基于Tabu搜索的聚类算法研究

聚类分析的两个基本任务是分析数据集中簇的数量以及这些簇的位置。大多数的聚类方法通常只关注后一个问题。为了在聚类数不确定的情况下实现聚类分析,本文提出了一种新的结合人工免疫网络和Tabu搜索的动态聚类算法—DCBIT。新算法主要包含两个阶段：先使用人工免疫网络算法获得一个候选聚类中心集,然后使用Tabu搜索在候选聚类中心集上实现动态聚类。仿真实验结果表明与现有方法相比,新方法具有更好的收敛概率和收敛速度。     

Tabu搜索在特征选择中的应用

研究利用Tabu搜索从大特征集中选择一组有效特征的问题.分析了Tabu搜索中表长、邻域大小和候选解数量等参数对Tabu搜索的影响.对两种特征选择的问题,与经典及最近新提出的一些特征选择方法如SFS,SBS,GSFS,GSBS,PTA,BB,GA和SFFS,SFBS等算法的实验比较表明,Tabu搜索在求解时间和解的质量上都取得了满意的结果.     

Ad Hoc网络中一种基于Tabu搜索的低耗单播路由算法

Ad Hoc网络中,节点能量影响网络的稳定性和整个网络的生命周期.因此我们需要在提供可靠QoS服务的同时尽量降低能耗,延长整个网络的生命周期,而保证QoS服务前提下求解低能耗单播路由的算法是一个NP完全问题.针对这个问题,提出一个基于Tabu搜索的低耗单播路由算法,该算法选择延迟作为QoS参数,利用Tabu搜索的集中性与广泛性并存的优点,在保证QoS服务质量的同时尽量减少网络节点平均能量消耗,以提高整个网络的生命周期.仿真结果表明:该算法在延长网络生命周期方面具有良好效果.     

基于Tabu搜索的QoS多播路由快速优化算法

QoS多播路由算法的核心问题是建立满足QoS约束的多播树,这就是计算机网络中著名的受约束最小Steiner树问题,是一个NP完全问题.目前已有的启发式算法的时间复杂度大,不能获得最优解.提出了一个基于Tabu搜索的QoS多播路由选择快速优化算法,它选择延迟与带宽约束为QoS参数,利用Tabu搜索的集中性与广泛性并存的优点,在提高搜索速度的同时可以更加接近最优解.仿真结果表明:该算法具有快速、易实施等特点,更加适合在组规模比较大的情况下应用.     

一种结合Tabu 搜索的非线性遗传算法研究

利用Tabu搜索的强大局部搜索性能,提出一种新的非线性遗传算法．该方法将Tabu搜索技术内嵌于遗传算子中,构造了基于Tabu搜索的非线性杂交及变异算子,它能有效地提高算子的局部搜索能力,通过实例仿真证明了该算法的有效性;同时,以“平均截止代数”和“平均截止代数分布熵”作为评价指标,对该方法的优化效率进行研究,定量评价了该方法的优化效率,通过与实数遗传算法进行比较,说明了该方法的优化效率高于实数遗传算法．     

基于Tabu搜索的QoS多播路由优化算法

随着Internet、移动网络和高性能网络的不断发展，在网络和不确定参数下具有多约未的QoS多播路由优化技术已成为网络及分布式系统领域的一个重要的研究课题，这也是下一代Internet和高性能网络的难题。本文探讨了具有QoS多播路由问题，逦描述了一种适应于研究QoS多播路由的网络模型。本文在网络环境及不确定参数下，提出了一种在网络规模和可行性方面为Internet、移动网络和其他高性能网络基于Tabu搜索的QoS多播路由优化算法（TQMRA）。TQMRA在网络环境及不确定参数下能够优化网络资源。仿真实验结果表明，TQMRA为QoS多播路由提供了一种新的有效途径。     

基于最优低位替换和Tabu搜索的图像隐藏

提出一种图像隐藏算法,它将重要图像隐藏在另一宿主图像的LSBs(least significantbits)中.为了增加图像的隐藏量,改善低位替换后宿主图像的质量,该文以评价图像质量的峰值信噪比(PSNR)为准则函数,采用Tabu搜索来求解最优的低位替换.实验结果表明,和简单的低位替换方法相比,该文算法即使用较多的低位进行替换也不会产生引人注意的宿主图像质量的变化,在图像的隐藏量和图像质量上都有很大的改进.     

一种基于Tabu搜索求解维修费用的算法

在资源有限的情况下求解维修费用的算法是一个0-1规划的问题。目前已有的算法有可能得到局部最优,但不能保证得到全局最优。针对这类问题的特性,提出了一个基于Tabu搜索的算法。为了简化计算提出了图论的模型,用Tabu算法对其模拟,充分利用了Tabu搜索的集中性与广泛性的优点,在提高搜索速度的同时可以更加接近最优解。仿真实验表明：该算法具有快速,易收敛的特点,更适合在规模比较大的情况下应用。     

一种基于Tabu搜索的模糊学习矢量量化图象编码算法

模糊学习矢量量化算法 (FL VQ)虽然解决了硬的竞争学习对初始码本的依赖性问题 ,但收敛速度变慢 ,且仍无法克服陷入局部最小 .为此在分析模糊学习矢量量化图象编码原理的基础上 ,探讨了 FL VQ算法的几种优化途径 ,进而提出了一种基于 Tabu搜索 (TS)的模糊学习矢量量化的新算法 (TS- FL VQ) ,并给出了该算法的具体实现方法及步骤 .该算法首先利用 TS技术产生一个面向全局搜索的寻优列表 ,然后再进行模糊学习以得到最优解 .实验结果表明 ,该算法在收敛速度及编码效果上均较 FL VQ有较大的提高 .     

一种基于Tabu搜索的模糊聚类方法

首先,对模糊C 均值聚类算法做了简要分析和评论,在此基础上,将Tabu搜索引入模糊聚类,以克服模糊C 均值聚类的局部性和对初始聚类中心的敏感性,采用了适合于模糊聚类的树型编码方案。然后,给出了新算法的实现方法及步骤。仿真实验表明,新方法在速度和解的质量方面都达到了令人满意的效果。     

禁忌结合遗传结果对配送路径优化的应用研究

在建立物流配送路径优化问题数学模型的基础上,构造了求解该问题的混合算法,并进行了实验计算.计算结果表明,用混合算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解,结果稳定性高.     

改进的Tabu Machine网络求解最大割问题

为了提高Tabu Machine网络处理最大割问题时解的质量,改进原有算法的禁忌搜索策略,并且通过结合局部搜索策略和分布估计策略,形成一种新的网络HNNTS-EDA.此网络有较强的局部搜索能力和脱离局部最优值的能力.将HNNTS-EDA网络与多种经典算法在相同测试数据上进行对比测试,实验结果表明HNNTS-EDA网络具...     

网络故障管理的贝叶斯模型参数学习

网络中设备之间关系复杂、试验费用昂贵,使确定贝叶斯网络(Bayesian Network)有向弧参数问题突出.针对其特点,提出采用Noisy-OR/AND模型并利用梯度下降学习方法来降低数据需求量和计算复杂度.能够较快地构建贝叶斯网络,具有样本需求量小、故障诊断准确度高等特点,可为复杂网络故障诊断提供支持.     

一种数据缺失下贝叶斯网络增量学习的有效方法

提出一种在数据缺失下增量学习贝叶斯网络的有效算法IBN—M。IBN—M用结构化的EM算法来补全数据集中缺失的数据,并且能在并行和启发式搜索策略提供的较大的搜索空间里搜索,有效地避免了采用结构化EM算法而导致的局部极值。同时采用增量学习的方法,解决了大规模数据学习存在的内存空间不足的问题。实验结果表明IBN-M算法在数据缺失下贝叶斯网络的增量学习中确实能够学出相对精确的网络模型。     

贝叶斯网在软件项目管理中的应用

为了提高软件项目管理水平,针对软件项目过程的不确定性,利用其进展过程中层次关系所蕴含的条件独立性,提出了一种层次结构的贝叶斯推理网络模型并给出了相关的学习算法和推理步骤.该模型可以在专家给出状态间关联度的情况下,计算出条件概率.该模型揭示了项目状态间的关联关系,有助于项目管理中的风险分析和预测.最后通过一个具体事例,说明了该网络在项目状态预测和缺陷原因的界定的应用.