混合生物地理优化策略

针对生物地理学优化算法全局搜索能力较弱,易于陷入局部最优解的缺点,提出了一种双向搜索的策略.在生物地理学优化算法中引入反转算子与正交实验设计的思想,以提高算法的收敛速度与全局搜索能力.通过对标准测试函数的实验,显示出新算法的高效性,并将其应用于调谐质量阻尼器参数优化问题.实验证明,该算法不但克服了原算法的缺陷,而且在精度和稳定性上也得到了显著提高.     

基于遗传策略的实时多点传送路由算法

在多媒体通信网络中,实时多点传送路由算法显得日益重要,其目的要让网络通信的费用达到最小,并且保证源节点到各目的节点的延时不超过延时约束,给出了一种基于遗传策略的实时多点传送路由处蒙混过关工假设源节点存储有整个网络拓扑构的信息,试验结果表明该算法有较好的性能。     

星图的限制性强诊断

首先证明在n维星图Sn中,当n≥3时如果存在点集S V(Sn),|S|=n-1使得Sn-S是非连通的,那么存在点v∈V(Sn),N(v)=S.进而证明当n≥3时,n+1维星图Sn+1是强n-可诊断的.即在星图系统中所有的错误点不都是某一个点v的邻点集N(v)时,n维星图Sn的限制性诊断度为n.     

具有人工蜂群搜索策略的差分进化算法

针对差分进化算法易出现早熟现象和收敛速度慢等问题,提出一种具有人工蜂群搜索策略的差分进化算法.利用人工蜂群搜索策略很强的探索能力,对种群进行引导以帮助算法快速跳出局部最优点.此外,为了提高算法的全局收敛速度,采用一种基于反学习的初始化方法.通过对12个标准测试函数进行仿真实验并与其他算法相比较,表明了所提出的算法具有较快的收敛速度和很强的跳出局部最优的能力.     

有限状态自动机的并行确定化及过程分析

本文通过对并行环境下非确定有限自动机和确定有限自动机的等价性和转换进行研究，详细分析了非确定有限自动机到确定有限自动机的并行转换方法及算法，并以实例给出了其间并行转化的过程。     

基于线性阵列网络的并行语法分析算法设计

本文提出了线性阵列LA(Linear Array)连接状态中上下文无关文法(CFG)的并行语法分析算法的设计思想,指出对形如[i,j,B→η·]的项目传递时环形拓扑结构的冗余,并以实例详细描述了线性陈列连接结构中分析存储信息的演变过程。     

求解方程组的正交差分进化算法

首先利用代理约束概念和修正极大熵函数,将非线性方程组等价地转化为无约束优化函数;然后引入平均相似度概念,设计自适应正交交叉算子,利用正交设计产生初始种群,并在此基础上提出了自适应正交差分进化算法,用于求解修正极大熵函数;最后用方程组验证了算法的有效性。     

满足QoS约束可靠的适应性多播路由算法

文章考虑了在通信网络中节点和边都存在生存概率的情况下,权衡可靠性和延迟这两个性能指标而提出的一种接近最小成本的适应性算法。利用该算法,可以避免在有些节点或边失效(或不满足某种可靠性要求)的情况下依旧选择这些节点和边的可能,有效地减少了信息传送和缩短了传输时延。这是以往多播(multicast)算法中很少考虑的情况。数值实验表明,这种算法是快速而有效的。且算法的时间复杂度为O(m｜D｜logn)。     

高效求解多峰值全局优化的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,将区间算法和遗传算法进行融合,提出了一种区间-遗传算法。该算法利用区间算法为遗传算法的搜索区域进行定界,同时采用拒绝指标可使包含全局最优解的区间更容易被选择,而且算法通过遗传算法提供的问题全局最优解的上界可对那些不包含全局最优解的区间进行删除。对一些多峰值全局优化问题进行了仿真实验,结果表明:该算法相比传统区间优化算法更加有效,而且随着问题维数的增大,算法的高效性更加明显。     

基于混合方式的贝叶斯网络等价类学习算法

贝叶斯网络(BN)是不确定知识表示和推理的主要方法之一,是人工智能中重要的理论模型.针对现有混合方法学习BN结构不稳定、容易陷入局部最优等问题,本文将图论中的最大主子图分解理论与条件独立(CI)测试相结合,同时引入少量的局部评分搜索,提出一种新的基于混合方式的BN等价类学习算法.新算法通过确定所有变量的Markov边界构造网络的无向独立图,并对无向图进行最大主子图分解,从而将高维的结构学习问题转化为低维问题,然后利用低阶CI测试和局部评分搜索识别子图中的V结构.理论证明以及实验分析显示了新算法的正确性和有效性.