可测试性设计中的优化问题及求解算法

近２０年来,为了解决结构日益复杂ＶＬＳＩ电路的测试问题,可测试性设计得到了迅速发展。在可测试性设计中,如何针对不同的对象及测试需求进行优化设计,以尽可以降低总体设计代价,是一个非常重要且亟待解决的问题。文章应用图论对可测试性设计中的两种典型优化问题进行了数学描述,并构造了相应的可行求解算法。     

基于UNGO语言求解组合优化问题

LING09．0的主要功能是求解大型数学规划问题，但利用其求解组合问题尚未发现这方面的文献。本文从组合优化方面的一个经典问题——皇后问题入手，引入攻击函数。将该组合问题转化为一个线性规划问题，利用LINGO软件求解，取得了比较好的应用效果。但由于受到软件的限制。其求解规模还是受到一定的限制。     

约束问题求解

约束问题的求解涉及到人工智能、运筹学、计算机科学等领域. 它的应用范围也极为广泛,包括计算机科学、控制科学、生物学等方面. 本文对其发展历史、所要求解的问题以及它的基本方法等问题进行了综述.     

基于统计指导的飞蛾扑火算法求解大规模优化问题

针对飞蛾扑火算法求解大规模优化问题较差的实际,借鉴差分进化算法中的变异思想,在飞蛾扑火算法中引入缩放因子和视距因子的概念,提出飞蛾直飞模型,并界定围绕历史最优飞蛾和当前随机飞蛾的直飞方式分别为局部寻优和全局寻优;设计3种不同类型的视距因子,从宏观上引导搜索算法启动全局探索和局部开发的时机,分析不同启动时机选择对飞蛾扑火算法在大规模问题上的优化精度影响,提出不同优化问题具有不同启动时机的思想;讨论飞蛾直飞和螺旋式飞行的3种组合策略下的优化效率,验证了所提出算法的较优性能,与现有文献改进算法在大规模优化问题上的改进效果进行对比,数值实验验证了改进算法的优越性和鲁棒性,拓展和丰富了原算法的应用范围.     

业务流程管理中的大规模整数规划问题求解

对从企业业务流程管理中抽象出来的大规模整数规划问题的计算机求解方法进行讨论。提出一种内存优化管理方法,能更高效地存储海量数据。同时对求解整数规划问题的经典算法——分枝定界算法进行研究,利用人工智能的搜索思想,给出分枝定界法的改进算法,使其能快速求解大规模整数规划问题。     

基于复杂问题定义模型的复杂问题求解*

复杂问题求解往往涉及多个知识领域,其对应的工作流和知识流也非常复杂.为了促进后续问题求解过程的可靠性和针对性,利用现有的形式化和非形式化的方法,提出了一种复杂问题定义模型,并在此基础上分析了复杂问题求解过程中的知识流和工作流.结合大型软件项目开发,提出了复杂问题求解的参考步骤.     

突出问题求解能力训练的Python课程设计

针对大学计算机基础课程教学基本要求中程序设计基础（Python语言）的课程定位,结合2019版北京联合大学指导性培养方案(普通本科教育),研究与实践课堂教学+SPOC课程混合式教学模式,提出以案例导入、经典算法为基础,以Python123在线编程平台为训练,以综合实验为应用的教学设计,培养学生的编程兴趣,突出问题求解能力训练,为后续学习Python纵深课程打下基础。     

一种求解函数优化问题的单亲遗传算法

1 引言求解函数优化问题,特别是多峰函数的优化问题,由于传统的遗传算法将杂交算子作为主要算子,在选择压力的作用下,群体的多样性在进化过程中存在逐步降低的现象,最后以致趋同,进而过早收敛。文[1]也指出“杂交算子在搜索过程中存在着严重的成熟化效应,它在起搜索作用的同时,不可避免地使群体的多样性趋于0,从而逐渐减小自己的搜索范围,引起过早收敛”。     

基于Python的高职软件测试实践课设计

Python是人工智能领域重要编程语言之一,是高职计算机相关专业一门新兴课程。软件测试课程理论抽象、实践操作性较强,使用Python为软件测试课程设计教学案例,加深学生对软件测试重要概念的理解;同时,使用Python设计典型的测试用例,培养学生动手实践能力,提高教学效果。     

竞选优化算法求解非线性方程组的应用研究

针对非线性方程组的求解在工程上具有广泛的实际意义,经典的数值求解方法存在其收敛性依赖于初值而实际计算中初值难确定的问题,将复杂非线性方程组的求解问题转化为函数优化问题,引入竞选优化算法进行求解。同时竞选优化算法求解时无需关心方程组的具体形式,可方便求解几何约束问题。通过对典型非线性测试方程组和几何约束问题实例的求解,结果表明了竞选优化算法具有较高的精确性和收敛性,是应用于非线性方程组求解的一种可行和有效的算法。     

一种求解复杂优化问题的新型人工鱼群算法

受自然界群体生物繁衍生息行为的启发,提出了一种新型人工鱼群算法。新算法将鱼群行为概括为：觅食行为、繁衍行为和逃逸行为。其中,繁衍行为是指利用进化算法的选择和交叉算子赋予了人工鱼繁衍能力;逃逸行为利用了云模型云滴的随机性和稳定倾向性的特点,由基本云发生器实现人工鱼变异操作。新算法还采用了双曲正切函数建立了步长参数自适应模型,从而动态调整算法寻优能力。通过10个标准测试函数的计算验证和分析比较,表明了提出的新型自适应混合人工鱼群算法具有计算精度高、搜索速度快等特点。     

BPO数据生产平台的设计与优化

根据对在线数据业务外包服务(data business process outsourcing,Data BPO)处理流程中存在的一系列瓶颈的描述和分析,提出了现有的BPO数据处理平台进行优化设计的方案,构建了BPO数据生产平台的优化模型.该模型有针对性地使用了包括自动、半自动模式识别技术,服务器集群动态负载均衡以及非对称网络传输等技术,有效地解决了数据生产平台的吞吐量、服务器负载以及网路传输瓶颈,提高了整个数据处理平台的效率及准确率.     

Improving tools to create learning laboratories for complex problem solving

The experimental results for problem-solving behavior in complex, dynamic systems, though extremely rich and varied, give some clear indications as to how learning laboratories should be devised. However, the best learning laboratories tend to be very resourceful and costly. This paper describes an evolving approach for the design of effective learning laboratories at lower cost by using new tools and combining existing tools in innovative ways.     

基于进化算法的优化平台设计

线性规划非线性规划等优化软件在社会、经济、工程等领域应用潜力巨大。现有优化软件大都采用的是经典的局部优化技术或者简单的全局优化技术。论文将进化算法引入称为优化平台的优化软件设计。对平台的关键技术进行了分析,提出了相应的平台方案,并予以了实现。该平台方案的特点是:界面动态调整增广目标函数中的惩罚因子,使用两个特别的进化算子,采用了特别的并行计算机制和退回机制。经测试,按所提方案实现的平台,操作方便,求解精度高而稳定,有显著的优越性。所提的优化平台方案是令人满意的。     

求解约束优化问题的改进型免疫算法

为了提高免疫算法求解约束优化问题的性能,给出了一种融合乘子法的免疫算法。设计了乘子法对约束条件的转换过程,给出了基于实数编码的克隆变异算子、浓度抑制算子和免疫算法框架,并对标准测试函数进行了实验验证。实验结果表明,该算法优于文献算法,具有较好的应用价值。     

改进的猫群算法求解TSP问题

针对了求解TSP问题给出一种新算法,改进的猫群算法。猫群算法,作为一种群智能优化算法,有较快的收敛速度、向“他人”学习等优点,但国内目前对它的研究还处在起步阶段,所以做这方面的尝试性研究。通过引入交换子概念和改进猫的行为模式将算法用于求解TSP问题。最后通过MATLAB仿真,并将实验结果与已知最优解相比较,验证了该算法的有效性。故不仅拓宽了猫群算法的应用范围,也给求解TSP等路径优化问题提供一种新的解决办法。     

A new chaotic multi-verse optimization algorithm for solving engineering optimization problems

Multi-verse optimization algorithm (MVO) is one of the recent meta-heuristic optimization algorithms. The main inspiration of this algorithm came from multi-verse theory in physics. However, MVO like most optimization algorithms suffers from low convergence rate and entrapment in local optima. In this paper, a new chaotic multi-verse optimization algorithm (CMVO) is proposed to overcome these problems. The proposed CMVO is applied on 13 benchmark functions and 7 well-known design problems in the engineering and mechanical field; namely, three-bar trust, speed reduce design, pressure vessel problem, spring design, welded beam, rolling element-bearing and multiple disc clutch brake. In the current study, a modified feasible-based mechanism is employed to handle constraints. In this mechanism, four rules were used to handle the specific constraint problem through maintaining a balance between feasible and infeasible solutions. Moreover, 10 well-known chaotic maps are used to improve the performance of MVO. The experimental results showed that CMVO outperforms other meta-heuristic optimization algorithms on most of the optimization problems. Also, the results reveal that sine chaotic map is the most appropriate map to significantly boost MVO’s performance.     

Design and analysis of an efficient neural network model for solving nonlinear optimization problems

This paper presents an efficient approach based on a recurrent neural network for solving constrained nonlinear optimization. More specifically, a modified Hopfield network is developed, and its internal parameters are computed using the valid-subspace technique. These parameters guarantee the convergence of the network to the equilibrium points that represent an optimal feasible solution. The main advantage of the developed network is that it handles optimization and constraint terms in different stages with no interference from each other. Moreover, the proposed approach does not require specification for penalty and weighting parameters for its initialization. A study of the modified Hopfield model is also developed to analyse its stability and convergence. Simulation results are provided to demonstrate the performance of the proposed neural network.     

一种改进的演化算法及其在求解复杂优化问题中的应用*

针对传统演化算法在求解函数优化,特别是多峰函数优化问题中出现的早熟现象以及演化后期收敛速度慢等问题,提出了一种新的反序小生境演化算法。该算法采用小生境反序交叉算子,以进一步增强局部寻优的能力;引入一种并行演化算法机制,加强群体寻优能力;同时,根据定义域划分初始种群,增加初始种群的覆盖面积。通过仿真实验表明,与传统的小生境演化算法相比较,利用该算法求解复杂多峰函数优化问题能够明显提高问题的求解精度和收敛速度,而且能够得到所有的全局最优解,更好地避免了求解问题时的早熟现象,达到了较好的效果。