遗传模拟退火算法在MATLAB上的编程实现

遗传算法和模拟退火算法均为启发式搜索算法,结构互补,可将两者结合,使用遗传模拟退火算法来求解最优化问题。使用MATLAB语言来编程实现该算法,将遗传模拟退火算法与MATLAB强大的数据处理相结合,方便用户在MATLAB上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于单一的遗传算法。     

独立任务分配的贪婪随机自适应搜索过程

提出了一种贪婪随机自适应搜索过程求解异构环境下的独立任务分配问题。使用随机化的最小最小完成时间算法来产生问题的初始解,再通过变邻域下降算法来改进这个解,在变邻域下降算法中,为增强算法的空间勘探能力,外层局部搜索采用允许接收劣质解的策略,使用禁忌表来防止迂回搜索,使算法在多样性和集中性间取得了较好的平衡。与领域中的典型算法进行了仿真比较,结果表明提出的算法具有良好的性能。     

回归支持向量机SMO算法的改进

在Smola 和Sch?觟lkopf的SMO算法中,由于使用了单一的极限值而使得算法的效果没有完全表现出来。使用KKT条件来检验二次规划问题,使用两个极限参量来对回归SMO算法进行改进。通过对比实验,这一改进算法在执行速度上表现出了非常好的性能。     

一种新型求解多序列比对问题的方法

多序列比对问题是生物信息科学中一个非常重要且具挑战性的课题,并已经被证明属于问题.为了克服以往算法中的求解速度慢的缺点,本文提出了一种基于遗传算法和蚁群算法的算法来求解的新方法,在单独使用遗传算法的基础上再使用蚁群算法来进行局部搜索以便更快速地求得解.实验结果表明,遗传-蚁群算法能有效地求解多序列比对问题.     

遗传模拟退火算法在EXCEL上的编程实现

针对遗传算法和模拟退火算法的互补特点,提出用遗传模拟退火算法来求解最优化问题。使用Excel的VBA语言来编程实现该算法,将遗传模拟退火算法与Excel的数据处理相结合,方便用户在Excel上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于遗传算法。     

基于自适应罚函数的QPSO算法的代谢通量评估*

针对代谢通量评估问题属于带约束的优化问题,其目标函数是一个非线性、不可微的并且存在多个局部最小点的复杂函数,提出了使用自适应罚函数的量子粒子群优化算法来解决这个问题。通过自适应罚函数的方法解决约束条件,然后使用QPSO算法最小化内部代谢通量。用此算法评估谷氨酸棒杆菌的内部代谢通量并与传统的优化算法来比较,实验结果证明了该算法的可行性和有效性。     

一种多目标优化的多概率模型分布估计算法

提出了一种用于多目标优化的多概率模型分布估计算法,该算法在进化的每一代中使用多个概率模型来引导多目标优化问题柏拉图(Pareto)最优域的搜索.分布估计算法使用概率模型引导算法最优解的搜索,而使用多个概率模型可以保持所得多目标优化问题最优解集的多样性.该算法具有很强的寻优能力,所得结果可以很好地覆盖Pareto前沿.实验通过优化一组测试函数来评价该算法的性能,并与其它多目标优化算法进行了比较,结果表明该算法相比于其它同类算法可以更好地解决多目标优化问题.     

基于状态转移和模糊思考的迁徙优化算法

基于现有的动物迁徙算法(AMO),提出基于状态转移和模糊思考的迁徙优化算法(SMO)来解决全局优化问题。SMO算法中引入了状态模型和模糊对立模型。首先,状态模型中使用两种状态(分散状态和集中状态)来描述种群分布。在分散状态下,群体随机分布于解空间中,因此,使用概率决策的方式探索解空间,这个过程属于空间探索;随着个体之间的相互学习,个体之间的差异已经很小,群体进入集中状态,此时使用基于步长的搜索策略来调节个体位置,这个过程属于局部勘探。因此,将二者结合可以平衡空间探索和局部勘探功能。其次,算法使用了模糊对立模型,充分利用个体的模糊对立位置,增加了群体的多样性,提高了算法的收敛精度。然后,从理论上证明了该算法的收敛性,并且使用12个基准测试函数来验证算法的性能。最后,将该算法与其他优化算法进行比较,实验结果验证了该算法在优化问题上的有效性。     

一种混合均值聚类算法的实现

从K-Means聚类算法和FCM算法混合运行的角度来探讨聚类问题,针对FCM算法初始化隶属度矩阵的随机性问题,提出了一种混合均值聚类算法。在混合算法运行过程中,利用前者的聚类结果信息来初始化后者的初始中心,依此来计算FCM算法初始隶属度矩阵,通过FCM算法的运行,最终实现数据集的聚类目的。实验结果表明该混合均值算法比单纯使用FCM算法效果好。     

排序算法的性能比较及基数排序在数据分类中的应用

虽然排序算法是一个简单的问题,但是从计算机科学发展以来,已经有大量的研究在此问题上。本文对各种排序算法的性能进行了比较。同时使用QT设计一个排序演示系统,可以使用各种排序算法演示排序过程。阐述了基数排序在数据分类中的应用,使用其来提高数据分类的效率。     

Memetic算法在智能组卷问题中的应用

Memetic算法是一种启发式搜索方法,常用于解决一些NP问题。本文通过对遗传Memetic算法的改进与优化,结合智能组卷问题的特点,提出一套完整的解决方案。算法使用Memetic算法框架,全局搜索策略采用分段实数编码的遗传算法,融合了算法的交叉变异操作,局部搜索策略采用模拟退火算法,有效解决陷入局部最优问题。通过不同算法的对比实验表明,本文提出的Memetic算法能够快速高效地解决智能组卷问题,大大提升试卷生成质量,减少迭代次数,可快速获得最优解。      

排序合并Join算法的新结果

Join操作是数据库中最昂贵和最常用的操作.排序合并Join算法是实现Join操作的重要算法,得到了普遍接受并广为应用.在重新研究了排序合并Join算法后发现,同时对两个Join关系进行外排序是不必要的,会带来很大的额外开销.针对这个问题,提出了一种基于单关系外排序的分治Join算法,并在该算法的基础上提出了基于单关系外排序的并行分治Join算法.理论和实验结果证明,基于单关系排序的分治Join算法高于排序合并Join算法.特别是在并行计算环境下,基于单关系排序的并行分治Join算法的效率远远高于排序合并     

基于仿射投影算法的时延估计

在时间延迟估计中,通常利用互相关算法对时延进行估计.然而,互相关算法受噪声影响较大,在低信噪比时无法准确对时延进行估计.LMS、NLMS等自适应算法能够避免噪声的影响,然而其收敛性较差.RLS自适应算法虽具有较好的收敛性,但算法复杂度较高.本文利用的仿射投影(AP)算法则具有较好的收敛性.模拟仿真表明该算法能准确估计时...     

基于QoE的无人机网络部署和缓存策略优化方法

为了最大限度提升用户的体验质量,设计了一个使用支持缓存的无人机进行辅助通信的蜂窝网络模型。该模型使用无人机通信和边缘缓存相结合的方式来进行流量卸载,通过联合优化无人机部署,缓存放置和用户关联以实现用户QoE的最大化,并使用平均意见得分来对其进行评估。基于问题定义,提出了一个无人机部署、缓存放置和用户关联的联合优化算法,以最大化MOS。该联合算法使用K-means聚类算法为用户创建基于用户位置的无人机部署集群,使用基于罚函数的凸优化算法以获得缓存放置策略,使用贪心算法以获得对用户的关联策略。多次仿真实验验证了所提出算法的有效性和可行性。实验结果表明,与三种基准算法相比,所提出的联合优化算法在MOS、回程流量卸载率和内容访问时延三方面均具有更好的性能。     

一种基于遗传算法的QoS多播路由算法

深入研究基于遗传算法的QoS多播路由算法,建立支持QoS的多播路由模型.对已有的QoS多播路由算法进行优化,提出适用于下一代网络的基于遗传算法的QoS多播路由算法.采用定长的染色体编码和预处理机制降低算法复杂度.仿真试验表明,该算法收敛速度快,可靠性高,能够更好地满足多播业务的需要.     

基于径向基神经网络改进算法优化锅炉燃烧效率

为了提高径向基神经网络训练精度,提出一种混合优化算法。该算法利用粒子群优化算法全局搜索能力强的特点,避免了K均值算法受初始点选择的不利影响,提高了网络中心的搜索速度;同时采用动态权值算法避免径向基神经网络可能出现的病态问题,进一步提高网络的逼近能力。锅炉燃烧实例表明了改进算法的有效性和实用性。     

一种改进的Split-Merge图像分割算法

图像分割的经典算法Split-Merge算法思路简洁、运算效率高,但存在边界定位不准确和过分割等问题。针对过分割问题提出了一种改进的Split-Merge算法,在合并过程中引入全局目标函数,并在目标函数中定义了长度项,使用贪心法完成合并过程。长度项以及贪心法的使用促使相邻区域充分合并,有效地克服了过分割等问题,取得了较好的分割效果。     

基于遗传算法的最短路径问题求解

详细分析了求解最短路径的遗传算法的构成要素,提出一种新的交叉变异算法,通过仿真实验论证了求解过程是合理而有效的,同时给出了算法的主要性能参数,并对其进行了分析。     

基于折射原理的混合型花朵授粉算法

针对花朵授粉算法收敛速度慢,寻优精度低的缺陷,提出基于折射原理的混合型花朵授粉算法（refrHFPA）。算法首先利用和声搜索算法提升算法收敛速度,然后利用折射原理提高种群的多样性,帮助算法跳出局部最优,提升寻优精度。实验利用8个测试函数,对比其他群智能算法,结果表明refrHFPA算法在收敛速度和寻优精度方面均有显著的提高。     

基于二叉树和Adaboost算法的纸币号码识别

运用一种快速弱分类器训练算法和高速缓存策略来加速Adaboost算法的训练。集成学习算法Adaboost能够精确构建二分类器,运用二叉树型结构快速灵活地将纸币号码识别转化为一系列的Adaboost二分类问题。实验结果证明, 快速Adaboost训练算法能加快训练速度,基于二叉树和Adaboost的纸币号码识别系统具有较好的识别率和处理速度,已经应用在点钞机、清分机和ATM中。