一个改进的物质扩散-热传导混合推荐算法

信息过载是困扰互联网发展的一项严峻挑战,而推荐系统是解决该问题的重要工具。目前已有各种推荐算法来解决互联网的信息过载问题,其中物质扩散算法和热传导算法是近年来颇受关注的两种推荐算法。物质扩散算法虽然具有较高的准确率,但推荐结果集中在少数热门物品,缺乏多样性,而热传导算法虽然具有较好的多样性,但准确率又明显偏低。本文在这两种算法的基础上进行改进提出了一个混合算法,新算法一方面在相似性计算模型上融合了两种传统算法的优点,另一方面增加了一个调节参数来抑制系统对热门物品的过度推荐。实验结果表明,在一定的参数条件下,新算法在准确率和多样性两指标上能够超越传统算法,并且该算法在平衡准确率和多样性这一对矛盾时表现得比传统算法更好。     

面向SDN的移动目标防御技术研究进展

软件定义网络是基于开放标准的灵活架构,通过控制层管理网络功能和服务,具有控转分离、集中控制的特性;移动目标防御技术致力于构建一个不断变换的环境以提高网络系统的视在不确定性,需要灵活可定制、集中可控制的网络架构加以实施,因此将移动目标防御与软件定义网络相结合已成为更具应用价值研究热点。首先,分别介绍了软件定义网络和移动目标防御的基本概念,概括了软件定义网络所面临的安全威胁,阐述了面向SDN的移动目标防御的实现模型;其次,分别从SDN数据层、控制层和应用层归纳了移动目标防御的技术方法;最后,总结了现有SDN动态防御面临的挑战,对面向SDN的移动目标防御技术发展方向进行了展望。     

基于种群多样性的可变种群缩减差分进化算法

为了更有效地避免早熟收敛,提高算法的全局搜索能力,提出了基于种群多样性的可变种群缩减差分进化算法(Dapr-DE)。首先,Dapr-DE使用群体多样性指标控制种群规模缩减;然后,使用聚类将种群分为不同类簇,在类簇中根据适应度值删除个体,既维持了种群的多样性,又减少了由于 存在过多相似个体而导致的局部收敛。最后在CEC14测试集的30个函数优化问题上进行了实验比较,验证了所提算法的有效性。     

采用多样性选择的量子粒子群双向聚类算法

双向聚类已成为分析基因表达数据的一种重要工具,可以同时从基因和条件两个方向寻找具有相同表达波动的簇。但双向聚类是一种多目标优化的局部搜索算法,处理繁杂的基因数据时容易陷入局部最优。为提高算法的全局搜索能力,提出了一种多样性选择的量子粒子群双向聚类算法（Diversify-Optional QPSO,DOQPSO）。算法首先采用DOQPSO处理基因数据,然后用改进的FLOC算法进行贪心迭代寻找双向聚类,以求得更为理想的结果。算法通过实验仿真,并与FLOC算法和QPSO算法进行比较,结果证明DOQPSO双向聚类算法具有更好的全局寻优能力,且聚类效果更佳。     

融合折射原理反向学习的飞蛾扑火算法

飞蛾扑火算法是一种新型群智能优化算法,目前已经应用于特征选择和图像分割等诸多领域。然而,传统的飞蛾扑火算法后期收敛速度不足且容易陷入局部最优,从而影响了算法的整体性能。为了提高飞蛾扑火算法的优化性能,提出了一种基于折射原理反向学习的飞蛾扑火算法（ROBL-MFO）。该算法首先在飞蛾的更新公式中引入历史最优火焰平均值,使火焰间的信息能够互相交流,提高算法的收敛能力;其次利用随机反向学习策略对解进行反向学习,扩大算法的搜索空间;最后使用折射原理对解进行折射操作,提高种群的多样性,帮助算法跳出局部最优。在六个标准实验函数上得到的实验结果表明,对比其他算法,ROBL-MFO算法拥有更好的收敛速度,且能够有效跳出局部最优。     

基于随机替换和多样性控制的花朵授粉算法

针对花朵授粉算法收敛速度慢、不易跳出局部最优、搜索精度低的问题,根据花朵授粉算法的运动特点,提出了中心随机替换策略,加快算法的搜索速度。同时为了提高算法的全局搜索能力,加入多样性控制策略,动态改变转换概率[p],增加全局搜索的概率。经六种测试函数仿真实验,该算法在加快收敛速度的同时,合理地保持算法的多样性,相比于其他启发式智能算法拥有更快的寻优速度和更好的寻优精度。     

求解离散调度问题的双机制头脑风暴优化算法

为了探讨头脑风暴算法对离散调度问题的求解能力,以柔性作业车间调度问题为应用场景,提出集成种群多样性机制和讨论机制的头脑风暴优化算法.首先,建立柔性作业车间调度模型;然后,提出双机制头脑风暴优化算法,包含增加种群多样性机制和讨论机制,并深入分析算法的关键参数,设计关键操作,提出基于扩展工序的编码方式,设计聚类算法、扰动算子和合并算子;最后,对典型算例进行仿真计算,结果表明,增加种群多样性和讨论机制的头脑风暴优化算法表现最为优异,能够有效避免算法早熟,显著提高该系列算法的寻优能力.     

基于无线电干涉的室内定位跟踪方法

无线电干涉定位系统(Radio Interferometric Positioning System,RIPS)是一种新型高精度测相定位系统,但RIPS在室内环境受多径效应影响无法进行有效定位。首先揭示了由多径引起的RIPS相位观测误差具有空间多样性特征,服从"类高斯"统计分布,然后提出基于无线电干涉的室内定位跟踪方法 RIT(Radio Interferometric Tracking)。不同于传统RIPS,RIT利多径相位误差的统计分布特性对运动速度进行估计,以此来完成室内目标的有效定位和跟踪。基于USRP N210软件无线电平台构建了原型系统,并在室内环境进行实际系统实验。实验结果表明,随着距离的增长RIT定位误差均值和中值大致稳定在80 cm和70 cm,相比RIPS分别下降了87.8%和60.7%,验证了RIT方法的有效性。     

混合拓扑结构的粒子群算法及其在测试数据生成中的应用研究

粒子群算法(PSO)的拓扑结构是影响算法性能的关键因素,为了从根源上避免粒子群算法易陷入局部极值及早熟收敛等问题,提出一种混合拓扑结构的粒子群优化算法(MPSO)并将其应用于软件结构测试数据的自动生成中。通过不同邻域拓扑结构对算法性能影响的分析,采用一种全局寻优和局部寻优相结合的混合粒子群优化算法。通过观察粒子群的多样性反馈信息,对每一代种群粒子以进化时选择全局拓扑结构模型(GPSO)或局部拓扑结构模型(LPSO)的方法进行。实验结果表明,MPSO使得种群的多样性得到保证,避免了粒子群陷入局部极值,提高了算法的收敛速度。     

一种融合个性化与多样性的人物标签推荐方法

针对人物标签推荐中多样性及推荐标签质量问题,该文提出了一种融合个性化与多样性的人物标签推荐方法。该方法使用主题模型对用户关注对象建模,通过聚类分析把具有相似言论的对象划分到同一类簇;然后对每个类簇的标签进行冗余处理,并选取代表性标签;最后对不同类簇中的标签融合排序,以获取Top-K个标签推荐给用户。实验结果表明,与已有推荐方法相比,该方法在反映用户兴趣爱好的同时,能显著提高标签推荐质量和推荐结果的多样性。