求解双边装配线平衡问题的改进蚁群算法

结合第2类双边装配线平衡问题(TALBP-2)的特点,提出了一种改进蚁群算法.针对TALBP-2中操作间的序关系,对分配至同一个边工位中相邻的两项操作间定义了一种新的信息素;提出了一种新的定界策略,根据所得的最好解,减小工位时间的上界,利用已分配工位的平均实际作业时间界定工位时间的下界,缩小蚂蚁的搜索空间;针对TALBP-2提出了一种新的操作分配准则,根据所定义的3种理想操作的优先分配权限分配操作;提出了一种边工位确定原则,平衡两边工位时间的增加速度.算例的比较结果表明算法有较好的求解效果和稳定性.     

基于开发者多元特征的软件缺陷自动分派方法

软件缺陷修复是软件生命过程中一个不可忽视的问题,如何高效地进行软件缺陷的自动分派是一个十分重要的研究方向。目前已有的研究方法多侧重于缺陷报告的文本内容或开发者抛掷网络中的浅层信息,而忽视了开发者抛掷网络中的高层次拓扑信息。为此,提出了一个基于开发者多元特征的软件缺陷自动分派模型MFD-GCN。该模型充分考虑开发者抛掷网络中的高层拓扑特征,并运用图卷积网络强大的网络特征提取能力,充分挖掘出代表开发者深层合作关系和修复偏好性的多元特征,并与缺陷报告文本特征一起训练分类器。模型在两个大型开源软件项目Eclipse和Mozilla上进行实验,实验结果表明,相比近年来提出的主流分派方法,MFD-GCN模型在推荐前K个开发者时均取得了较好的推荐结果,其中,在Eclipse项目上Top-1推荐准确率达到了69.8%,在Mozilla项目上达到了59.7%。     

求解六峰值驼背函数优化问题的热力学演化算法

作为计算智能关键技术的演化计算,因其在对复杂和非线性问题的求解中表现出良好的适应性、并行性、鲁棒性等众多优点,受到众多领域专家学者的广泛关注.在综合国内外演化计算研究现状的基础上,基于热力学中的自由能极小化原理,设计了一个全新的热力学演化算法,并通过对于六峰值驼背函数优化问题求解的数值试验,测试了热力学演化算法的优良性能,试验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优.     

一种采用线性递减步长的自组织迁移算法

自组织迁移算法（SOMA）是一种新型的群体智能算法。在对原始自组织迁移算法分析的基础上,针对基于随机变异步长的自组织迁移算法存在的不足,提出了线性递减步长策略,即有针对性地以线性方式动态调整步长,以满足群体迭代在不同阶段的需求,从而加速群体在多峰复杂空间中收敛速度的同时提高算法的局部搜索能力。实验结果表明,该算法优于原始自组织迁移算法和基于随机变异步长的自组织迁移算法。     

动力学演化算法的模糊控制器多参数优化

模糊控制是一种非线性的控制方法,其性能在很大程度上取决于模糊控制规则、量化因子及比例因子,但传统的靠专家经验设计规则的方法不能根据被控对象的状态对模糊控制规则进行实时、动态的调整,而且对量化因子和比例因子也是根据经验选取,因此控制效果有时很难保证。提出了一种利用动力学演化算法自动对控制规则的调整因子、量化因子及比例因子进行优化。仿真实例表明了这种设计方法的可行性和良好的控制效果。     

一种适用于多媒体通信的无环路实时组播路由算法

随着多媒体业务的发展,组播通信在考虑代价的同时对实时性要求也更高,本文提出了一种无环路的实时组播路由算法,还对算法的动态化进行了讨论,该算法适合于有源的多媒体通信。     

基于RMSprop的粒子群优化算法

粒子群算法对所有粒子采用相同的惯性权重,忽视了单个粒子的特性,导致收敛精度偏低且易陷入局部最优.结合RMSprop算法中对每一个维度进行自适应设置的策略,提出一种自适应惯性权重粒子群优化算法RMSPSO.考虑粒子每一个维度的速度变化及动量,进行自适应动态惯性权重设置,使算法在全局寻优和局部寻优之间达到良好平衡.选取10...     

基于布朗运动的改进粒子群优化算法*

为了改善粒子群优化算法的收敛速度,在布朗运动和伊藤过程的启示下,提出了一种混合布朗运动和粒子群优化算法这两种思想的改进算法。通过对布朗运动和伊藤过程进行抽象,设计了漂移算子和波动算子。漂移算子保留了粒子的位置属性,但没有了速度属性,并引入了吸引子的概念,借鉴差分变异算子设计了波动算子。通过解决典型的复杂函数优化问题,实验结果表明,改进算法具有收敛速度快的特点,并具有良好的健壮性和稳定性。     

一种基于输运理论的多目标演化算法

提出了一种根据输运理论中的粒子输运方程、相空间能量定律和熵增法则构造的一种能够准确、高效地求解多目标优化问题的多目标演化算法(MOPEA).由于该算法使用了粒子系统从非平衡达到平衡的理论来定义求解多目标问题的Rank函数和Niche适应值函数,使得种群中的所有个体都有机会参与演化操作,以达到快速、均匀地求出多目标优化问题的Pareto最优解.数据实验显示,利用该算法求解多目标优化问题不仅能够使算法快速地收敛到全局Pareto前沿,同时由于该算法要求所有的粒子都要参与杂交和变异等演化操作,从而避免问题早熟现象的出现,并通过与传统演化算法的性能指标分析比较说明,使用该算法求解多目标优化问题具有明显的优越性.     

二次演化建模在实时仿真中的应用

遗传程序设计在复杂系统的建模中表现出智能性，自适应性等特点，它可以找出能描述系统的静态和动态过程一系列相关联的函数或微分方程，为描述复杂系统提供了一种有效的手段，针对传统的遗传程序设计方法的搜索效率低，所建模型的精度不高等缺点，提出了一种新的演化建模算法：二次演化建模，该算法引入人工智能中的系统公告板来公布最好的树及其子树，从而加速了优化过程，使之达到实时仿真的目的，并将其应用于描述一个实时仿真系统－－轮机仿真系统，并结合仿真系统的特点来指导遗传算法，减少其搜索的盲目性，实验的结果表明无论在算法的求解速度还是模型的精度上二次演化建模算法均优于传统的遗传程序设计方法。