共查询到20条相似文献,搜索用时 62 毫秒
1.
介绍了一种新的信息融合理论——DSmT(Dezert-Smarandache Theory)。在DSmT下,鉴于实际处理的证据经常是相关证据,提出了一种新的模型表示相关证据。其中两个相关证据各自由一个独立源证据和一个相关源证据正交和合成,相关证据的合成就归结为这两个独立源证据和这个相关源证据的正交和合成。辨识独立源证据是一个反问题,该反问题可能不存在唯一精确解,此时采用了粒子群优化算法求其近似解。 相似文献
2.
推荐系统是一种基于因特网的新型软件工具,其设计目的是通过分析用户个人偏好,综合用户需求,快速搜索信息资源库.为用户推荐其感兴趣的内容。论文提出利用粒子群优化算法的优点以提高系统检索速度的设计思想,并通过与遗传算法的比较.得出基于粒子群优化算法的推荐系统速度更优的结论。此外,还介绍了推荐系统的功能及其实现方法。 相似文献
3.
针对锌电解过程各参数之间耦合严重、能耗高、建模困难,研究了锌电解电流效率与各工艺过程参数之间关系的数学模型,提出了一种改进的粒子群优化算法(IPSO)进行模型参数估计,该算法在粒子失活时,对粒子进行变异或扰动操作,重新激活粒子,避免了算法陷于局部最优解,改善了优化算法性能;以锌电解过程实验数据为样本,采用改进的粒子群优化算法对模型进行参数估计和检验,并与基本粒子群算法和BP神经网络模型进行比较,仿真结果证明了模型的有效性。 相似文献
4.
5.
针对学习者的能力、学习目标、学习时间的个别差异,提出以粒子群优化(PSO)算法为基础的学习资源推荐方法,提供每位学习者个性化的数字课程。综合概念图和知识结构相关理论构建知识点网络结构图,运用项目反应理论(IRT)分析不同学习者的学习目标和能力程度,再应用PSO算法从多样性的学习资源中挑选学习内容,形成个性化的课程推荐给学生。初始化粒子时考虑学习者的学习时间上下限,过滤掉一些不必要的粒子来提高算法效率,在确定最优解位置时,使用Sigmoid函数修正粒子更新速度,保证其在有效范围内。实验结果表明,随着迭代次数增加,所推荐的内容与学习者预定目标差异为0,挑选出的课程与学习者能力差异为0.6,整体差异为0.25,说明所使用的方法具有较好的收敛性,推荐的学习资源能够满足学习者要求。 相似文献
6.
7.
现今用于家具制造的木材及板材的使用量大幅度增加。板材用料的合理利用与木材资源的浪费问题,越来越受到国家及社会的高度关注。在家具生产中,板式材料的合理剪裁成为现在的研究热点。根据现代社会产生的木材合理利用为研究点采用PSO-SA优化算法,对板式办公家具木质材料的优化排料方式进行建模。PSO-SA将PSO算法的优点与SA算法的优点运用在算法的实现中,并将两种算法进行有效结合,使之达到最良好的优化效果。尽量避免和减少其余料的产生和浪费,达到利用率最高的目的。同时提高辅助材料的价值和可用性。 相似文献
8.
P2P系统的开放和匿名等特征,使其成为一些恶意节点发布虚假信息的温床,因此在P2P环境中构建一个完善的信任机制显得尤为重要。针对现有信任模型对于寻找信任路径速度慢且难以防止联合欺诈等缺点,提出了一种适合P2P环境的基于粒子群算法的信任模型。在BBK信任模型的基础上引入粒子群算法,将信任路径转化为每个粒子,通过对粒子速度和位置的更新来寻找信任度高的路径,最终再根据BBK模型得出全局信任度。通过数学分析和证明,该模型具有较好的防止联合欺诈的性质。实验表明,算法效率较高,较其他算法具有明显优势。 相似文献
9.
袁东维 《数字社区&智能家居》2014,(11):2539-2542
为解决动态网络下进行可信的Web服务组合问题,该文提出一种基于信任的服务组合方法。该方法首先引入了信任评估机制,构建了基于QoS的服务组合的信任模型;基于该模型设计多约束条件下的基于信任的服务组合方案,采用粒子群算法进行优化求解。应用实例与分析表明了该方法能够提高组合服务的可靠性与成功率。 相似文献
10.
针对粒子群优化算法的搜索空间有限、容易出现早熟现象的缺陷,提出将一种基于量子行为的粒子群优化算法用于求解车辆路径问题.车辆路径问题是组合优化问题中的NP-难问题.将量子粒子群算法用于车辆路径问题求解,用粒子的位置表示车辆路径,建立车辆路径的数学模型.与粒子群算法相比,量子粒子群算法提高了最优路径搜索的成功率,能更有效的求解问题. 相似文献
11.
12.
13.
14.
15.
16.
17.
提出一种利用粒子群算法计算再入式飞行器走廊的方法。从再入式飞行器再入过程的运动方程出发,将连续无限维的再入飞行器走廊上边界计算问题,转化成计算走廊上有限个点的多个最优控制问题,最后利用粒子群寻优解决每个最优控制问题,从而得到可行的走廊上边界曲线,这种方法得到的走廊上界曲线比传统的准平衡滑翔条件估计的上界要高,更能体现RLV的飞行能力。 相似文献
18.
19.