基于改进随机搜索算法的随机森林调参优化

随机搜索法是对无约束力问题寻找最优解的一种算法.随机森林是一种集成算法,为了提高随机森林分类的准确率,需要对参数进行调参.随机森林可以通过网格搜索算法或学习曲线算法选取到合适的参数,但是训练时间过长,消耗资源过大.本文通过对随机搜索算法改进,利用改进的随机搜索算法优化随机森林调参.经过实验验证,改进的算法选取到的参数保...     

有限计算量下模拟退火算法的参数序优化

针对模拟退火算法作为一类全局随机搜索算法，其理论收敛条件难以严格实现，有限计算量下的算法性能在实际应用时对参数有严重的依赖性，并且确定合适参数的经验或试验方法缺少系统性等问题，提出将有限计算量下模拟退火的最优参数确定问题视为随机优化问题，并基于序优化和最优计算量分配技术研究出一种确定最优参数组合的系统性方法．典型调度问题的仿真结果验证了该方法的可行性和有效性．     

基于改进随机森林算法的文本分类研究与应用

传统随机森林分类算法采用平均多数投票规则不能区分强弱分类器,而且算法中超参数的取值需要调节优化.在研究了随机森林算法在文本分类中的应用技术及其优缺点的基础上对其进行改进,一方面对投票方法进行优化,结合决策树的分类效果和预测概率进行加权投票,另一方面提出一种结合随机搜索和网格搜索的算法对超参数调节优化.Python环境下的实验结果表明本文方法在文本分类上具有良好的性能.     

高空飞艇航迹规划的多种随机搜索算法

针对高空飞艇的航迹规划问题进行了分析和计算.考虑到高空飞艇的飞行特征,首先对其航迹规划问题进行了适当简化,转变为求解巡回旅行商问题(TSP),并给出相应的数学描述;然后在此基础上介绍遗传算法、蚁群算法和模拟退火算法,并运用这三种随机搜索算法求解高空飞艇最优航迹;最后通过仿真算例简要地分析和比较了各个随机搜索算法的性能.仿真结果表明以上三种随机搜索算法对于解决规模较大的高空飞艇航迹规划问题是行之有效的,求解效率高于传统搜索算法.     

基于混合模拟退火-遗传算法和HMM的Web挖掘

隐马尔可夫模型训练算法是一种局部搜索算法,对初值敏感。传统方法采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于Web挖掘效果不佳。遗传算法具有较强的全局搜索能力,但容易早熟、收敛慢,模拟退火算法具有较强的局部寻优能力,但会随机漫游,全局搜索能力欠缺。综合考虑遗传算法和模拟退火算法的特点,提出混合模拟退火-遗传算法SGA,优化HMM初始参数,弥补Baum-Welch算法对初始参数敏感的缺陷,Web挖掘的实验结果表明五个域提取的REC和PRE都有明显的提高。     

一种模拟退火算法与禁忌搜索算法的混合算法

通过结合模拟退火算法与禁忌搜索算法的优点,提出一个组合算法,并将其应用到旅行商问题（TSP）中。并用C＋＋实现一般的模拟退火算法和这种组合的模拟退火算法．比较结果显示出这种组合算法可以得到更好的结果。     

基于随机森林的AVS-P10开环编码质量优化算法

AVS-P10是我国第一部移动环境下的音频编解码标准。针对AVS-P10开环方式下编码模式选择算法准确率不高导致编码质量不佳的问题,提出基于随机森林的开环编码模式选择算法,通过拟合闭环方式下的编码模式选择结果,以提升开环方式下的编码模式选择准确度。为了降低随机森林计算复杂度并保持高准确度,采用两次特征选择并结合随机森林的特性选择特征。主客观测试结果表明,所提方法将开环方式下的编码模式选择准确率大幅提升;采用所提方法的开环编码质量明显优于AVS-P10开环编码质量,与AVS-P10闭环编码质量相当。     

基于卷积降噪自编码器的苹果树种鉴别模型研究

结合卷积降噪自编码器与随机森林算法,提出一种新型的卷积降噪自编码器-随机森林（CDAE-RF）模型,并基于可见-近红外光谱数据集来识别苹果树种。首先,通过网格式搜索、平行实验的方法优化了L1范数等参数,提高了模型的鲁棒性;然后,对比实验分析了CDAE-RF、主成分分析-随机森林模型（PCA-RF）、K最近邻分类算法等方法在不同噪声水平下光谱识别的准确性和鲁棒性。实验结果表明,相对于传统算法,新提出的CDAE-RF模型识别准确率达97.92%,在加噪情况下具有更高的鲁棒性。CDAE-RF模型降低了随机森林算法对噪声的敏感性,提高了噪声光谱图像识别的准确性,为地物波谱识别提供了一种新的方法。     

运用模拟退火遗传算法估计地下水反演参数

在估计地下水数值模型参数时,常运用智能优化算法求解数学模型的近似解,以再现现实地下水流的运动。在传统的模拟退火算法基础上,结合遗传算法,提出了一种改进模拟退火遗传算法,它吸收了遗传算法的全局搜索性能和保护最优个体的策略,解决了遗传算法早熟的问题,加强了模拟退火的局部搜索能力。以非均质各向异性承压二维流为例,运用该算法对地下水流数值模型参数进行了反演计算。计算结果表明,该算法克服了传统全局搜索算法收敛速度慢、迭代次数多的缺点,具有计算精度高,可以并行计算等优点。     

基于改进网格搜索算法的随机森林参数优化

随机森林是一种有效的集成学习算法,被广泛应用于模式识别中。为了得到更高的预测精度,需要对参数进行优化。提出了一种基于袋外数据估计的分类误差,利用改进的网格搜索算法对随机森林算法中的决策树数量和候选分裂属性数进行参数优化的随机森林算法。仿真结果表明,利用该方法优化得到的参数都能够使随机森林的分类效果得到一定程度的提高。     

基于Pearson特征选择的随机森林模型股票价格预测

为了能够更好地预测股票的走向趋势,解决在大量特征和大数据下预测精度低的问题,在随机森林的基础上提出了一种基于Pearson系数的随机森林新的组合模型方法。利用Pearson系数进行相关性检验删除无关特征;使用改进的网格搜索法对决策树参数调优;利用随机森林将剩余特征进行建模回归预测,并得出最终结论。实验结果表明：改进后的随机森林在预测值的平均绝对误差（MAE）、均方误差（MSE）都得到了较大的提高。其中今世缘改进后的随机森林比传统随机森林的MSE值降低了56%,MAE值降低了37.3%,其他两只股票预测效果也均得到提高。新的组合模型,可以实现对股票价格的短期预测回归,并且能够降低噪声对股票价格预测的影响。该研究为更好地预测股票价格提供了有效证据并为投资者提供了对股票影响因素的选择。     

基于改进GS-XGBoost的个人信用评估

信用评估分类器的好坏能够直接影响信贷金融机构的盈利能力. 传统的网格搜索法进行参数寻优时会耗费大量的时间, 基于此提出改进的网格搜索法优化XGBoost (GS-XGBoost)的个人信用评估算法. 该算法利用随机森林进行特征选择后, 将改进的网格搜索法对XGBoost中的n_estimators和learning_rate进行参数寻优, 建立评估模型. 从UCI数据库中选取信贷数据进行分析, 分别与支持向量机、随机森林、逻辑回归、神经网络以及未改进的XGBoost进行比较. 实验结果表明, 该模型的F-score和G-mean的值均有提高.     

基于改进遗传算法的稀疏重构算法

稀疏重构算法中凸松弛法在恢复效率方面、贪婪追踪法在恢复精度方面存在不足,基于遗传算法迭代优化的思想,结合模拟退火以及多种群算法的优势,提出了基于模拟退火遗传算法和基于多种群遗传算法的启发式稀疏重构算法。所提算法均从传统遗传算法易陷入局部最优解的缺陷出发,分别通过保持个体间的差异性和提高种群多样性来搜索待求稀疏信号的全局最优解,并通过理论分析证明了所提算法参数选取及搜索策略的有效性。此外,以阵列信号处理中空间信源的波达方向（DOA）估计问题为例,验证所提算法的有效性。仿真结果表明,相较于正交匹配追踪OMP算法和基于l1范数奇异值分解的l1-SVD算法,所提算法提高了DOA估计的精度,且降低了运算复杂度,使其快速收敛至全局最优解。     

基于曲线自适应和模拟退火的蝗虫优化算法

针对蝗虫优化算法容易陷入局部极值点、收敛速度慢、精度较差等缺点,提出曲线自适应和模拟退火蝗虫优化算法。首先,引入曲线自适应代替蝗虫优化算法关键参数的线性自适应,提高了算法的全局搜索能力;其次,在此基础上引入模拟退火算法,对蝗虫算法的劣势解具有一定概率的接收,使算法具有跳出局部最优,实现全局最优的能力。自适应缩小模拟退火中蝗虫位置随机解的范围,有利于进一步提高蝗虫算法的开发能力。通过测试函数测试,实验结果表明,改进的新算法具有更好的求解质量和收敛速度。     

Developing a dynamic neighborhood structure for an adaptive hybrid simulated annealing – tabu search algorithm to solve the symmetrical traveling salesman problem

This paper applies a hybrid simulated annealing – tabu search algorithm to solve the Traveling Salesman Problem (TSP). Fully considering the characteristics of the hybrid algorithm, we develop a dynamic neighborhood structure for the hybrid algorithm to improve search efficiency by reducing the randomness of the conventional 2-opt neighborhood. A circle-directed mutation is developed to achieve this dynamic neighborhood structure. Furthermore, we propose adaptive parameters that can be automatically adjusted by the algorithm based on context specific examples. This negates the need to frequently readjust algorithm parameters. We employ benchmarks obtained from TSPLIB (a library of sample instances for the TSP) to test our algorithm, and find that the proposed algorithm can obtain satisfactory solutions within a reasonable amount of time. The experimental results demonstrate that the proposed hybrid algorithm can overcome the disadvantages of traditional simulated annealing and tabu search methods. The results also show that the dynamic neighborhood structure is more efficient and accurate than the classical 2-opt. Also, adaptive parameters are appropriate for almost all of the numerical examples tested in this paper. Finally, the experimental results are compared with those of other algorithms, to demonstrate the improved accuracy and efficiency of the proposed algorithm.     

基于GASA-FCM混合聚类与霍夫变换的欠定混合矩阵估计

针对模糊C-均值聚类(fuzzy C-means clustering,FCM)算法在欠定混合矩阵估计中精度低、鲁棒性差的缺点,提出一种基于遗传模拟退火优化FCM(GASA-FCM)混合聚类和霍夫变换的欠定混合矩阵估计算法。该算法首先结合了模拟退火算法(simulated annealing algorithm,SA)全局搜索、高精度的优点和遗传算法(genetic algorithm,GA)强大的空间搜索能力,将经遗传模拟退火算法得到的聚类中心点赋给FCM,避免了初值选择的随机性。再利用霍夫变换对聚类得到的每一类数据的中心进行修正,提高混合矩阵的估计精度。实验结果表明,提出的算法明显改善了算法的稳定性和混合矩阵估计精度,具有一定的有效性和可行性。     

A heuristic optimization algorithm for HMM based on SA and EM in machinery diagnosis

This paper proposes a novel hidden Markov model (HMM) based on simulated annealing (SA) algorithm and expectation maximization (EM) algorithm for machinery diagnosis. As traditional HMM is sensitive to initial values and EM is easy to trap into a local optimization, SA is combined to improve HMM which can overcome local optimization searching problem. The proposed HMM has strong ability of global convergence, and optimizes the process of parameters estimation. Finally, through a case study, the computation results illustrate this SAEM-HMM has high efficiency and accuracy, which could help machinery diagnosis in practical.     

基于模拟退火算法的波束图设计

文中提出了基于模拟退火算法的波束设计方法.其思想是按照给定的波束优化要求,建立某种相应的目标函数,利用模拟退火算法对波束的加权系数进行全局寻优,达到波束优化的目的.模拟退火算法模拟了固体缓慢退火从而获得最低内能的物理过程,是一种简单而有效的随机性全局优化算法.为证明该设计方法的可行性和有效性,给出了15元平面阵的设计实例以及仿真结果.结果表明,使用该方法设计的波束与常规方法相比,获得了更低的旁瓣级.