基于遗传规划和主动学习的本体实例匹配

针对现有实例匹配方法存在的准确率和学习效率不高的问题,提出了一种新的基于遗传规划和主动学习的链接规则学习方法,并用于本体实例匹配。设计了更合理的链接规则表示,并针对链接规则的特点,对遗传规划的初始种群产生、适应度函数和进化算子进行了详细设计。提出了一种考虑样本相关性的主动学习采样策略,使得稀有样本被优先训练。实验结果表明,该方法不仅学习效率更高,而且能够学习出高质量的链接规则,取得了较好的本体实例匹配结果。     

基于匹配算法的服务发现本体模型*

针对服务发现领域存在的匹配问题,提出了基于匹配算法的服务发现本体模型。研究中,以本体技术为基础,分析服务发现模型所包含的主要元素,定义用户本体与服务本体之间最优匹配规划的命题。构建满足该命题的Web服务运行框架。针对运行框架中匹配规划和匹配模式,设计并实现MS算法和MP算法,获取候选匹配集及匹配规划的相关度。与现有服务发现方法相比,提出的服务发现本体模型具有较高的查全率与查准率,能够获得更多贴近用户服务请求的Web服务,具有较好的理论价值和应用前景。     

基于语义的Web服务匹配算法研究

针对基于推理的OWL-S/UDDI匹配算法在同一级结果间不能进一步区分匹配度导致查全率和查准率不高的问题,提出了一种基于本体概念相似度计算的服务匹配算法,该算法分别按服务的基本描述、功能和非功能(QoS)三个层次进行匹配,提高了服务匹配效率。     

一种基于语义Web服务的匹配算法研究

传统的 Web 服务发现只是简单的基于适的 Web 服务成为主要问题.在服务使用 OWL-S 描述的前提下,服务匹配通常认为是本体概念的匹配,给出了一种基于语义 Web 服务的匹配算法,通过服务发布者提供的服务和服务消费者寻求的服务的关系来进行匹配算法研究,提出了相应的服务匹配技术,详细介绍了服务请求时进行服务匹配使用的匹配算法,达到服务发布者和请求者可以实现语义的匹配.最后对服务匹配算法进行了实现,提高了服务的查准率和查全率.     

一种基于语义Web服务的匹配算法研究

传统的Web服务发现只是简单的基于关键字的语法匹配,查询得到的服务往往不是用户想要的,如何正确定位合适的Web服务成为主要问题。在服务使用OWL-S描述的前提下,服务匹配通常认为是本体概念的匹配,给出了一种基于语义Web服务的匹配算法,通过服务发布者提供的服务和服务消费者寻求的服务的关系来进行匹配算法研究,提出了相应的服务匹配技术,详细介绍了服务请求时进行服务匹配使用的匹配算法,达到服务发布者和请求者可以实现语义的匹配。最后对服务匹配算法进行了实现,提高了服务的查准率和查全率。     

基于语义匹配复杂Web服务的算法研究

目前,Web服务发现机制中以关键词搜索方式进行服务匹配,忽略人类语言的多样性,造成较低的匹配率,同时单个Web服务无法满足客户面向业务过程的商业需求.本文研究一种基于语义匹配复杂Web服务的算法,在服务注册机制中对复杂Web服务匹配进行预处理,Web服务请求到达进行二次匹配,匹配单个Web服务或面向业务过程的一组Web服务.     

基于分布式粗粒度并行计算的遗传规划算法研究

针对经典遗传规划算法(CGP)存在容易早熟收敛、运行效率低的缺陷,提出一种将分布式计算与遗传规划算法结合的计算模型.该模型利用个体迁移策略实现对种群的优化,克服易早熟的缺陷.并且采用分布式计算能够有效地节省算法的运行时间.最后通过对语音数据预测误差的比较,验证了改进后算法的有效性.实验表明,基于分布式粗粒度并行计算的遗传规划算法(CGGP)计算性能优于经典遗传规划算法(CGP).     

基于本体的网格服务匹配算法的研究与实现

针对目前网格服务匹配机制的不足,引入服务质量本体QosOn对OWL S规范进行扩展,并在此基础上基于本体论语义给出了对网格服务能力的描述和匹配方法,并分析了它相对于GT4中现有网格发现机制的优势。     

基于AOP的Web服务组合容错模型

为了解决现有Web服务组合容错方案中功能性代码与容错处理代码缠绕问题,提出了基于AOP的Web服务组合容错模型.对Web服务组合执行过程的各阶段失效原因进行了分析和归类,给出了相应的容错处理策略;基于AOP横切关注点分离的思想,构建了Web服务组合容错模型,保障执行过程中业务功能和服务质量的同时,实现了容错关注点与功能关注点的分离.通过实例分析,验证了该模型的可行性和有效性.     

基于改进遗传规划算法的数据拟合*

针对传统数据拟合方法需预先估计基函数、依赖于应用领域等问题,基于遗传规划的动态可变特性,提出将遗传规划与最小二乘法结合,设计具有一定通用性和自适应能力的数据拟合算法。在分析传统遗传规划算法的基础上,详细介绍了算法改进方法,并针对各种类型的拟合数据进行了对比实验。实验结果表明,该算法不仅可以应用到多种场合,而且可以提高拟合效率与精度。     

基于遗传算法和非线性规划求解信息交互的光伏阵列模型鲁棒参数辨识方法

对光伏阵列进行建模不仅可以研究温度、光照等因素对V-I特性曲线的影响,还可以用模型代替实际光伏阵列进行各种光伏实验,降低实验成本,节省实验时间;参数辨识可以使光伏阵列模型的参数值设置更精确,使其与实际值相一致;针对基于非线性规划的光伏阵列模型鲁棒参数辨识方法容易陷入局部搜索的问题,提出了遗传算法与非线性规划求解信息交互的鲁棒参数辨识方法;将遗传算法与非线性规划求解信息交互,既可以进行全局搜索,又可以进行局部搜索,以得到问题的全局最优解;通过仿真测试,使用该方法得到的结果均方误差降低了8倍,均方误差量级达到了1.0E-3,表明了该方法在光伏阵列模型参数辨识方面具有较高的精确度。     

物流服务供应商选择的双层规划模型及云遗传算法*

在物流服务供应链体系下,针对功能型物流服务供应商的选择问题,提出了使用双层规划模型分析方法。上层规划以集成物流服务供应商的外包业务成本最低为目标,下层规划以客户服务满意度最大为目标。其中,在下层规划中提出客户服务满意度指数模型,并借助熵权法对模型中的各外显指标进行赋权,进而得出客户服务满意度指数。最后,结合模型特点设计了云自适应遗传算法,并借助算例验证了模型和算法的有效性。     

基于遗传规划和集成学习的恶意软件检测

近年来恶意软件不断地发展变化,导致单一检测模型的准确率较低,使用集成学习组合多种模型可以提高检测效果,但集成模型中基学习器的准确性和多样性难以平衡。为此,提出一种基于遗传规划的集成模型生成方法,遗传规划可以将特征处理和构建集成模型两个阶段集成到单个程序树中,解决了传统恶意软件集成检测模型难以平衡个体准确率和多样性的问题。该方法以集成模型的恶意软件检出率作为种群进化依据,保证了基学习器的准确性;在构建集成模型时自动选择特征处理方法、分类算法和优化基学习器的超参数,通过输入属性扰动和算法参数扰动增加基学习器的多样性,根据优胜劣汰的思想进化生成具有高准确性和多样性的最优集成模型。在EMBER数据集上的结果表明,最优集成模型的检测准确率达到了98.88%;进一步的分析表明,该方法生成的模型具有较高的多样性和可解释性。     

基于约束逻辑规划和遗传算法的柔性调度

根据柔性生产环境的特点，描述了约束逻辑规划（CLP）和遗传算法（GA）在解决调度问题中的应用框架。CLP的解决作为满足约束的调度问题的起始解，保证了初始解的合理性。把CLP用作计算每一代样本的约束检验手段，有利于在遗传算法的搜索中获得更好的解和更高的解算效率。最后对一个规模足够大的调度实例进行了计算。     

基于GP病虫害预测预报中适应性函数的研究

适应性函数是遗传算法和遗传程序设计得以实现的复制及群体整体性的质量.在GP程序过程中在常见适应性函数的基础上加以优化和调整,最后通过实例验证了优化调整后的适应性函数在病虫害预测预报中的准确度有了一定的提高.     

Dew point pressure model for gas condensate reservoirs based on multi-gene genetic programming approach

One of the most critical parameters in characterization of gas condensate reservoirs is dew point pressure (DPP), and its accurate determination is a challenging task in development and management of these reservoirs. Experimental measurement of DPP is a costly and time consuming method. Therefore, searching for a quick, reliable, inexpensive, and robust algorithm for determination of DPP is of great importance. In this paper, first, a new approach based on multi-gene genetic programming (MGGP) to determine DPP of gas condensate reservoirs is presented. Then, a correlation for DPP calculation using MGGP has been developed for gas condensate reservoirs. Finally, the efficiency of the proposed DPP model has been validated by comparing its predictions with the results of other conventional models. It is found that the correlation developed in this work is capable of predicting more accurate values of DPP, with the lowest average relative and absolute errors with respect to the experimental results, and also higher correlation coefficient among the results of all the evaluated DPP correlations. Therefore, it is suggested that the proposed model can be applied effectively for DPP prediction for a wide range of gas properties and reservoir temperatures.