FNN与混合遗传算法在智能优化的策略比较

FNN是一种重要的神经网络结构,混合遗传算法是一种正在兴起的启发式随机搜索技术,两者在智能优化中得到了广泛的应用。两者的优化机理不同,方法不同,各有千秋。论文从提高两者的优化性能出发,研究其智能优化的实现策略,并对两者进行了比较,得出了有意义的结论。     

混沌神经网络智能集成算法优化策略

为了将神经网络的通用性、灵活性与混沌优化易于跳出局部最优解达到全局最优、搜索效率高、对优化条件的要求不高(不需具有连续性和可微性)的优点有机地结合起来，智能集成了混沌神经网络优化算法。该算法寻优效率高，通用性强，具有良好的应用前景和再开发潜力。     

智能优化算法概述

本文简要介绍了几种常见的智能优化算法,并给出了不同智能优化算法的优缺点及在优化应用领域的使用情况,指出了不同智能优化算法的发展趋势。     

量子群智能优化算法综述

随着科学技术的不断发展,最优化理论及其衍生出的算法已经广泛应用于人们的日常工作与生活当中,现实世界中的很多问题都可以被描述为组合优化问题。群智能优化算法这些年来被证明在解决组合优化问题方面效果显著,将当下处于研究热点的量子计算概念引入群智能优化算法形成的量子群智能优化算法,为更好地解决组合优化问题提出了一个新的研究方向。在过去的二十多年里,许多量子群智能优化算法被不断开发出来,同时在此基础上进行了大量改进与应用。综述了量子蚁群算法、量子粒子群算法、量子人工鱼群算法、量子人工蜂群算法、量子布谷鸟搜索算法、量子混合蛙跳算法、量子萤火虫算法、量子蝙蝠算法等量子群智能优化算法,并对量子群智能优化算法面临的问题以及未来研究方向进行了深入探讨。     

代谢途径参数估计的智能优化算法比较

本文讨论了非线性动力生化过程的参数估计(反问题),以1个包含36个参数的3阶段代谢途径为研究对象,其数学模型描述为受1组非线性代数一微分方程约束的非线性规划问题.由于频繁的病态和多峰值,传统的算法(如梯度算法)并不能得到满意的解.智能优化算法由于其高效性、收敛性和鲁棒性等特点被广泛应用于非线件问题优化,于是提出利用智能优化算法求解代谢途径的参数估计,利用算法的非线性逼近能力,建立求解参数估计的算法模型,采用人工模拟实验值,通过改变已知参数值增加试验次数减少实验误差,将参数编码成算法的1组解向量,以实验值和预测值的误差平方加权的和为日标优化函数.仿真试验表明用量子粒子群算法求解较好,该算法有效地估计了模型中的36个参数,并且成功地完成了对已知模型的预测.     

P2P信息检索及其优化策略

本文研究对等计算（P2P）环境中语义丰富的信息检索及其优化策略,提出了P2P信息检索系统（PIRS）,实现了P2P环境中语义丰富的信息检索,定义了一套评价PIRS效率的指标体系;明确了决定PIRS效率的关键因素并提出相应的解决策略,包括：基于向量空间模型的节点数据分类管理策略、基于节点聚类的系统数据管理策略以及自适应查询路由策略,并用实验结果验证了这些策略的有效性。     

基于粒子群优化的全比较计算数据分发策略

全比较计算数据分发策略是提高分布式集群系统整体计算性能的关键.针对现有数据分发策略存在的计算负载不均衡、数据不能完全本地化、存储空间浪费和计算速度慢等弊端,在满足数据完全本地化的前提下以负载均衡、最优化存储作为优化目标,结合优化的粒子群算法提出了数据分发模型(Data Distribution Based on Par...     

浅析智能优化算法

算法优化在许多的工程领域得到了广泛的应用,而求解线性、非线性、随机和几何规划等各种最优化的问题也得到了快速发展。智能优化算法是利用自然界中的事物与优化过程中所具有的某些相似性而进行搜索的一种搜索算法,相对于传统的优化算法,智能优化算法在求解速度等方面具有显著优点。     

计算智能方法的优化机理研究

对计算智能方法体系中的遗传算法、进化规划和蚁群算法的寻优机理进行了研究。旨在尝试从理论上揭示该种算法的内在优化机制。为解释搜索的高效、有效性,有效改进优化过程,提高算法的运算效率提供一定的理论依据。     

脉动阵列算法自动综合的优化策略

对于脉动阵列算法的自动综合方法，本文揭示了参数确定法和相关性变换法的本质联系，给出了相关性变换法适用问题类的一个新的高效寻优策略。     

基于蚁群优化的分类算法的研究

蚁群优化是人工智能领域中群体智能分支之一,已经成功地应用于旅行推销员,作业调度,路由选择等优化问题上,但用它解决数据挖掘问题还是一个新的研究课题.对Parepinelli等人提出的基于ACO分类算法进行了改进,采用了不同的启发函数和不同的分类条件选择方法,提高了分类准确率及时间效率,并进行了理论分析及实验证明.     

一种基于混沌优化机制的双粒子群优化算法

针对标准粒子群优化算法PSO(Particle Swarm Optimization)在处理高维复杂函数时存在收敛速度慢、易陷入局部最优和算法通用性不强等缺点,提出了一种基于混沌优化机制的双粒子群优化算法.它借鉴群体适应值方差的早熟判断机制,同时提出了一种逐步缩小搜索变量空间的新方法.典型数值实验表明,该算法效率高、优化性能好、对初值具有很强的鲁棒性.尤其是该算法具有很强的避免局部极小能力,其性能远远优于单一优化方法.     

元数据管理策略的比较研究

本文讨论了元数据及元数据管理的若干问题,并通过对几种元数据管理策略和元数据交换标准的比较,来分析元数据管理的发展方向,以及实现元数据管理的方式和具体步骤。     

软计算方法——人工智能发展的新思路

静态的、严格的“物理符号系统”假设曾使传统人工智能一度陷人困境,软计算方法处理问题的灵活性和不确定性为人工智能的发展提供了新思路,作为一种创建计算智能的新颖方法,软计算对于人工智能的发展具有重要的意义。     

IHSMT中的实例优化策略

在基于实例的机器翻译方法中，通常采用双语句子实例的形式，但由于自然语言表达的无限多样性，使得这种存储粒度过大的句子级翻译实例的利用率较低；而在基于规则的机器翻译方法中，规则和词典具有一定的抽象性，其重复利用率高，但其中存在大量的歧义，提出了一种IHSMT中的实例自动优化算法，该算法引入了实例粒度的概念，根据规则和实例使用率，将粒度大的实例分解为较小的单元，并建立相应的词典，以提高实例的使用频率和检索效率，同时在翻译过程中，根据用户修改的统计和上下文信息，对粒度小并且有歧义的实例进行合并，以提高翻译质量和推理效率，从而使实例粒度更加合理，存储结构更优化，系统的效率更高。     

用智能体实施化工企业多层优化的新策略

对化工企业的多层次优化提出了一种全面的规划方法，包括经营方案优化、生产调度优化、装置操作优化等，并给出了一个化工企业多层优化框架．在化工企业多层框架的基础上，引入智能体技术，研究了多个智能体的组织、各个智能体的作用以及智能体的设计与实现．     

改进的粒子群优化算法

将基本粒子群算法粒子行为基于个体极值点和全局极值点变化为基于个体极值中心,并且按一定概率选择其他粒子的个体极值点,设计了一种新的粒子群优化算法.新算法的学习行为符合自然界生物的学习规律,更有利于粒子发现问题的全局最优解.实验结果表明了算法的有效性.     

基于比较的一种定性仿真方法

基于比较的定性仿真是研究当动力学系统模型内部受到参数扰动或初始状态有所变化后，其定性行为如何变化，并给出因果解释．本文在Ｗｅｌｄ，Ｎｅｉｔｚｋｅ和Ｎｅｕａｎｎ的研究基础上，提出了一种基于比较的定性仿真方法ＣＱＳＩＭ，该方法利用观察标准来实现一致部分的比较，建立一个或多个偏差共同作用的比较仿真并分析行为的拓扑变化.     

一种人工鱼算法与捕鱼算法相结合的优化方法

在分析人工鱼群算法和捕鱼算法存在不足的基础上,提出了一种人工鱼群算法(AFSA)与采用捕鱼策略的优化算法(FSOA)相结合的混合算法。该算法在优化初期使用AFSA算法搜索局部最优域,而在优化后期则使用FSOA算法在优化前期所初步确定的局部最优域中搜索最优解。实验计算结果表明,该算法具有优化精度高、收敛速度快的特点。