多目标同顺序流水作业的局部搜索算法

针对求解最小化最大完工时间和总流程时间的多目标同顺序流水作业问题,提出了一个多目标局部搜索算法。针对两个目标,用现有的构造性算法生成两个解,作为该算法的初始解,然后从这两个初始解出发,以贪婪的方式求出新的Pareto最优解集,持续改进Pareto前沿。选择新的Pareto解的条件是该解既不被原解支配,也不被产生原解的解所支配,同时对某个目标改进最大。当所有解都陷入局部极小时,扰动已得到的Pareto解集,然后从扰动后的解集出发重新搜索。初始解和选择新的Pareto解的方法对算法性能有显著的影响。在基准问题上,与已有文献中的算法比较,结果表明所提算法的总体性能更优,特别是对较大规模的问题,此差异更具有显著性。     

一种在DL-Lite中计算本体最小不可满足保持子集的算法

在本体工程中,寻找不可满足概念或角色的本体最小不可满足保持子集是一个重要的研究课题,因为它可以提供一些有用的信息用于处理本体的不一致任务,比如分析本体、调试本体、修改本体等.现有的方法主要面向推理复杂度很高的高表达能力描述逻辑（DL）.针对低复杂度描述逻辑DL-Lite,通过分析DL-Lite中不可满足概念或角色所具有的特点,提出了一种有效地计算DL-Lite本体中不可满足概念或角色的本体最小不可满足保持子集的算法.最后将算法与当前最有代表性的算法进行了比较,结果表明所提出的算法对于DL-Lite本体来说是有效的.     

信息表中概念漂移与不确定性分析

概念漂移探测是数据流挖掘的一个研究重点,不确定性分析是粗糙集理论的研究核心之一. 结合数据流、概念漂移和粗糙集、F-粗糙集的基本观点,以上下近似为工具,定义了上下近似概念漂移、上下近似概念耦合等概念,据此分析了信息表内概念随着属性而变化的特点. 以正区域为工具,定义了决策表内概念漂移、概念耦合等概念,分析了决策表内整体概念随属性变化而变化. 在认识论方面,从理想和现实2方面定义了认识收敛, 从粒计算、粗糙集的角度对人类认识世界的方式进行了探讨.     

基于Boosting的TAN组合分类器

Boosting是一种有效的分类器组合方法,它能够提高不稳定学习算法的分类性能,但对稳定的学习算法效果不明显,TAN(tree-augmented naive Bayes)是一种树状结构的贝叶斯网络,标准的TAN学习算法生成的TAN分类器是稳定的,用Boosting难以提高其分类性能,提出一种构造TAN的新算法GTAN,并将由GTAN生成的多个TAN分类器用组合方法Boosting-MultiTAN组合,最后实验比较了TAN组合分类器与标准的TAN分类器．实验结果表明,在大多数实验数据上,Boosting-MultiTAN分类器显示出较高的分类正确率。     

用差异演化算法求解单任务Agent联盟

在多Agent 系统中, 可以通过联盟提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.将差异演化算法应用于Agent 联盟问题,可以快速、高效地找出合适的Agent 联盟.对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于相关算法.     

层次结构通用型专家系统

本文论述了一个基于层次知识结构的一般性系统的设计思想和设计方法.凡其知识可以概括为层次结构的领域,均可使用本系统,完成知识的表示、组织、扩充和利用.目前系统的知识利用操作有交互式检索浏览、自然语言(英语)问题回答、决策咨询三种.系统已在医疗诊断和农业生产咨询两个领域中显示了其实用性,是一个层次结构型通用的专家系统.它表明基于知识的模式识别的原理可以应用到人工智能专家系统的设计中.     

一个面向多种知识表示模式的抽象机的设计

HEST是一个专家系统工具,可在IBM PC及其兼客机上运行,具有在集成环境下的知识编辑、编译、推理、维护、解释等多项功能.它也是一种新的知识表示语言,支持逻辑函数两种知识表示模式.本文讨论多种知识表示模式结合的一些问题,并设计了一个面向逻辑函数相结合的知识表示语言的抽象机.此抽象机是HEST的运行子系统,还可以采用逐步扩充的办法与更多的知识表示模式结合起来.     

基于支持向量机的数据库学习算法

文中介绍了一个利用数据库中的大量数据进行决策的方法。对于仅涉及数据库中部分数据的问题,对数据库中与当前问题相关的数据采用具有强泛化能力的支持向量机方法学习分类规则和回归函数,完成对当前问题的分类和估值。支持向量机算法用非线性映射把数据映射到一个高维特征空间,在高维特征空间进行线性分类和线性回归,将原问题转化为一个凸次优化问题。上述算法实现了一个隧道工程支护设计系统,并取得了较好的效果。     

单类支持向量机的研究进展

单类支持向量机是一种用途广泛的分类器,它能够应用于负类样本难以收集的领域中,如入侵检测、故障检测与诊断和遥感数据分类等领域。因此无论在理论研究还是实际应用方面,单类支持向量机受到越来越多的关注。回顾单类支持向量机的两种主要方法,阐述各种关于单类支持向量机的改进,包括使用未标号数据、选择样本点以及修改优化目标。对单类支持向量机做了总结。     

自适应调整控制参数的差异演化算法

控制参数选取是包括差异演化在内的演化算法设计时所面临的一个重要问题,对算法的性能有着重大影响.针对差异演化算法参数选取问题,提出一种利用个体适应度作为参数调整决策依据,并结合一定的调整概率对F和CR进行自适应调整的方法,解决了手工设置控制参数的不便.同时利用交叉操作生成双子代个体与父代个体竞争形成新一代种群,加快了算法的收敛.对标准测试函数的仿真实验结果表明,该算法无论在最优解质量和收敛速度上都优于相关算法,尤其对于高维函数而言.