基于灰狼-鸟群算法的特征权重优化方法

针对特征权重难以准确量化的问题，提出一种基于灰狼优化(grey wolf optimizer, GWO)算法和鸟群算法(bird swarm algorithm, BSA)的混合算法，用于特征权重的寻优。首先，将Chebyshev映射、反向学习与精英策略用于混合算法的初始种群生成；其次，将改进后的GWO算法位置更新策略融入BSA的觅食行为中，得到一种新的局部搜索策略；然后，将BSA的警觉行为与飞行行为用作混合算法的全局搜索平衡策略，从而得到一种收敛的灰狼-鸟群算法(grey wolf and bird swarm algorithm, GWBSA),通过GWBSA的迭代寻优可获得各特征的权重值。利用标准测试函数和标准分类数据集进行了对比实验，与遗传算法、蚁狮算法等方法相比，GWBSA具有较快的收敛速度且不易陷入局部最优，可以提高模式分类问题的求解质量。     

随机需求下易变质产品的订购与定价策略

考虑:需求率为随机波动函数且依赖于产品销售价格,即dX(p)=(a-bp)X/μ且X服从Gamma-分布Γ(λ,k),其中λ0,k≥2;允许缺货,缺货部分延期供给,拖后率是β(t)=e-kt,k0,t是等待时间,研究了单一易变质产品的最优订购与定价策略。采用周期盘点的(T,S)库存策略,即每隔相同的订购周期时长T,将库存水平补充到S,在不考虑固定订购成本及订购提前期的前提下,短缺量部分延期供给,建立了库存模型。利用最小二乘法原理和泰勒展开分析了易变质产品最优订购与定价策略的算法,并给出算例进行仿真,说明了算法的有效性。     

基于改进MOSFLA的多机协同任务分配

为解决多机协同任务分配这一多约束组合优化问题,提出了一种基于矩阵二进制编码的改进多目标混合蛙跳算法(multi-objective shuffled frog-leaping algorithm,MOSFLA)的任务分配策略。首先,建立了基于目标剩余价值、战机攻击损耗和航程代价的多目标优化模型;然后,对混合蛙跳算法的位置更新策略进行了改进,以保证更新过程中解的可行性及算法的全局收敛能力;最后,利用改进算法求解多机协同对地攻击任务分配问题,得出问题的Pareto最优解集。仿真实验表明,改进算法能够在较短时间内同时得出多个分配方案,增加决策的灵活性。     

多纤IP over WDM网中的一种新型联合路由算法

对动态自相似业务下,多纤IP over WDM网中的联合路由问题进行了研究,提出了一种新型的基于备用选路策略的联合路由算法——最小影响算法(min_influence)。该算法能精确地描述新建光路对全网状态的影响,更利于促进网络资源的合理分配,从而改善全网的阻塞概率性能。以连接阻塞概率（CBP）及带宽阻塞率（BBR）作为性能指标,通过在几种具有代表性的拓扑上进行仿真,结果表明,在不同的自相似业务参数(突发度、均值、方差)下, 该算法优于已有算法。     

MU-MIMO用户调度和预编码跨层联合优化

针对多用户多输入多输出(Multi-User Multiple Input Multiple Output,MU-MIMO)系统中用户调度和预编码传统算法性能不佳和分层设计导致系统复杂度高的问题,利用最大信漏噪比(Signal to Leakage plus Noise Ratio,SLNR)算法的优越性,提出一种基于SLNR算法的用户调度和预编码的跨层联合优化策略,利用迭代搜索最优用户组,并在预编码中加入功率分配。仿真结果表明,新策略比传统算法能够提升系统吞吐量,并改善误码率性能,同时使系统具有较低的复杂度。     

(Ы)2(R,S)中的Parsimonious-矩阵

设(Ы)2(R,S)是所有具有指定行和向量R与列和向量S的(0,1,2)-矩阵组成的集合.(Ы)2(R,S)中正元素个数最少的矩阵称为是Parsimonious-矩阵.本文主要研究(Ы)2(R,S)中Parsimonious-矩阵的性质,并给出一种找出Parsimonious-矩阵的简捷算法.     

利用自主策略机制实现联合无线资源管理

提出了一种基于案例推理的最优策略产生方法,用于异构无线网络系统自主高效的无线资源管理及优化.该方法利用案例检索与匹配算法,从案例库中寻找最合适的再用策略;利用基于相似度概率的策略再用算法,改进新策略学习的效率和质量;应用贪婪算法,产生没有可用案例情况下的应对策略.此外,该方法在学习的基础上对策略案例库进行实时的更新.仿真结果表明,该算法具有高效的在线学习能力,能够有效提升网络在频谱效用和阻塞率方面的性能,实现自主的无线资源管理.     

基于贝叶斯理论的复杂系统快速诊断算法

针对系统结构复杂、维修保障难度大,多具有不确定性(不完整性)信息、多故障和关联故障等特点,融合贝叶斯理论和策略优化算法的优势,提出一种混合快速诊断算法.将诊断任务分解成若干单故障子任务,对子任务用故障树和贝叶斯网络分别建模,根据贝叶斯-蒙特卡洛算法获得先验概率,进行诊断推理分析,获得系统故障薄弱环节,同时运用综合策略优化算法,对故障原因进行诊断策略优化,以实现快速诊断为目的.以电控发动机复杂系统为例,对混合快速诊断算法进行应用研究,验证了该算法的正确性和有效性.     

一种蚁群策略的双信道传感器网络路由算法

针对高负载无线传感器网络堵塞率比较高的问题,提出了一种基于蚁群策略的双信道传感器网络路由算法(CORA).该算法首先利用双信道通信模式降低了信道竞争过程中的数据碰撞和多播抑制几率;再利用最大感染球策略来压缩蚁群的寻路范围,进而降低网络的寻路能耗;借助分层图模型提出了一种两层网络联合优化的选路策略,该策略可将控制层中被堵塞的寻路业务有条件地下放在数据层中传输,从而降低网络的堵塞率和通信延迟.仿真结果表明,与一种基于蚂蚁策略的能量有效路由算法及一种基于蚁群策略的能量有效路由算法相比,CORA算法能将高负载网络下的堵塞率下调13%,且能有效降低数据包的平均通信时间和网络的通信能耗.     

基于蚁群算法的粗糙集属性约简方法

利用蚁群算法的搜索技术,提出了一种基于蚁群算法的粗糙集属性约简方法。该算法将核引入初始信息素分布中,以加快算法的收敛。同时为提高全局搜索能力,根据蚂蚁在搜索过程中所得解的分布状况动态地调解蚂蚁的路径策略和信息量更新策略。实验证明该算法是有效的,具有较好的收敛速度和稳定性。     

SMDP基于性能势的M步向前策略迭代

运用基于性能势的M步向前(look-ahead)异步策略迭代算法研究了半Markov决策过程(SMDP)优化问题。首先给出了基于性能势理论求解的一种M步向前策略迭代算法。该算法不仅对标准策略迭代算法和一般的异步策略迭代算法都适用,而且对SMDP在折扣和平均准则下的优化也是统一的;另外给出了两种性能准则下基于即时差分学习的M步向前仿真策略迭代。最后通过一个数值算例比较了各种算法的特点。     

无线传感器网络节点节能研究

通过对无线传感器网络节点通信子系统能耗的分析,采用动态竞争算法,在区域内竞争出集群主从两类节点,提出一种节省能耗的新策略.该策略可以有效减少系统对能耗和通信带宽的要求,从而延长无线传感器网络中节点的生命周期.     

一种新的机器人运动轨迹规划算法

本文在Lin和J.Y.S.Luh等人工作的基础上。提出了一种新的机器人CP(连续轨迹Continuous Path的缩写)运动轨迹规划算法,其中连续路径由一组直角坐标下的参数方程来描述,时间区间[0,T]被分成m段,各轨迹段的拟合多项式系数采用递推方式求得,这不仅易于计算机实现,且计算量也较少。本文对时间最优轨迹规划问题进行了分析,并提出了一种有效的算法。     

混沌协方差矩阵自适应进化策略优化算法

为了改进进化策略算法的性能,提出了一种混沌协方差矩阵自适应进化策略(ChaosCMA-ES)算法,该算法在协方差矩阵自适应进化策略(CMA-ES)算法的基础上引入了混沌算子,并利用其更新种群中心的位置,使得种群具备良好的全局搜索能力。试验结果表明,本文算法对复杂多峰函数的寻优效果好于其他几种算法。最后,将本文算法用于优化网络安全态势的预测模型,预测结果的精度高于其他方法。     

基于拓展性和魔方变换的自适应蚁群算法

针对传统蚁群算法在求解过程中搜索时间过长、易于出现早熟停滞的缺陷,提出一种具有拓展性的自适应蚁群算法.蚁群综合启发式信息、信息素轨迹和拓展性信息自适应地调整状态转移规则,并采用全局信息素非均匀更新策略,有效增强了蚁群的全局搜索能力.同时,受魔方变换的启发,提出了一种新颖的魔方变异策略,以加快对迭代最优解进行局部优化的速度.旅行商问题仿真验证了文中改进蚁群算法的有效性,其收敛速度、稳定性远高于传统蚁群算法.     

电子商务中SET协议的分析

电子商务(Electronic Commerce)是一种新型的商务活动,实现安全在线支付是电子商务的核心问题。安全电子交易协议(Secure ElectronicTransaction,S E T)是目前电子商务的主要安全在线支付协议之一.本文就电子商务支付系统S E T支付流程、S E T协议的安全、S E T协议的证书管理、SET协议的扩展应用等方面进行了一定的分析和研究。     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

多策略MRFO算法的卷积神经网络超参数优化

卷积神经网络的性能与超参数配置密切相关,然而最优超参数的选择耗时耗力. 为了提高超参数选择的效率,提出了一种基于多策略的蝠鲼觅食优化算法,一方面采用半数均匀初始化策略提升种群的多样性;另一方面,融合新权重因子更新策略和分裂策略,提升收敛速度和拟合精度. 根据实数编码策略将所提算法用于卷积神经网络的超参数优化研究中,用3种觅食方式进行迭代,以得到最优的超参数配置. 为了评估超参数优化的有效性,与卷积神经网络超参数优化算法在手写数字和CIFAR-10数据集上进行了对比实验,实验结果表明,所提算法可消耗较少的资源,并获得更高的准确率.     

基于多代理模仿学习的普适边缘计算资源分配

普适边缘计算允许对等设备之间建立独立通信连接,能帮助用户以较低的时延处理海量的计算任务.然而,分散的设备中不能实时获取到网络的全局系统状态,无法保证设备资源利用的公平性.针对该问题,提出了一种基于生成对抗网络(Generative Adversarial Network,GAN)的普适边缘计算资源分配方案.首先基于最小化时延与能耗建立多目标优化问题,然后根据随机博弈理论将优化问题转化为最大奖励问题,接着提出一种基于多代理模仿学习的计算卸载算法,该算法将多代理生成对抗模仿学习(GAIL)和马尔可夫策略(Markov Decision Process,MDP)相结合以逼近专家性能,实现了算法的在线执行,最后结合非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)对时延和能耗进行了联合优化.仿真结果表明,所提出的解决方案与其他边缘计算资源分配方案相比,时延缩短了30.8%,能耗降低了34.3%.     

一种基于改进FCM划分算法的T—S模型辨识

鉴于以往T—S模型建模过程中,在模糊划分上存在主观性的差异,提出了一种基于改进模糊C-均值算法的模糊划分方法,使划分结果尽可能地依赖于原始数据的分布情况,进而将该模糊划分算法用于多输入单输出非线性系统的基于T—S模型模糊辨识。在用该方法对多参量水质评价系统进行基于T—S模型模糊辨识建模时,取得了较好的验证效果。该研究结果表明,基于改进模糊C-均值划分算法的T—S模型辨识能在模糊综合评价与决策等应用领域中取得较好的应用效果。