【摘 要】
：
针对经典粒子群优化(PSO)算法在算法前期易陷入局部极值、后期收敛精度低的问题,提出一种结合引力测度和质心变异策略的混合粒子群优化算法(GMCMPSO).首先,在算法初始阶段采用精英分组策略,以方便获取种群的优秀信息;其次,对两个子群采用引力测度策略,以达到种群间信息的高效共享;最后,在引力测度的引导下对一部分普通粒子进行随机变异、对剩余的普通粒子进行质心变异,以使得算法能够有效跳出局部极值和开发最具潜力的区域,并提高算法的收敛精度.将所提出的算法和经典粒子群优化(PSO)算法、萤火虫和粒子群的混合优化(
【机 构】
：
四川师范大学 计算机科学学院,成都610101
论文部分内容阅读
针对经典粒子群优化(PSO)算法在算法前期易陷入局部极值、后期收敛精度低的问题,提出一种结合引力测度和质心变异策略的混合粒子群优化算法(GMCMPSO).首先,在算法初始阶段采用精英分组策略,以方便获取种群的优秀信息;其次,对两个子群采用引力测度策略,以达到种群间信息的高效共享;最后,在引力测度的引导下对一部分普通粒子进行随机变异、对剩余的普通粒子进行质心变异,以使得算法能够有效跳出局部极值和开发最具潜力的区域,并提高算法的收敛精度.将所提出的算法和经典粒子群优化(PSO)算法、萤火虫和粒子群的混合优化(HFPSO)算法、基于分层自主学习的改进粒子群优化(HCPSO)算法、适应度依赖优化(FDO)算法共5个算法在16个标准测试函数上进行了比较,各项实验结果表明,GMCMPSO在高维多峰函数上对比其他4个算法有更高的收敛精度和更快的收敛速度.
其他文献
嗅探攻击是一种常见且隐蔽性很强的网络攻击方式,这种攻击方式对通信数据的机密性造成了严重威胁,然而传统的防御手段受制于网络攻防对抗的严重不对称性,难以有效应对这种威胁.文章提出了一种面向SDN数据层的双虚假IP地址动态跳变技术,首先利用双虚假IP地址破坏通信数据在空间维度上的关联性,然后通过周期性IP地址跳变破坏通信数据在时间维度上的关联性,从而提高嗅探攻击者重组通信数据的难度以及成本.抗攻击有效性分析以及仿真实验表明,文章所提技术在提高抗嗅探攻击能力的同时,能保证较低的CPU消耗和通信时延.
社交推荐(Social Recommendation,SoRec)模型是一类典型的融合信任信息的矩阵分解方法,在个性化推荐系统中得到了广泛的研究和应用.目前大部分SoRec模型的研究成果都是基于显式信任信息,这对于实际中难以获取显式信息的数据集无法使用,并且现有的SoRec模型尚未充分考虑不同情形下潜在因子的多变性,大大影响了推荐的准确性.为了解决上述问题,本文针对仅有评分信息的非负目标矩阵,首先利用已知用户评分信息挖掘用户间的隐式信任关系矩阵;然后基于得到的信任信息,考虑两种不同情形下用户潜在特征矩阵的
深度学习取得了巨大成就,尤其是在计算机视觉领域,已经接近人类水平.但是这些成果大多依赖于巨大规模的训练数据,在面对数据量较小的情况时,往往产生严重的过度拟合和灾难性的遗忘.最近的研究表明,采用元学习的方法可以解决此问题.元学习模型由特征提取与分类算法两个模块组成,目前大部分研究都关注于设计合适的分类算法,忽视了特征的重要性.本文认为每个类都有自身独有的一些类特征,这些特征更明显的图像更易于识别.因此提出了类特征增强的方法,借助相似类来获得类特征,在特征的层面上对图像进行增强,使提取后的特征更有利于当前的分
国家互联网信息办公室、国家发展和改革委员会、工业和信息化部、公安部、国家安全部、财政部、商务部、中国人民银行、国家市场监督管理总局、国家广播电视总局、中国证券监督管理委员会、国家保密局、国家密码管理局等十三部门近期联合修订发布《网络安全审查办法》(以下简称《办法》),《办法》自2022年2月15日起施行.
当前租赁产业版图不断扩张,不论是从物品种类还是租赁形式都在不断的推陈出新.而在传统中心化租赁平台中对租赁物的评估数据及流程中所产生的交易信息都是由专有的非透明内部数据库收集,这可能导致了系统的潜在滥用.本文利用区块链的“数据可溯源”、“不可篡改”和“去中心化”等特性,提出了基于区块链的仪器租赁模型的设计.在租赁平台中结合区块链,让出租方和承租方节点构建去中心化的区块链网络,并在在其中安装智能合约完成租赁流程.让租赁时产生的交易信息和仪器在使用时产生的数据能上传到区块链中,然后达成共识,形成区块记录在网络中
在客服服务领域,企业要求客服人员使用事先规范的标准服务流程为用户提供相关反馈服务,而由于不同的客服人员业务水平不同,有可能会导致标准服务流程未能被准确执行,影响企业效益和服务质量.所以如何实时对客服人员的实际服务流程与标准服务流程进行一致性检测并对客服人员进行“纠错”,成为当前在线客服质检中亟待解决的问题.由于需要对客服的表述进行实时的服务流程挖掘,传统的面向流程模型的一致性验证方法在时效性上无法应用于面向在线客服的服务流程一致性检测场景.口语表达不规范以及词的表述多种多样等问题,也使得一些现有基于关键词
近日,华中科技大学计算机学院“Time·前沿”论坛第三期成功举办,论坛邀请了美国南加州大学著名教授Viktor K. Prasanna作主讲,论坛采用线上形式进行.rn图神经网络(GNN)在机器学习领域的应用非常广泛,但计算开销制约了GNN的扩展性,Viktor教授介绍了GNN的发展现状及应用情况,分析了数据规模、数据复用、随机访存、负载不均和异构内核等GNN加速面临的挑战.针对这些问题,Viktor教授重点介绍了两项突破性研究成果,对优化下游应用性能具有重要意义.
针对突发重大疫情或灾害后实施应急救援过程中的物资调配急迫性与时效性以及多车型运输问题,本文构建了一种选址-调度双层模型.即,上层以总的运输代价最小化为目标,下层以配送代价(时间、距离和满意度)最小为目标的双层动态交互模型,同时考虑时间窗、配送覆盖范围限制以及运输车辆容量限制及距离等约束条件.根据模型特点,设计了一种混合嵌套算法,上层为新型排球超级联赛算法(New Volleyball Premier League Algorithm,NVPL),下层为改进的遗传算法(Improved Genet-ic A
针对现有基于自编码器(AE)的过程监测方法在故障隔离和识别方面存在的缺陷,提出了一种基于去噪自编码器(DAE)的故障隔离与识别方法,其主要思路是通过在DAE的优化目标函数中引入未知的故障子空间实现故障的隔离和识别.考虑到故障的特性,引入了l1正则化项以实现稀疏隔离,并设计了基于自适应矩估计(ADAM)的优化问题求解方法.与传统方法相比,基于去噪自编码器的故障隔离与识别方法在非线性过程故障诊断中具有更好的效果.在Tennessee Eastman(TE)过程和高炉炼铁过程中的应用验证了所提出方法的可行性.
基于矩阵分解的推荐方法易受到数据稀疏性问题的影响,常见的解决办法是向矩阵分解模型中融入评论文本信息,但是这类方法通常假设用户是独立存在的,忽略了用户之间的社交关系.现实世界中用户的行为与喜好往往会受到其信任好友的影响,因此本文提出一种融合评论文本和社交网络的矩阵分解推荐方法(Review and social probabilistic matrix factorization,RSPMF).首先设计了深度神经网络模型用于学习评论文本的上下文特征;其次,设计了信任传播模型用于根据社交好友的特征修正用户的潜