基于人工免疫网络的动态聚类算法

聚类分析的两个基本任务是分析数据集中簇的数量以及这些簇的位置.大多数的聚类方法通常只关注后一个问题.为了在聚类数不确定的情况下实现聚类分析,本文提出了一种新的结合人工免疫网络和遗传算法的动态聚类算法—DCBIG.新算法主要包含两个阶段:先使用人工免疫网络算法获得聚类可行解,然后使用遗传算法依据聚类可行解实现动态聚类.本文对获得聚类可行解的条件和概率进行了分析.仿真实验结果表明与现有方法相比,新方法具有更高的收敛概率和收敛速度.     

一种求解TSP问题的改进近似算法

TSP问题是组合最优化中的一个著名问题,具有极高的理论和应用价值。本文通过对已有近似算法进行改进,提出了一种求解TSP问题更有效的近似算法。仿真实验表明,改进后的近似算法比原始算法获得的解更好,而且鲁棒性更优。     

局部网格动态聚类算法

针对传统网格聚类算法聚类精度较低,处理流数据效率较低等问题进行改进。提出局部网格动态聚类算法,算法引入维度半径概念进行增量动态网格划分,通过采用新的簇边界判定方法对簇边界进行判定,依据稀疏网格与其邻接密集网格的质心距离,将稀疏网格归并到相应网格簇中,对于不能归并的稀疏网格则采用局部网格划分方法对稀疏网格再次进行划分聚类,避免簇边界的误删,在一定程度上提高了聚类精确度。通过对比实验结果表明提出的算法具有更好的聚类时效性和聚类精度。     

基于Spark框架和ASPSO的并行划分聚类算法

针对划分聚类算法处理海量的数据存在的数据离散系数较大与抗干扰性差、局部簇簇数难以确定、局部簇质心随机性及局部簇并行化合并效率低等问题,提出了一种基于Spark框架和粒子群优化自适应策略(ASPSO)的并行划分聚类(PDC-SFASPSO)算法.首先,提出了基于皮尔逊相关系数和方差的网格划分策略获取数据离散系数较小的网格...     

一种基于双层架构的流数据聚类算法

针对流式数据的动态聚类问题,提出了一种基于变长滑动窗口和遗传算法相结合的流数据聚类算法.在给出微簇、变长滑动窗口模型和流数据项衰减函数等定义的基础上,给出了在线部分使用的基于变长滑动窗口进行微聚类的算法描述,进而结合遗传算法设计了离线部分采用的宏聚类算法.实验结果表明,算法不仅解决了传统聚类具有的初始中心敏感性问题,而且具有较小的内存开销和良好的聚类质量.     

基于违约解转化法的遗传算法及其性能分析

遗传算法在求解约束优化问题时,面临的关键问题之一就是如何处理约束条件.本文提出了一种基于违约解转化法的遗传算法(CIFGA),也就是遗传算法在处理约束条件时,在每一进化代遗传操作后,把所有违反约束条件的个体逐个转化成满足约束条件的个体,整个遗传群体保持不变,经过一代代的进化,最终求出约束问题的最优解.对于采用二进制编码和实数编码的CIFGA,理论证明了其收敛性.测试试验结果表明:CIFGA有较好的算法性能和解决约束优化问题的能力.     

基于遗传聚类算法的Web日志挖掘研究

K-均值聚类对初始聚类中心的选取较敏感,容易陷入局部最优.将改进的遗传算法与K-均值聚类相结合,以优化聚类中心.在种群进化过程中,父代个体均从种群中适应度高的个体中选择,同时,根据个体适应度动态调节交叉概率和变异概率,避免早熟现象.文中采用改进的遗传算法,对学院网站服务器上的Web日志进行用户和页面聚类,达到了很好的聚类效果.     

求解旅行商问题的蚁群遗传混合算法

根据蚁群算法与遗传算法的特性,提出了求解旅行商问题的混合算法.该混合算法以遗传算法为整个算法的框架,根据旅行商问题的特点,给出了4种变异策略;针对遗传算法存在的过早收敛问题,加入2-Opt方法对问题求解进行了局部优化;利用蚁群算法根据信息素产生若干个路径,替代部分差的解.与模拟退火算法、标准遗传算法和标准蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好.     

基于遗传算法的网络优化设计

文中通过分析通信网设计中的网络优化问题,抽象出其数学模型,并用遗传算法来对其进行求解.最后通过验证得出用遗传算法求解该问题明显优于一些传统的方法,算法能在较短的时间内找到一个最优解,具有快速收敛寻优的特点,在求解的效率和解的质量方面都达到了令人满意的效果.     

基于粒子群优化的图像分割方法

基于k均值聚类,层次聚类,期望最大化的图像分割方法都是根据相似强度区域等特征的数量导出最佳聚类中心,推导出最优簇数及其中心是一个优化问题.此次实验的目的是利用自然启发技术改进图像分割.图像分割是一个复杂[1]的优化问题,可以用提出的粒子群算法模型求解.PSO模型是解决科学问题的通用模型.实验中将使用简单的PSO模型来解...     

用混合遗传算法求解两类多边形近似问题

多边形近似是一种重要的曲线描述方法.研究用遗传算法求解平面数字曲线的多边形近似碰到的两个主要问题是不可行解难以处理和基本遗传算法局部搜索能力差.针对这两个问题,本文提出了一种组合拆分与合并技术的混合遗传算法(SMGA).它将两种经典算法-拆分技术与合并技术引入到对染色体的修复过程.采用这种方法,一个不可行解不仅能得到快速的修复,而且还能被推进到解空间中一个局部较优的位置.它的另外一个优点是:不同于已有的遗传算法,只能解决一类多边形近似问题,SMGA是一种能求解两类多边形近似问题的通用算法.实验结果表明:本文提出的算法比其他同类算法性能更优越.     

Domatic Partition问题的DNA计算方法研究

Domatic partition问题是一类经典的NP完全问题,在诸多领域中有着广泛的应用,但是至今仍没有多项式时间内的解决方案.DNA计算是一种并行计算能力极强的计算方式,粘贴模型是DNA计算中一种基于粘贴运算的计算模型,基于该模型提出了一种求解domatic partition问题的DNA算法,该算法在多项式的时间内通过两步筛选过程即可以在初始解空间中找出问题的解.为证明该算法的可行性,用java程序对算法进行了仿真模拟,程序在计算机上运行的结果证明此算法是正确且有效的.     

自适应混合遗传算法在弹药装载中的应用研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题,属于NP 完全问题,其求解是很困难的。本文在考虑弹药装载中各类约束条件的情况下,对简单遗传算法进行了多方面改进,提出了一种自适应混合遗传算法,来求解弹药装载问题。本文对该算法的编码和解码过程,以及复制算子、交叉算子和变异算子的构建,进行了详细的阐述,给出了使用该算法求解弹药装载问题的具体实现方法。     

A refined algorithm for multisensor image registration based on pixel migration.

Multimodality image registration via pixel migration is a powerful approach. However, it suffers from a serious problem--the global maximum on the sum of squared gradient magnitude (SSG) surface does not correspond to the correct solution of registration. To solve the problem, we partition the search space into feasible and infeasible regions. The genetic algorithm (global optimizer) is used to obtain a good initial estimate of registration parameters and followed by a fast refining with Powell's approach (local optimizer). The experimental results demonstrate that the use of this modified pixel migration algorithm on multisensor image registration is very effective.     

基于混沌遗传算法的非均匀应变分布重构研究

针对基本遗传算法在解决实际最优化问题时可能存在的收敛速度慢、易于陷入局部最优解等问题,提出从适应度排序标定和混沌算子嵌入两方面进行算法性能的改进。前者避免了传统适应度值计算方法中较小目标函数值导致的具有过大适应度值的个体对种群进化方向的影响,使得种群始终能够保持恒定的进化压差促进最优解的搜索;后者则增强了遗传算法局部搜索的能力,从而提高了近似最优解向全局最优解转化的可能性。在此基础上,建立了一种基于混沌遗传算法的光纤布拉格光栅(FBG)轴向非均匀应变分布重构方法,仿真算例表明,混沌遗传算法有效改善了非均匀应变分布重构算法的收敛性能,提高了重构的精度。讨论了算法中相关参数的设置对非均匀应变分布重构精度的影响。     

策略模式在图像分割中的应用

图像分割是图像处理中的基础难题,基于阂值的分割则又是图像分割的最基本的难题之一,其难点在于阈值的选取。策略模式将不同的阈值选取算法封装起来,使用户可以针对不同的领域、不同的条件,选用不同的分割算法。     

一种新型的自适应混沌遗传算法

针对标准二进制编码遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法用于求解优化问题.该算法利用信息熵理论产生较好的初始群体分布,并依据概率分布函数构造杂交算子,同时结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法能有效维持群体多样性,防止和克服进化过程中的"早熟"现象,算法操作简单、易于实现.最后通过对几个经典测试函数的数值实验,验证了该算法在提高解的精度和加快收敛速度方面都有显著改善,从而为解决函数优化问题提供了一种行之有效的新方法.     

The hybrid extended born approximation and CG-FFHT method foraxisymmetric media

The authors develop a hybrid implementation of the extended Born approximation (EBA) with the conjugate-gradient fast Fourier Hankel transform (CG-FFHT) method to improve the efficiency of the numerical solution of borehole induction problems in axisymmetric media. First, they use the FFHT to accelerate the EBA as a nonlinear approximation to induction problems, resulting in an algorithm with O(N log₂ N) arithmetic operations, where N is the number of unknowns in the problem. This accelerated EBA is accurate for most formations encountered in practical applications. Then, for formations with extremely high contrasts, they utilize the accelerated EBA as a partial preconditioner in the CG-FFHT method to solve the problem accurately with few iterations. The seamless combination of these two approaches provides an automatic way toward a general efficient and accurate modeling algorithm for induction measurements in axisymmetric media     

基于改进遗传算法的自动组卷问题研究

为了解决传统遗传算法在自动组卷中容易出现未成熟收敛和收敛速度慢等问题,提出了一种基于改进遗传算法的自动组卷方法。采用分段二进制编码策略,对每个子空间进行初始种群选择,保证了初始种群舍有丰富的模式,从而增加搜索收敛于全局最优的可能性。并对交叉算子和变异算子进行了优化,实现了交叉和变异概率随解的变化而自适应调整。实验结果表明,改进的遗传算法能有效地解决自动组卷问题,提高了收敛速度和组卷的成功率。     

Efficient QoS Partition and Routing of Unicast and Multicast

In this paper, we study problems related to supporting unicast and multicast connections with quality of service (QoS) requirements. We investigate the problem of optimal routing and resource allocation in the context of performance dependent costs. In this context, each network element can offer several QoS guarantees, each associated with a different cost. This is a natural extension to the commonly used bi-criteria model, where each link is associated with a single delay and a single cost. This framework is simple yet strong enough to model many practical interesting networking problems. An important problems in this framework is finding a good path for a connection that minimizes the cost while retaining the end-to-end delay requirement. Once such a path (or a tree, in the multicast case) is found, one needs to partition the end-to-end QoS requirements among the links of the path (tree). We consider the case of general integer cost functions (where delays and cost are integers). As the related problem is NP complete, we concentrate on finding efficient epsiv-approximation solutions. We improve on recent previous results by Erguumln Lorenz and Orda, and Raz and Shavitt, both in terms of generality as well as in terms of complexity of the solution. In particular, we present novel approximation techniques that yield the best known complexity for the unicast QoS routing problem, and the first approximation algorithm for the QoS partition problem on trees, both for the centralized and distributed cases