研究机会式频谱接入技术中次用户对可利用频谱进行探测和接入策略的优化问题. 通过引入事件的概念, 将含有可数无限状态的原问题转化为包含有限个事件的决策问题. 从性能灵敏度的角度出发, 分析不同策略下平均传输率的差异, 给出了基于事件策略的性能差分公式. 以此为基础, 通过合理的近似, 设计了基于事件的策略迭代算法. 仿真示例验证了所提出算法的有效性和近似处理的合理性.
相似文献为了提高案例推理(CBR) 分类器的性能, 提出一种基于可信度阈值优化的CBR 评价分类方法. 首先, 通过一种可降低时间复杂度的改进型可信度评价策略对案例重用得到的建议解的可信度进行计算; 然后, 通过遗传算法(GA) 对可信度阈值进行迭代寻优; 接着, 根据得到的优化阈值将目标案例及其建议解划分为可信集或不可信集; 最后, 对不可信集按多数重用原则进行分类结论的调整, 从而实现可信的CBR 评价分类. 对比实验表明, 改进的可信度评价策略能有效提高分类性能, 从而可提高CBR分类器的决策与学习能力.
相似文献提出一种基于随机黑洞粒子群算法(RBH-PSO) 和逐步淘汰策略的多目标粒子群优化(MRBHPSO-SE) 算法. 利用RBH-PSO 全局优化能力强和收敛速度快的优点逼近Pareto 最优解; 为了避免拥挤距离排序策略的缺陷, 提出逐步淘汰策略, 并将其应用到下一代粒子的选择策略中. 同时, 动态选择领导粒子, 运用动态惯性权重系数和变异操作 来增强种群全局寻优能力, 以及避免早熟收敛. 利用具有不同特点的测试函数进行验证, 结果表明, 与同类算法相比, 该算法具有较高的精度并兼顾优化解的多样性.
相似文献针对电解铝生产过程中电解槽调配及出铝调度问题, 在建立数学模型分析基础上, 设计一种混合策略优化算法. 通过引入人工经验排出特例, 利用遗传算法完成优化. 以出铝路径为优化适应度函数, 利用交叉算子调配电解槽铝液组合, 利用变异算子改变槽装车路线. 最后通过某铝厂电解槽3 组数据优化实例表明了所提出方法的有效性.
相似文献针对传统算法求解多目标资源优化分配问题收敛慢、Pareto解不能有效分布在Pareto 前沿面的问题, 提出一种新的Memetic 算法. 在遗传算法的交叉算子中引入模拟退火算法, 加强了遗传算法的局部搜索能力, 加快了收敛速度. 为了使Pareto 最优解均匀分布在Pareto 前沿面, 在染色体编码中引入禁忌表, 增加了种群的多样性, 避免了传统遗传算法后期Pareto 解集过于集中的缺点. 通过与已有的遗传算法、蚁群算法、粒子群算法进行比较, 仿真实验表明了所提出算法的有效性, 并分析了禁忌表长度和模拟退火参数对算法收敛性的影响.
相似文献针对现有基于遗传算法(GA)优化的网络最短路径算法存在优化目标单一,遗传编码质量低,搜索策略间平衡性差$适应度分配效率与灵活性较低等问题,建立一种多目标优化最短路径自适应GA模型.提出了优先级编码和优先级索引交叉算子,引入了遗传算子参数的模糊控制机制和基于自适应加权的适应度分配方法.实验结果表明,该算法的准确性和稳定性高,复杂度合理,实现了对网络设计优化中多目标最短路径问题的高质量求解.
相似文献离散信息在专家系统、模式识别、决策分析等领域普遍存在, 为了解决这类信息融合问题, 提出一种离散证据推理方法. 首先, 将每个离散证据拆分成一类单点值证据; 然后, 以冲突最小化为目标修正类内证据, 并采用证据推理进行组合; 最后, 以同样的方法对类间证据进行修正与组合. 所提出方法不仅可以解决离散证据的内外部冲突问题, 而且能够克服运算量过大的问题. 算例分析表明了所提出的方法是合理且有效的.
相似文献针对离散Hopfield 神经网络(DHNN) 结构复杂的问题, 提出一种基于贡献率的结构优化算法. 该算法利用奇异值分解方法对连接权值进行设计, 进而利用贡献率的方法对DHNN进行结构优化. 优化后的网络降低了DHNN结构的复杂程度, 使网络具有类似生物神经网络的稀疏结构, 实现了DHNN网络结构的优化. 最后, 通过水质评价和数字识别对该算法进行验证, 表明了所提出算法的有效性和可行性, 同时, 还验证了其对于大规模DHNN的有效性和适用性.
相似文献研究多周期环境下的第三方物流(3PL) 可靠性网络设计问题, 并考虑蓄意攻击中断. 建立多层的3PL 可靠性网络设计模型. 网络优化模型在满足可靠性约束条件下优化各周期的网络结构, 包括物流设施的开设和运输量的确定, 使网络总成本最小. 蓄意攻击模型优化各周期的攻击策略使网络服务水平最低. 根据问题模型的特点, 设计改进的两层分布估计算法, 上层分布估计算法求解多周期3PL 网络设计模型, 下层分布估计算法求解多周期攻击模型. 最后, 通过仿真实验表明了模型的合理性和算法的有效性.
相似文献为解决多智能体编组协同任务分配问题, 定义任务、智能体编组和相关的分配过程变量, 建立以最高任务执行效率为目标的数学模型. 在问题模型中设计考虑资源损耗的编组资源能力更新机制, 提出用于求解该模型的动态列表规划和量子遗传算法的混合任务分配算法, 使用动态列表规划选择处理的任务, 利用量子遗传算法为选定任务分配最合适编组. 最后通过算例表明, 所提出的方法在解决时序逻辑任务分配时能够得到更优更稳定的方案.
相似文献帝国竞争算法是一种已在连续优化问题上取得较好效果的新型社会政治算法. 为了使该算法更好地应用于离散型组合优化问题, 提出一种求解旅行商问题的新型帝国竞争算法. 在传统算法的基础上, 改变初始帝国的生成方式; 同化过程采取替换重建方式, 以提升求解质量; 革命过程中引入自适应变异算子, 以增强搜索能力; 殖民竞争过程中调整了殖民地分配方式; 算法加入帝国增强过程, 以加快寻化速度. 实验结果表明, 新型帝国竞争算法求解质量高、收敛速度快.
相似文献