群居蜘蛛优化算法在水位流量关系拟合中的应用

针对水位流量关系拟合中相关参数难以确定的不足,利用一种新型群体智能仿生算法——群居蜘蛛优化算法(SSO)优化水位流量关系的相关参数,以云南省丽江仁里站和总管田站水位流量关系拟合为例进行实例研究,并与粒子群优化算法(PSO)、最小二乘法(LSM)拟合结果进行对比。结果表明:SSO算法对仁里站和总管田站水位流量关系拟合的平均相对误差绝对值分别为0.57%、0.53%,拟合精度优于PSO、LSM算法。SSO算法具有收敛速度快、全局寻优能力强等特点,利用SSO算法优化水位流量关系可以获得更好的拟合效果。     

交往异化与当代大学生群居孤独感分析

科技让生活变得更加美好,但也让我们成为各种电子产品的奴隶。人与人之间的沟通越来越方便,但孤独感也越来越强。大学生群居却孤独的状态很大程度上影响其心理健康、情绪状态及其行为表现。孤独感不仅仅是一种主观体验,而且是衡量心理是否健康的一个标准。应对孤独,需要大学生自身、学校从塑造人格、提高社交技巧、理性对待社交网络等多个方面入手。     

聚集经济性——对《企业群居之谜：集群经济学研究》的点评

从本质上说,互联网一定是生态的,或者说,一定要成为生态的,那么阿里巴巴就必须探索将关系和信任构成的社会网络全球化的有效途径。     

联合模糊聚类和多样本SSO优化SVR的配电通信网络流

针对电力通信网络流量预测问题,提出了一种联合模糊聚类和多样本群居蜘蛛优化（social spider optimization,SSO）SVR的配电网络流量预测方案。针对配电网络流量时序非线性、周期性特点,首先采用自适应模糊聚类方法（adaptive fuzzy C-means clustering）对流量样本数据进行预处理,实现了样本数据聚类自动划分,有效降低了流量数据短相关性对预测精度的影响;然后利用多样本SSO优化算法（multi-sample social spider optimization algorithm）对SVR预测模型参数进行优化,通过引入多样本、网格迭代进化策略,从而得到不同流量数据聚类对应的最佳SVR参数组合;最后,运用多样本SSO优化SVR模型对预测数据进行预测分析。仿真结果表明,同ARIMA、神经网络等配电网路流量预测模型相比,提出的预测方案预测精度提高了18.8%~34.1%。     

多峰函数优化的改进群居蜘蛛优化算法

针对群居蜘蛛优化（SSO）算法求解复杂多峰函数成功率不高和收敛精度低的问题,提出了一种自适应多种群回溯群居蜘蛛优化（AMBSSO）算法。引入自适应决策半径概念,动态地将蜘蛛种群分成多个种群,种群内适应度不同的个体采取不同的更新方式,提高了种群样本多样性;提出回溯迭代进化策略,在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,保证了算法全局寻优能力。高维多峰函数仿真结果表明,同SSO算法、PSO算法等优化算法相比,AMBSSO算法具有较快的收敛速度和较高的收敛精度,尤其适用复杂高维多峰函数优化问题。     

兰寿珍珠鸡上了重庆百姓餐桌

<正>“原生态的兰寿珍珠鸡,今年将达20万只,打造中国商品珍珠鸡第二。”“重庆市主城有37个农贸市场点,特别是阳光、南山、四公里市场珍珠鸡销量很好……”重庆涪陵兰寿家禽养殖场董事长杨忠奎在接受采访时说。5月31日上午10点钟,笔者冒雨来到了重庆涪陵荔枝百灵五组,在有734亩松树森林的兰寿原生态珍珠鸡养殖场,看到一座座的松树山峰,几排养殖厂房,在     

向上的青春化“蚁”成蝶

他们多是80后大学毕业生,虽接受过高等教育,但收入微薄,主要聚居于城乡结合部或近郊农村。他们跟蚂蚁一样,高智、弱小、群居,因此被称为“蚁族”。     

基于反向学习的群居蜘蛛优化WSN节点定位算法

针对启发优化算法在WSN节点定位问题中定位精度不高和收敛速度较慢的缺陷,提出基于反向学习的群居蜘蛛优化WSN节点定位算法.为减少前期随机搜索,所提出算法首先通过Bounding-box方法得到未知节点可能存在的区域,在该区域初始化启发个体,并将加权中心反向学习策略与群居蜘蛛群优化算法相结合,求解未知节点估计位置,提高算法全局搜索能力.仿真结果表明,相比于传统算法,所提出算法收敛速度更快,节点定位精度更高.     

联合改进核FCM与智能优化SVR的WSNs链路质量预测

为提高无线传感器网络（WSNs）链路质量预测精度和降低噪声影响,提出了一种联合改进核FCM与智能优化SVR （improved kernel furry c-means and intelligent support vector regression,IKFCM-ISVR）的WSNs链路质量预测方案.首先将基于紧致度和离散度的有效性指数引入核FCM方法,实现样本集聚类个数自动划分;然后采用改进核FCM方法对链路质量样本数据进行处理,获得样本聚类隶属度;在此基础上,构建群居蜘蛛优化SVR预测模型,采用基于"动态折射"学习机制的群集蜘蛛对模型参数进行优化,得到不同聚类最佳SVR参数组合;最后采用IKFCM-ISVR算法对不同实验场景下的WSNs链路数据进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测精度提高了36.8~68.4%.     

WSNs中基于期望网络覆盖和分簇压缩感知的数据收集方案

为提高无线传感器网络数据收集精确度、降低网络能耗和改善数据包丢失情况下数据收集算法的鲁棒性,提出一种基于期望网络覆盖和分簇压缩感知的数据收集方案.首先设计期望网络覆盖优化算法,给出节点调度策略,实现对“特殊”区域重点观测和降低节点能耗的目的;然后通过分析网络分簇与节点部署之间的关系,设计弱相关性观测矩阵,降低数据包丢失对数据收集的影响;最后引入群居蜘蛛优化算法以提高汇聚节点处CS数据重构精度.仿真结果表明,与其他数据收集算法相比,所提出方案数据重构误差降低了约23.5{%