素时不需要使用解的具体目标函数值,从而降低了目标函数值差异化给算法性能带来的不利影响,并且网格点上的信息素可以直接作为构建解过程中的转移概率。对几种典型的连续函数优化问题进行了测试,实验结果表明所提出算法具有很强的搜索能力。     

基于均匀设计的改进细菌群体趋药性算法

针对细菌群体趋药性算法（BCC）求解效率较低的问题,提出一种改进的BCC算法。利用均匀设计方法生成初始菌群,使初始菌群在解空间中足够均匀,以充分利用解空间的信息。在细菌间的协作模式框架下,对单点细菌向群体中心点移动方式进行改进,即单个细菌向其群体间最优点的邻域内移动时,为找到潜在位置中的较好解,对潜在位置之间的距离进行等分,以这些等分点中的最优点作为该细菌下一步将要移动到的位置。通过函数优化进行仿真实验,表明改进后的算法在进化代数和寻优成功率上都有较大的提高,具有较高的运行性能。     

分层交互式蚁群优化算法及其应用

传统蚁群优化算法在求解优化性能指标难以数量化的定性系统问题时无能为力,为此提出一种利用人对问题解进行评价的分层交互式蚁群优化算法。设计了一个基本交互式蚁群优化模型结构,讨论了信息素的更新策略和性质。给出分层的思想、分层的时机和分层的具体实现方法。算法用户参与评价时,只需指出每一代中最感兴趣的解,而不必给出每个解的具体数量值,可以极大降低用户评价疲劳。将算法应用于汽车造型设计,实验结果表明所提出算法具有较高运行性能。