动态适应布谷鸟搜索算法

介绍一种新的生物启发算法—–布谷鸟搜索(CS)及其相关的L′evy飞行搜索机制.为了进一步提高算法的适应性,将反馈引入算法框架,建立了CS算法参数的闭环控制系统.将Rechenberg的1/5法则作为进化的评价指标,引入学习因子平衡种群的多样性和集中性,提出动态适应布谷鸟算法(DACS).最后,通过数值实验验证了所提出算法的有效性.     

自然计算在九大高新技术领域的应用研究

在上海市重点发展的九大高新技术领域,对自然计算的内涵及应用进行了简介,综述了自然计算内涵的各类技术,在国内外九大高新技术领域的应用现状。通过应用现状对比,分析国内外应用的差距与优势,提出相应的改进意见,最后对自然计算进一步的应用前景进行了总结与展望。     

基于学习风格模型的学生分组优化方法

分组学习通过组内成员的交流与优势互补实现更高效的学习。但随机分组或指定分组很难全面考虑学习风格对学习效果的影响。文章应用Felder-Silverman学习风格模型表达学习者特征,以组内学习风格多样性和组间学习风格均衡性为目标,采用人工蜂群算法优化分组。对比固定分组,优化分组可有效兼顾组内多样性和组间公平性。通过对比小组任务和个人任务得分率,证实了优化的分组可提高学习效果。     

工程教育学习风格分析及因材施教策略研究

在教学中尊重学习风格差异性,对贯彻执行因材施教原则及体现工程教育OBE理念具有重要作用.基于Felder-Silverman学习模型,对90名研究生的学习风格进行调查分析,获得受测试学生在信息的加工、感知、输入、理解四个维度上的学习行为偏好.针对学习风格差异提出相应教学方法、教学设计改进策略,以提高课程教学质量和学习成效.以研究生学位课程"最优控制"为例,设计了具体的教学改进策略,为探究个性化教学策略提供了支持.     

基于元启发的学生耐力典型评价标准研究

为了解决学生耐力典型评价标准中台阶试验和耐力跑评分标准不一致的问题,引入单边和对称Kullback-Leibler距离,作为不同得分评价体系所决定的耐力跑学生得分概率分布与台阶实验得分概率分布的测度,使用基于元启发算法评价体系的5个算法对两种问题分别进行了求解。比较结果显示,DE在求解单边和双边KL距离问题时,均展现了较好的特性。实验同时证实,最佳算法得到的新得分体系显著缩短了与台阶实验概率分布的KL距离,说明通过优化得分体系提高耐力跑测试科学性的尝试具有可行性。     

自然计算发展趋势研究

文章对自然计算的内涵进行了分类归纳,包括进化计算、生物启发计算、群体智能等,指出了各子类最显著的特点。在此基础上,介绍了自然计算最主要研究领域的发展趋势。讨论并证实了自然计算的有效性、内涵的丰富性及其巨大的发展空间。     

基于协同过滤的连续黑箱优化问题元启发算法选择

算法选择(AS)问题旨在为给定问题在算法集合中选择最佳算法.随着优化算法的不断提出,算法选择问题是优化领域亟待解决的问题.提出基于聚类的元启发算法五星评价体系,将算法性能指标映射至整数评价以减小评价空间.通过测试24种常见优化算法与4种最新CEC大赛优胜算法在219种、3000多个标准测试问题上的性能,得到评价矩阵.将评价矩阵作为训练数据,使用协同过滤(CF)算法建立算法评价的预测模型.使用该模型预测算法集内的所有算法在新问题上的评价,结果显示所提出方法预测精度较高,超过90%的预测最佳算法为最终可行算法.敏感性分析显示,该方法在先验信息有限的情况下仍可以保持较高的预测精度.     

基于COA-GRU的低成本气体传感器数据修正方法

针对低成本气体传感器在受到温度、湿度、压力、气体交叉干扰等影响时检测精度低的问题,提出了一种长鼻浣熊-门控循环单元神经网络(COA-GRU)的修正模型,用于提高传感器检测精度。首先,根据低成本传感器的非线性特性构建了GRU修正模型;其次,利用COA算法解决修正模型的多局部极值以及参数组合寻优问题;最后,利用低成本传感器组以及H200D气体检测装置的实测数据对该方法进行了仿真实验。结果表明,使用COA-GRU修正模型后,SO₂、CO、NO₂、CO₂传感器的平均绝对误差分别降低了72.0%、28.4%、29.6%、13.5%,能够有效提高低成本传感器的检测精度。     

自适应编码蜂群算法求解连续批量统一模型

针对连续生产过程与间歇生产过程混合的生产调度问题,建立了统一优化模型.使用随机比例法对调度任务序列进行二次编码,并使用波动修正稳定设备生产效率.对最大完工时间评价准则进行修正,引入最小停机次数准则,细化解的评价层次.使用蜂群算法使种群搜索最优解,并通过逆向解码得到调度序列.将所提算法应用于化工企业烧碱生产过程,并与文献所给出的结果进行比较分析,证明了算法的有效性.