求解TSP的交配算子设计策略

旅行商问题(TSP)是一类典型的NP完全问题,遗传算法(GA)是求解这类问题的常用方法之一.由于该问题的解是一种特殊的序列,一些典型的GA交配方法在求解该问题时的性能并不理想.通过多次对比两种常用的GA交配方法与3种专门为TSP作优化的交配方法,总结了一种对旅行商问题的交配算子的设计策略,即注重对双亲的边继承以及加入适当的贪心控制策略.通过对Gr17、Oliver30、Eil51、Eil76和Krob100等测试数据进行实验,证明了在该策略的指导下改进的两种交配算子具有更好的表现.     

马蹄茅根汁清凉饮料的研制

本文对马蹄茅根汁清凉饮料的制作过程进行了研究、并对马蹄、茅根汁提取工艺及饮料配方进行了探讨。     

蚯蚓复合调味汁的开发

本文报告了以蚯蚓与大豆为原料,采用酸法水解生产动物蛋白水解液、酶法水解生产植物蛋白水解液、再利用多种香辛料提取液进行去腥、调香,选出最佳的配方。     

基于概率评估差分进化的多峰值优化

多峰值优化问题要求算法同时找到一个问题的多个全局最优解。近年来,演化算法已被广泛用于求解多峰值优化问题。然而,如何在极其有限的适应值评估次数内找到问题的多个全局最优解依然为演化算法带来了巨大的挑战。通过分析个体的历史更新经验,为每个个体赋予双层适应值评估概率,对个体进行选择性评估,从而减少算法运行过程中无效或低效的适应值评估,提出了一种基于概率评估差分进化的多峰值优化算法。实验结果显示,概率评估机制可以为算法节省更多的适应值评估次数,增加迭代过程,效果远好于其他主流的多峰值优化算法。     

计算智能最新进展

《国家中长期科学与技术发展规划刚要》对智能化提出了重大的需求。计算智能算法作为一种实现智能化的方法,在国内外受到了广泛的关注。特别是针对物联网、云计算和大数据等环境下日渐复杂的最优化问题而开展的算法设计以及算法应用研究迅速发展。本文对计算智能算法在自适应控制、并行与分布式处理、普适优化空间拓展、动态不确定性优化和多目标优化等算法设计方面,以及计算智能算法应用方面的最新进展进行介绍。     

基于随机惯量权重的快速粒子群优化算法

在6个标准测试函数的基础上,对惯量权重进行了调查研究,并且分析了惯量权重对算法的影响,提出了一种让惯量权重的取值随机均匀地落在区间[0.4,0.6]内的新方法,用以平衡全局搜索能力和局部开发能力.数值实验的结果表明,该方法比传统的权重线性递减(LDW)具有更快的收敛速度并且能获得更好的解.     

线上互动式教学模式新探索

针对直播式线上教学的特点与优势,提出教学过程中有效和高效的线上互动新模式,阐述如何充分利用线上资源和在线手段来拓宽互动形式、增加互动频率、提高互动效率和增强互动效果,探索如何在线上教学过程中更加有效和高效地进行互动式和启发式教学,目的是争取借助网上优质资源,提供更好的教学方式方法,达到更好的教学效果。     

基于双模式变异策略的改进遗传算法

针对基本遗传算法寻优速度慢且易陷入局部最优的缺陷,提出了一种基于双模式变异策略的改进遗传算法。在标准变异的基础上引入个体线性差分变异思想形成双变异模式,同时利用控制参数对两种变异模式加以平衡。通过10个基准测试函数仿真实验,结果表明本改进算法在寻优速度和全局收敛能力上都有较大的提高。     

面向多峰优化问题的双层协同差分进化算法

多峰优化问题是一类存在多个全局最优解的复杂优化问题,不仅要求算法找到尽可能多的最优解,而且要求算法尽可能提高所找到的最优解的精度.演化计算方法是求解这类问题的重要手段.但是传统演化计算方法面临多样性和收敛性两个方面的挑战.针对这两个方面的挑战,提出了一种通过探索层和精炼层协同演化的双层协同差分进化算法.在探索层中,每个...     

面向大规模特征选择的自监督数据驱动粒子群优化算法

大规模特征选择问题的求解通常面临两大挑战:一是真实标签不足,难以引导算法进行特征选择;二是搜索空间规模大,难以搜索到满意的高质量解。为此,提出了新型的面向大规模特征选择的自监督数据驱动粒子群优化算法。第一,提出了自监督数据驱动特征选择的新型算法框架,可不依赖于真实标签进行特征选择。第二,提出了基于离散区域编码的搜索策略,帮助算法在大规模搜索空间中找到更优解。第三,基于上述的框架和方法,提出了自监督数据驱动粒子群优化算法,实现对问题的求解。在大规模特征数据集上的实验结果显示,提出的算法与主流有监督算法表现相当,并比前沿无监督算法具有更高的特征选择效率。