一种新型的动态递归神经网络及其算法

通过对Elman网络的研究 ,提出了一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络 ,并给出了其算法。通过在系统辨识中的应用表明 ,该网络收敛速度快 ,模型精度高 ,具有较为广阔的应用前景。     

一种改进的单纯形优化算法及其仿真研究

研究一种收缩系数和扩展系数适时适当变化的单纯形优化学习算法。用MATLAB语言编制仿真程序，该程序简单、通用。仿真结果表明，该算法与N—M法相比，有效地提高了寻优速度。     

动态规划法中返求最优可靠度分配的实用算法

本文简单介绍动态规划法应用,并着重对动态规划法中返求最优可靠度分配的算法进行研究,提出了一种比较简单实用的实现算法,该方法的优点在于：简单实用,易于编程和实现,解决参数化编程求解问题。     

基于WDM传输网的动态路由算法

波分复用技术(WDM)作为一种公认的最佳光纤扩容技术已被广泛应用在国际和国内长途骨干网上。路由算法与波长分配(RWA)是WDM网中的重要技术之一,评价RWA算法的一个重要标准是网络阻塞率。采用合适的路由算法可以大大降低网络的阻塞率。该文采用一种结合了再生节点选择的动态RWA算法来解决WDM网中的波长路由问题,并通过光纤通道拓扑的优化算法来进一步优化。通过建模仿真,研究了NSFNET网络优化前后阻塞率的变化,仿真的结果证明采用该优化算法可以降低网络的阻塞率。     

一种快速模糊ARTMAP神经网络算法

模糊ARTMAP神经网络学习算法可以动态高效地检测新闻文本中的模式,但随着网络大小的增加收敛速度变慢,计算复杂,鲁棒性不高。因此提出了一种快速模糊ARTMAP神经网络算法。该算法主要提出了新的匹配函数和激励函数,不需要规范化和补码计算步骤,去除了匹配跟踪过程,当发生未遂节点为赢得竞争的节点时,直接建立一个新的模板层的类标识。算法的革新之处在与既能动态维持聚类结构同时又减少了算法的复杂性。实验结果证实了该算法在合理时间内产生了高质量的模式发现。     

A dynamic programming algorithm for days-off scheduling with sequence dependent labor costs

This paper presents a dynamic programming (DP) algorithm for solving a labor scheduling problem with several realistic days-off scheduling constraints and a cost structure that depends on the work sequence for each employee. The days-off scheduling constraints include the following: (1) each employee is assigned no more than three workdays per week, (2) each employee is assigned at least two consecutive off days per week, and (3) any work stretch cannot exceed four consecutive workdays. The sequence-dependent cost structure assumes that the daily wage of each employee depends on two factors: (1) whether the given workday is weekend or a regular workday, and (2) the sequence of work patterns assigned in previous days. A DP algorithm suited to instances of moderate size is used to determine the optimum work assignments that minimize the total labor cost, while satisfying the work demand under the stated constraints.     

基于混合遗传算法的人体运动捕获数据关键帧提取

为实现基于最佳关键帧集合的人体运动的紧致表示,提出一种遗传算法与单纯形法结合的人体运动捕获数据关键帧提取方法。以重构误差最小化和压缩率最优为目标,定义适应度函数,度量重构运动与原始运动之间的重构误差,通过关节位置和关节速率加权计算,并考虑数据的运动特性。利用背景知识对初始种群的个体进行优化,保证进化的良好基础和种群的多样性。将遗传算法和局部搜索技术结合,提高算法运行效率和求解质量。实验结果表明,该方法能够高效地从运动捕获数据中提取出最优的关键帧集合,较好地满足运动数据的紧致表示,且能高质量重构其它帧。     

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。     

基于单纯形法的PID控制器参数优化设计

对于热工自动调节系统中PID控制器参数优化问题,该文提出了一种先进方法,即采用MATLAB优化工具箱来优化PID控制器参数。文中先介绍了工具箱的主要特点,然后给出了在约束条件下的优化算法。若考虑采用时间和误差的绝对值乘积的积分(即IATE准则)作为目标函数,采用单纯形法来进行PID参数寻优,则使目标函数为最小就可以达到控制系统优化的目的。文中给出了优化设计的过程。最后,仿真结果和分析表明了单纯形法在PID控制器参数优化算法中是适用的,改善了控制系统的动态性能。     

一种贝叶斯网络分类器集群式参数学习的降噪算法

文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源。进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法。从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止噪声影响,而且避免分类器的过度拟合,进一步拓展采用集群式学习算法的鉴别式贝叶斯网络分类器在多类问题上的应用。最后,实验结果及其统计假设检验分析充分验证此算法比目前的集群式贝叶斯网络参数学习方法得到的分类器在性能上有较显著提高。     

多层前馈网络的一种快速算法

多层前馈网络是目前研究得最多和应用最广泛的神经网络之一，其基本算法为误差反向传播（ＥＢＰ）算法，但存在收敛速度慢和局部极小的问题。本文利用递归最小二乘算法来训练多层前馈网络，ＲＬＳ算法具有收敛速度快，抗噪声能力强等优点，还克服了常规ＢＰ算法中学习率选取困难的缺点。仿真结果说明了本文方法的有效性。     

一种混合量子粒子群算法在神经网络设计中的应用

将混合量子粒子群算法（HQPSO）应用于神经网络设计,可以在对网络拓扑结构优化的同时对连接权重进行求解。该算法引入了选择机制,使优势粒子得以保留,并在训练后期使用BP算法提高训练精度,具有较高的进化效率。通过对混沌时序信号的预测,表明HQPSO算法改进了神经网络的学习性能和泛化能力。     

基于量子果蝇优化的认知无线网络频谱分配*

将频谱分配的二进制编码转化为量子序列编码,提出一种基于量子果蝇优化的认知无线网络频谱分配方法。首先,将果蝇优化算法(FOA)转化为量子果蝇优化算法(QFOA)算法,拓展FOA算法的应用范围;然后,采用选择、交叉、变异操作改进QFOA算法,提高算法收敛速度,增加样本种群多样性,避免算法陷入局部最优;接下来,利用改进QFOA算法对频谱分配的量子序列进行寻优,寻求最优的网络效益或者用户公平性,得到网络整体性能最优的频谱分配策略。仿真结果表明,改进的QFOA算法收敛速度快且跳出局部最优能力强,应用到认知无线网络频谱分配中,增加了网络资源利用率,提高了网络的整体性能。     

Load scheduling for multiple quay cranes in port container terminals

This paper proposes a method to schedule loading operations when multiple yard cranes are operating in the same block. The loading scheduling methods in this paper are based on a genetic algorithm and a simulated annealing method, which consider interferences between adjacent yard cranes. It attempts to minimize the make-span of the yard crane operation. We consider the container handling time, the yard crane travel time, and the waiting time of each yard crane, when evaluating the makespan of the loading operation by yard cranes. An encoding method considering the special properties of the optimal solution of the problem is suggested. Numerical experiment was conducted to compare performances of the algorithms suggested in this study. Received: June 2005 / Accepted: December 2005     

云计算调度算法综述

对当前云计算的调度算法进行了综述;介绍和分析了在云计算调度算法领域里比较有代表性的两个基本的算法——遗传算法和粒子群优化算法;最后对今后的研究方向进行总结和展望。     

基于包对推测丢包率的简化算法

在进行网络测量时，有时只能获得端到端的数据，然而得到网络内部的信息对网络性能的认识是非常重要的，因此就需要从网络端到端测量得到的数据推测网络内部链路的数据。本算法是基于单播网络的端到端测量的，利用包对进行统计，运用最大似然估计和EM算法进行计算，从而推算网络内部节点的丢包率。我们在文中给出了算法的逻辑分析和仿真结果。     

粒子群优化算法

系统地介绍了粒子群优化算法，归纳了其发展过程中的各种改进如惯性权重、收敛因子、跟踪并优化动态目标等模型。阐述了算法在目标函数优化、神经网络训练、模糊控制系统等基本领域的应用并给出其在工程领域的应用进展，最后，对粒子群优化算法的研究和应用进行了总结和展望，指出其在计算机辅助工艺规划领域的应用前景。     

一种跨VLAN的网络拓扑发现算法

网络拓扑发现是图形化网络管理的基础。该文提出了一种跨虚拟局域网(VLAN)的物理网络拓扑发现算法。算法基于以太网技术,被管理设备支持SNMPv2。分别对实现了Bridge MIB,部分或没有实现Bridge MIB、服务器和路由器等节点提出了自动发现方法。算法应用于华北电力大学校园网的综合智能网络管理系统中,取得较好的成效。     

一种求解函数优化的混合蚁群算法*

将遗传算法与蚁群算法中的协同模型进行有机结合,在蚁群算法中引入交叉、变异、选择算子来改进基本蚁群算法,克服了蚁群算法不太适合求解连续空间优化问题的缺陷。通过测试函数表明该方法具有较好的收敛速度和稳定性,求解结果好于遗传算法。     

Network aware dynamic context subscription management

Context-awareness is a key requirement in many of today’s networks, services and applications. Context management systems are used to provide access to distributed, dynamic context information. The reliability of remotely accessed dynamic context information is impacted by network delay, packet drop probability, its information dynamics and the access strategy used. Due to the characteristics of the different access strategies, different levels of reliability of context information can be ensured, but at the same time, these strategies lead to different access traffic which impacts also the network performance, and hence feeds back to the reliability of the information. Furthermore, different levels of QoS may be available and used in order to mitigate the impact of network performance degradation on the reliability of the dynamic context information. In this paper we describe a system and algorithms that are capable of configuring effectively context access strategies in order to maximize reliability of all accessed dynamic context information. The framework utilizes and extends existing information reliability models, and it can utilize different network performance models. Simulation results of scenarios in which the framework uses finite-buffer bottleneck performance models demonstrate the effectiveness of our algorithm to increase reliability. Furthermore, the framework is applied to a scenario with QoS classes that allows to trade off delay and loss via different buffer-size configurations.