极值优化算法研究

极值优化算法是一种新的、通用的启发式优化方法.其基本思想是更新适值最差的变量,提高目标函数的适值.极值优化算法(EO)由于它的简单易于实现和强大的功能,已受到学术界的广泛关注.介绍了基本的EO算法、若干类改进的EO算法及其原理和应用,并讨论将来可能的研究内容.     

基于梯度拥挤度的多样性保持策略的MOEA

为了在多目标演化算法解决问题时保证解集的多样性,提出了一个有效的梯度拥挤度多样性保持策略,以及基于该保持策略的多目标演化算法;设计了多样性的熵度量准则,以及多样化种群初始策略.实验证明,提出的算法在种群多样性保持方面取得了较好的效果.     

面向人工智能系统能力培养的计算机视觉实验教学改革

针对人工智能专业知识多,教学重点侧重算法研究,学生缺乏贯穿底层硬件和芯片算法的系统级开发能力等问题,以计算机视觉独立实验课为例,提出计算机视觉实验教学改革方法,从人工智能人才培养面对的问题着手,阐述如何设计实现华为昇腾嵌入式边缘设备Atlas200DK开发板的端到端系统实验,如何引入翻转课堂教学模式与思政元素,实现课程改革评价与反馈,最后通过案例分享和实验过程中的调查问卷总结分析说明教学效果。     

基于空间投影和关系路径的地理知识图谱表示学习

近年来,类人智能技术和相关产品飞速发展,这在很大程度上得益于完备知识图谱的构建,特别是以地理为代表的基础教育知识图谱。传统的知识图谱采用网络知识组织形式进行表示,计算复杂度较高,而且三元组的知识表示形式不能有效地度量和利用实体间语义关联关系。该文构建了基于空间投影和关系路径的知识表示学习算法—PTransW(Path-based TransE and Considering Relation Type by Weight)模型,该模型结合空间投影和关系路径来对翻译模型进行扩展,并加入关系类型的语义信息进行改进。最后,在FB15K数据集和GEOGRAPHY数据集上训练并做链接预测实验。实验结果表明,PTransW模型对复杂关系的建模能力取得了较大地提升;对于规模较小的数据集,复杂度低的TransE和TransR模型将会训练得更充分;但是PTransE和PTransW模型由于利用了关系路径和反向关系中的语义信息,在关系预测方面有很大的优势。     

改进的基于AdaBoost算法的人脸检测方法*

针对传统AdaBoost算法的不足,分析了训练过程中出现的退化问题及样本权重扭曲的现象,并提出了解决这一问题的有效方法.该方法对样本权重的更新规则进行了适当的调整,即为每一轮循环设定一个权重更新阈值,根据样本是否被错误分类以及当前权重是否大于该阈值来更新样本权重,从而限制了困难样本权重的过分增大.使用该方法训练级联人脸检测器,试验结果表明,该方法较好地解决了传统AdaBoost算法所出现的退化问题,在保证检测率的同时降低了误检率.     

用演化算法求解抛物型方程扩散系数的识别问题

基于演化算法给出了一类求解参数识别反问题的一般方法,该方法表明只要找到好的、求解相应的正问题的数值方法,演化算法就可以用于求解此类反问题。设计有效的求解反问题的演化算法的关键是寻找一种适合反问题的解空间的编码表示形式、适当的适应值函数形式以及有效的计算正问题的数值方法。该文结合算法、传统的求解反问题的工方法和正则化技术,设计了一类求解参数识别反问题的方法。为验证此类方法,将其用于求解一维扩散方程的     

利用多尺度分析方法求解KdV方程和KdV—Burgers方程的格子Boltzmann模型

本文建立了用格点法解一般偏微分方程(PDE)的理论框架,构造出求解KdV方程及KdV—Burgers方程的三速格子BGK模型。引进三种时间尺度,利用多尺分析求出Boltzmann演化方程的平衡分布函数。     

温度可控的求解 TSP问题的模拟退火算法*

在现有求解 TSP 问题的模拟退火算法的基础上,通过引入新的两点算子以及利用fprintf()函数﹑fscanf()函数和全局变量的作用,提出了一种温度可控的模拟退火算法。对CHN144 以及标准的TSPLIB 中不同国家的城市的数据进行测试。测试结果表明,该算法很容易收敛到问题的最优解。     

多线程并行紧致遗传算法的种群多样性研究

提出了一种新颖的多线程并行紧致遗传算法,该算法通过引入多线程机制来提高种群的多样性.基于连续优化问题的实验结果表明,所提出的多线程并行紧致遗传算法能够获得更好的种群多样性和取得更好的解质量.该算法同样可以应用到其他的演化计算领域.     

一种改进的多目标优化算法

为了提高非劣解向Pareto最优面收敛的速度以及解的多样性,设计了一种新的杂交算子并改进了NS-GA-Ⅱ算法。在此算法中,采用中心均值重组算子策略增强算法全局快速搜索能力,以获得最佳的Pareto近似解,同时,改进NSGA-Ⅱ快速非支配排序和拥挤机制将父代与子代的双种群进行截短,确保最优解不会丢失并保证解的多样性。数据实验表明,该算法能在解的收敛性、分布性以及自适应程度上均表现较好。