求解Job-Shop调度问题的禁忌搜索算法的研究

本文针对最小完工时间的Job-Shop调度问题提出了一种禁忌搜索算法，该算法使用插入算法构造尽可能好的初始解，然后用禁忌搜索算法改进当前解，在算法中对未被选中的候选解信息进行记忆，合理平衡了集中搜索与分散搜索。最后用基准实例进行仿真，实验结果表明该算法是可行的和有效的。     

基于改进萤火虫寻优支持向量机的PM2.5预测

针对现有PM2.5浓度预测误差较大的问题,提出一种基于改进萤火虫寻优支持向量机的预测模型（IFA-SVM）.该模型引入邻域搜索和可变步长策略改进萤火虫算法,利用改进FA对SVM的参数C、ε和γ寻优,用最优参数SVM模型预测太原市PM2.5值.其中邻域搜索策略能为参数优化提供更多更精确的候选解;可变步长可动态调整算法搜索步长,加速收敛,平衡FA的全局和局部搜索能力.将IFA-SVM预测值与萤火虫算法-支持向量机（FA-SVM）、遗传算法-支持向量机（GA-SVM）、粒子群算法-支持向量机（PSO-SVM）相比较.结果表明较其他方法,IFA-SVM模型对太原市未来一天和三天的PM2.5值都取得了更精确的预测性能.     

基于分层网络拓扑结构的最优路径算法

由于Dijkstra算法的基础是平面网络拓扑模型，因此当计算网络的节点数目较大时，计算的时间将急剧膨胀。为了快速地搜索到最优路径，基于分层网络拓扑结构（HiTopo），提出了双向分层搜索最优路径算法（BHWA）；该算法对现有分层路径算法进行了以下两点改进：（1）将分级网络的局部连通性作为划分子图的指标；（2）在路径计算过程中，使用弧段作为搜索目标，并采取了双向搜索策略。通过北京道路数据的实验表明：该算法在保持分层路径算法高效性的基础上，还提高了路径搜索结果的准确性；通过进一步研究表明，如果使用启发式搜索来对算法进行优化，则可以使算法的速度有更大的提升。     

一种求解全部候选关键字的快速替换算法

本文通过分析文献（２，３）中所提出的求解关系模式全部候选关键字的替换算法，找出了它们的共同缺陷，即算法每搜索一趟产生的后继候选关键字太少，要想求出全部候选关键字，需经过很多趟的搜索。在此基础上，提出了对替换算法从减少每一趟搜索中需要检查的ＦＤ个数和增加每一趟搜索产生的后继候选关键字两方面进行改进的基本思想。然后，以ＥＦ（Ｘ）为研究对象，讨论了实现这种改进思想的具体方法，并给出了相应的快速替换算法及     

全局调距和声特征选择算法

特征选择技术能有效解决维数灾难问题，许多搜索策略已经被应用到特征选择问题中。针对和声特征选择算法搜索能力低下的问题，提出了一种基于全局自适应调距的和声特征选择算法（HSFS-GPA）。将特征集的距离定义引入到特征选择问题中，在算法搜索过程中结合全局信息对随机产生的新和声进行调整，以一定概率减小候选和声与当前最优和声的距离来加快算法搜索速度，或减少候选和声与最差和声的距离以避免陷入局部最优；同时，采用竞争选择方案随时更新和声库全局信息，改进和声库的更新机制提高算法搜索质量。将HSFS-GPA与原始和声特征选择算法、粒子群算法和遗传算法进行对比实验，HSFS-GPA所选特征子集的大小比原始和声算法减少15%，子集评价值平均提高到0.98。实验结果表明，HSFS-GPA能在相同的条件下搜索到更优质的特征子集。     

求解PDPTW问题的快速LNS算法

提出了一种解决有时间窗口的装卸货问题（PDPTW）的快速大规模领域搜索（LNS）算法。该算法基于大规模邻域搜索理论和随机扰动思想,在第一阶段主要以减少车辆为目标,第二阶段对第一阶段得到的解优化总路程长度。该算法能在较短时间内显著提高初始解的质量．克服了单纯以车辆数目或以总路程长度为目标的算法所得到解的局限性。通过标准算例的测试和同禁忌搜索的比较表明,该算法在求解PDPTW问题时,在计算时间和优化整体目标上更具优势。     

基于混合搜索的多种群人工蜂群算法

针对经典人工蜂群（ABC）算法搜索策略存在搜索机制单一、群体全局搜索与局部搜索运算耦合性较高的问题,提出一种基于混合搜索的多种群人工蜂群（MPABC） 算法。首先,将种群按照适应度值进行排序,得到一个有序队列,进而将其划分为随机子群、核心子群和平衡子群三类有序子群;其次,针对不同子群结合相应的个体选择机制与搜索策略,构建出不同的差异向量;最后,在群体的搜索过程中,通过三类子群实现对具有不同适应度函数值个体的有效控制,来增强群体全局搜索和局部搜索的平衡能力。通过对16个标准测试函数进行仿真实验并与具有可变搜索策略的人工蜂群（ABCVSS）算法、基于选择概率的改进人工蜂群（MABC）算法、基于粒子群策略的多精英人工蜂群（PS-MEABC）算法、基于符号函数的多搜索策略人工蜂群（MSSABC）算法和优化高维复杂函数的改进人工蜂群（IABC）算法共五种典型的蜂群算法进行了对比,实验结果显示MPABC具有较好的优化效果;与ABC算法相比,MPABC在求解高维（100维）复杂问题上的收敛速度提高了约23%,且求解精度更优。     

基于多阶段搜索的约束多目标进化算法

现有约束多目标进化算法的约束处理策略无法有效解决具有大型不可行区域的问题，导致种群停滞在不可行区域的边缘；此外，约束条件下的不连续问题对算法的全局搜索能力以及多样性的维持提出了更高的要求。针对上述问题，提出了一种基于多阶段搜索的约束多目标进化算法（CMOEA-MSS），在该算法的3个阶段采用不同的搜索策略。为使种群快速穿越大型不可行区域并逼近Pareto前沿，所提算法在第一阶段不考虑约束条件，利用一种收敛性指标引导种群搜索；在第二阶段采用一组均匀分布的权重向量来维持种群的多样性，并提出一种改进的epsilon约束处理策略，以保留不可行区域中的高质量解；在第三阶段采用约束优先原则，将搜索偏好集中在可行区域以保证最终解集的可行性。CMOEA-MSS与NSGA-Ⅱ+ARSBX(NondominatedSortingGeneticAlgorithmⅡusingAdaptive Rotation-based Simulated Binary crossover)等算法在MW和DASCMOP测试集上对比的结果表明：在MW测试集上，CMOEA-MSS在7个测试问题上获得了最好的IGD(Inverte...     

基于SFLA和FCM的Web搜索结果聚类

针对模糊聚类算法中存在的对初始值敏感、易陷入局部最优等问题,提出了一种融合改进的混合蛙跳算法（SFLA）的模糊C均值算法（FCM）用于Web搜索结果的聚类。新算法中,使用SFLA的优化过程代替FCM的基于梯度下降的迭代过程。改进的SFLA通过混沌搜索优化初始解,变异操作生成新个体,并设计了一种新的搜索策略,有效地提高了算法寻优能力。实验结果表明,该算法提高了模糊聚类算法的搜索能力和聚类精度,在全局寻优能力方面具有优势。     

基于条件判据改进的提前终止运动估计算法

针对运动估计标准算法复杂度高、耗时长等问题,提出一种基于条件判据改进的提前终止运动估计算法。首先利用改进的高级运动向量预测(Advanced Motion Vector Predictor,AMVP)技术选取最佳匹配点,其次依据条件判据选取合适的路径进行初始搜索,再次在不满足条件时采取改进的块匹配提前终止网格搜索,最后采取八边形-“十”字栅格搜索和精细搜索完成算法改进。由实验结果可知,该方法与标准算法相比,平均降低了42%以上的编码时间损耗且基本不影响视频质量。     

基于运动偏移的大容量H.264视频隐写算法

在运动矢量的基础上引入运动偏移的概念,提出基于运动偏移的大容量H.264压缩域视频流隐写算法.运动偏移同时包含运动幅度和相角,在寻找信息隐藏最佳点时,不会遗漏运动幅值或相角较大的运动矢量.实验结果表明,与同类隐写算法相比,该算法可找到更多隐藏位置,具有较大的隐藏容量和较好的隐蔽性.     

An Efficient Algorithm for Grasp Synthesis and Fixture Layout Design in Discrete Domain

This paper presents an efficient algorithm for grasp synthesis and fixture layout design in discrete domain. Given N candidate contact points on the surface of a 3-D object, the algorithm determines a minimal subset from the candidate points so that they construct a grasp or a fixture with the form-closure property. The proposed algorithm is implemented by solving a single linear program. It has been shown that a minimal subset of the contact points that achieves form-closure can be directly identified from the optimal basic solution vector of the linear program, provided that the solution vector is nondegenerate. The proposed algorithm has a straightforward geometric interpretation, which has also been described in the paper. The primary advantage of the proposed algorithm is its computational simplicity, of which the overall complexity is O(N). Numerical examples have been presented to verify the effectiveness and efficiency of the algorithm, which show that the computational time cost of the algorithm is much less than the existing techniques described in the literature     

求解TSP的改进蚁群算法*

针对蚁群算法存在的搜索时间长、易限于局部最优解等缺陷,提出了一种改进的蚁群算法。通过在初始化信息素矩阵中采用候选城市列表减少劣质解,在局部搜索中采用聚类进行二次搜索,缩小了算法的搜索范围、改善了解空间的质量,提高了搜索速度。仿真结果表明,改进后的蚁群算法在TSP的求解中,收敛速度和全局寻优能力均得到较大的提高。     

顾及事件地理位置的新闻推荐方法研究

为研究新闻事件发生地对新闻推荐系统性能的影响,提出了一种顾及事件地理位置的新闻推荐算法。首先,设计了提取新闻事件发生地的相关算法;其次,结合向量空间模型、TF-IDF算法和word2vec工具构建了新闻特征向量;接着,着重讨论了用户兴趣模型的构建问题;最后,运用余弦相似度方法计算用户兴趣模型与候选新闻集之间的相似性,从而完成推荐。实验结果表明,设计的新闻事件发生地抽取算法的性能较好,准确率达到93.6%,以此为基础构建的新闻推荐算法与协同过滤推荐算法相比仅考虑新闻内容的推荐算法在F值上有所提高。     

Geometric algorithm for dominant point extraction from shape contour

In this paper we propose a new algorithm for extracting dominant points from the real contour of a digital shape. A polygonal approximation of the shape can be obtained by the set of dominant points. In the proposed algorithm, in the first step before searching for dominant points, the real contour is made sparse using a geometric concept, named convex deficiency tree. This helps to select a set of candidate points from real contour. In comparison with break points (which are initial points in many algorithms), the set of candidate points is more heuristic and the ratio of them to the all points of the contour is lower. In the second step of the proposed algorithm, the less informative candidate points are removed in an iterative manner. After removing one candidate point, its adjacent positions are searched to find more stable position for its neighbors. The comparative result of the proposed algorithm with others shows its efficiency. The algorithm finds an effective polygonal approximation for digital shapes especially for the real contours, which makes the method more practical.     

线框模型中二次曲面的识别

定义关联两曲线间的夹角和由3条关联曲线确定二次曲面,提出适用于曲面的回路搜索最小转角法,且利用它并辅以矢量混合积验证搜索曲面上最小回路的方法．实现从线框模型中选择任意一条曲线就能够搜索到包含它的所有潜在表面回路,突破以往回路搜索方法中只能从某方向极值点开始的束缚,为线框模型表面识别中将含曲线表面与不含曲线表面分治识别奠定基础．算法可处理含有任意位置的二次曲表面的线框模型,并能较准确地判别二次曲面的类型．     

支持向量机辅助演化的算术优化算法及其应用

针对算术优化算法（arithmetic optimization algorithm,AOA）种群多样性较差、易陷入局部最优解等问题,提出支持向量机辅助演化的算术优化算法（arithmetic optimization algorithm assisted by support vector machine,SVMAOA）。引入平衡优化器算法中的平衡池概念,池内汇聚了基于成功历史自适应差分算法中四种突变策略生成的子代和平均候选解,以提高种群的多样性;引入支持向量机算法,依据适应度值和个体间距离计算得出的留存率将平衡池中候选解转换为训练集,并对平衡池中候选解进行分类,保留优势候选解;根据留存率对优势候选解排序,保留前[N]个个体用以构建新的平衡池;通过将SVMAOA与其他优化算法在基准函数上进行仿真实验,结果表明改进后算法寻优精度更高,收敛速度更快。并通过七个UCI数据集对基于SVMAOA的特征选择方法进行实验,评估平均分类准确率和所选特征个数,结果表明该算法可有效降低特征维度,实现数据分类,具有一定的工程应用价值。     

一种基于遗传算法的数字曲线多边形逼近方法

提出了一种基于遗传算法的数字曲线多边形改进逼近方法。该方法针对规则形状数字曲线的多边形逼近问题,以二进制向量序列表示的染色体作为每一个对应的逼近多边形候选解,将简化前后多边形质心偏移误差以及各被替换线段欧氏距离的方差引入到适应函数中,用迭代次数的sigmoid函数作为变异概率来控制遗传算法优化求解过程中的全局和局部搜索特性。实验结果表明,该方法对于保持曲线多边形简化逼近后的形状特征具有较好的效果。     

Reconstruction of curved solids from engineering drawings

This paper presents a new approach for reconstructing solids with planar, quadric and toroidal surfaces from three-view engineering drawings. By applying geometric theory to 3-D reconstruction, our method is able to remove restrictions placed on the axes of curved surfaces by existing methods. The main feature of our algorithm is that it combines the geometric properties of conics with affine properties to recover a wider range of 3-D edges. First, the algorithm determines the type of each 3-D candidate conic edge based on its projections in three orthographic views, and then generates that candidate edge using the conjugate diameter method. This step produces a wire-frame model that contains all candidate vertices and candidate edges. Next, a maximum turning angle method is developed to find all the candidate faces in the wire-frame model. Finally, a general and efficient searching technique is proposed for finding valid solids from the candidate faces; the technique greatly reduces the searching space and the backtracking incidents. Several examples are given to demonstrate the efficiency and capability of the proposed algorithm.     

多维流序列并行预测算法研究

提出并行算法MSSF-VQ(Multiple Sequential Stream Forecast algorithm based on Vector Quantization),以解决多维序列流的未来趋势预测问题.算法利用矢量空间表示序列流的计算模型,并采用量子化技术离散处理连续序列流,然后提出了序列流矢量概率树的构造算法和搜索算法,最后阐述了算法步骤.真实流序列上的实验结果表明,MSSF-VQ算法预测的准确率高,速度快,在线处理占用的空间小,并有良好的扩展性.