基于二进制萤火虫算法的属性选择方法研究

属性选择是机器学习与模式识别中进行数据预处理的一个重要方法,特别是针对一些高维的数据集,其计算复杂度较高,对数据挖掘算法的性能影响较大.因此,文章在连续型萤火虫算法(GSO)基础上对萤火虫进行二进制编码,并结合修正后的sigmoid函数,提出一种基于二进制萤火虫算法的属性选择方法.该方法以数据集分形维数作为属性子集的评价准则,以二进制萤火虫算法作为搜索策略,通过对标准数据集UCI进行一系列实验,实验结果表明了该方法的有效性与可行性.     

基于烟花进化人工鱼群算法和多重分形的属性选择方法在空气质量预测中应用

日益严重的空气污染,严重影响日常生产生活.因此,亟需对空气质量进行预测.为了实现高效、科学的预测,需准确地选择出空气质量数据集中的关键影响因素,故提出了基于烟花进化人工鱼群算法和多重分形的属性选择方法,并应用于空气质量预测中.首先,采用混沌初始化方式生成初始种群,对人工鱼群算法进行离散化改进,并引入烟花进化机制,提出烟花进化人工鱼群算法(FEAFSA),提高算法的搜索效率;其次,融合FEAFSA和多重分形维数(MFD),对空气质量数据集进行属性选择,约简冗余、不相关属性,保留空气质量关键属性;最后,在8个UCI数据集上的实验结果表明,相较于其他属性选择方法,其能有效剔除冗余因素,性能更优,同时表明其有效性、稳定性和显著性.在进行性能测试之后,将其应用于北京、上海和广州地区的空气质量等级和指数预测中,取得了良好的预测效果.     

粗糙面分形计算理论研究进展

为提出一种工程上适用可靠的粗糙面分形维数计算方法,在分形曲线的维数计算方法(码尺法,盒维法)基础上,先后提出了星积分形曲面的维数计算方法、三角形棱柱表面积法、投影覆盖法、立方体覆盖法、改进的立方体覆盖法、分形的增变量描述法等曲面分形维数理论.鉴于上述方法的共有缺陷——获取三维坐标的激光表面仪器的扫描尺度限制,研究者提出了粗糙面图像维数计算理论,包括二值化图像维数、灰度图像维数、RGB图像维数计算理论.最后,本文展望了分形维数计算理论领域内亟待解决的三大问题.     

基于人工鱼群和分形学习的雾霾天气预报方法

针对目前较严重的雾霾污染,雾霾天气预报显得十分重要,通过将改进人工鱼群算法和分形学习相结合,提出了基于人工鱼群和分形学习的雾藕天气预报方法.首先对人工鱼群算法离散化改进,结合分形学习理论降维雾霾数据;其次运用支持向量机和5-折交叉验证技术分类分布可能不平坦的数据集;最后建立雾霾天气预报模型.实验结果表明,数据降维后更有利于提高分类器性能,与传统预报方法相比,预报性能更优,具有较高的稳定性和可信性.     

模糊蚁群算法及其在TSP中的应用

在传统蚁群算法的基础上加入了使用模糊规则表更新信息素的策略,提出了一种新的算法——模糊蚁群算法.算法结合了模糊控制中输入输出的模糊化处理和蚁群寻优的特点,为实际问题提供了新的解决手段.文中将模糊蚁群算法应用于TSP问题,通过对中国31个省会城市等实例数据进行的测试,验证表明了新算法具有良好的有效性和鲁棒性.     

基于改进蚁群算法的最短路径问题研究及应用

蚁群系统作为一种蚁群算法是解决最短路径问题的一种行之有效的方法.然而,它自身也存在着一些缺陷,主要针对基本蚁群算法易陷入局部最优这一缺陷对其进行改进,集中体现在初始信息素求解和信息素更新这两方面.为了进一步了解改进蚁群算法的优点,进行了实验仿真:将改进的蚁群算法应用子模拟医疗救护GIS中,利用GIS的网络分析功能对城市道路网络的最短路径选择算法进行了深入地探讨研究,并以山西省太原市的交通路线作为实例进行研究.计算机仿真结果表明,改进的蚁群算法在解决最短路径问题时较基本蚁群算法的性能好,它具有一定的理论参考价值和现实意义.     

基于群智能算法的预防性维修周期优化

分析将蚁群优化算法应用于预防性维修周期工程寻优问题时遇到的算法参数选择困难等问题,提出将粒子群优化算法和空间划分方法引入该过程以改进原蚁群算法的寻优规则和历程.建立混合粒子群和蚁群算法的群智能优化策略:PS_ACO(Particle Swarm and Ant Colony Optimization),并将其应用于混联系统预防性维修周期优化过程中,以解决由于蚁群算法中参数选择不当和随机产生维修周期解值带来的求解精度差、寻优效率低等问题.算法的寻优结果对比分析表明:该PS_ACO算法应用于预防性维修周期优化问题,在寻优效率及寻优精度上有部分改进,且可相对削弱算法参数选择对优化结果的影响.     

求解复杂优化问题的基于信息熵的自适应蚁群算法

针对基本蚁群算法存在收敛速度慢、易陷入局部最优、计算复杂且不易求解连续优化问题等缺陷 ,提出了一种基于信息熵的改进自适应蚁群算法 ,采用由信息熵控制的路径选择及随机扰动策略实现了算法的自适应调节 ,克服了基本蚁群算法的不足 .典型的 NP-hard问题的计算实例表明 ,该方法具有较好的收敛性、稳定性和鲁棒性 ,可用于离散及连续的组合优化问题求解中 ,其不失为求解复杂组合优化问题的一种较好的方法 .     

基于RS和SVM的动态供应链成员选择算法

良好的成员选择方法是动态供应链平稳运行的重要基础,针对动态供应链成员选择时面临决策属性多且可供决策分析数据样本少的难题,提出了基于粗糙集和支持向量机的动态供应链成员选择算法,核心是应用粗糙集进行属性约简,然后结合支持向量机进行链上成员分类.方法在保证不会降低分类性能的前提下,达到降低数据维数和分类过程中复杂度的目的.     

岩石裂隙网络的分形特征

分形特征与分形维数广泛应用于岩石裂隙网络的量化,及与工程参数的关系模型建立.然而,严格的分形维数的极限定义形式难以直接应用,工程应用中多用近似分形维数值代替,近似的结果在建立量化关系模型时会产生蝴蝶效应,在量化及预测过程中产生巨大偏差.本文回顾了分形研究一系列的发展过程,并基于最新的分形定义提出了一种新的分形维数计算方法.通过对于十个岩石裂隙网络分形维数的计算,证明该方法能够准确有效的计算出图形的复杂度,避免了以往计算分形维数所产生的问题.     

改进蚁群算法在智能交通中的应用

为了诱导车辆在出行时选择较高质量的路线,提出并建立了城市道路权值仿真模型.为求解该模型,从分析基本蚁群算法入手,通过在状态转移规则中加入扰动因子,改进全局更新规则,以及引入信息素更新算子改进了蚁群算法.然后利用道路权值模型对两种算法在路径寻优效果上做了比较和分析,实验结果表明改进后的蚁群算法能有效地避免停留在局部最优解,并提高计算效率,具有良好的寻优性和收敛性,能准确找出路网中满足综合要求的最优路径.     

改进的二元蚁群算法结合分形理论预测雾霾天气形成的关键因子

随着工业化进程的加剧,雾霾已严重影响到人类的日常生活,分析天气因素进而得出影响雾霾天气的关键因子尤为重要.预测雾霾天气形成的关键因子是一个不断剔除冗余因素保留关键要素的过程,每一个天气因素都有两种状态,被选中为关键因子与否,文章根据该特点,从一维细胞自动机入手,提出了一种以二元蚁群算法作为搜索策略,分形理论作为子集评估度量准则的混合方法.因二元蚁群算法前期信息素匮乏需要较长搜索时间,引入二元粒子群算法对其进行优化,将粒子经过多次迭代之后得到的最优位置通过模糊函数映射成蚂蚁所需的信息素,在较短的时间内形成一条信息素落差明显的路径,缩短算法前期运行时间.最后将所用方法应用于北京,广州和上海三地雾霾天气关键影响因子的预测中,并结合10-交叉验证和SVM算法对预测结果分类准确率进行分析,通过与其它算法进行对比,结果表明文章算法预测结果具有较高可信度,为后期的雾霾治理工作提供了重要的参考依据.     

集装箱翻箱问题的蚁群算法改进

翻箱问题属于NP难问题,基本蚁群算法在求解该问题上收敛困难且寻优能力低。因此,本文提出了一种适合于翻箱模型的改进型蚁群算法,在概率决策机制、解的重构、信息素更新机制三个方面对基本蚁群算法进行改进。最后通过与其他算法的分析比较,验证了该改进算法的可行性与有效性。     

一种求解TSP问题的多策略改进蚁群算法

蚁群算法是一种求解复杂组合优化问题的启发式仿生进化算法,并是求解TSP问题行之有效的一种随机算法.但此算法仍存在求解精度低、易陷入局部最优及求解效率低的问题,针对该问题提出一种多策略改进蚁群算法.采用最近邻法影响初始信息素的分布,达到降低算法初期较短路径上信息素浓度的目的,并在转移规则变异调整的基础上,结合路径的均值交叉进化策略,增强算法探索全局解空间和避免陷入局部最优的能力.然后,结合迭代和精英策略对信息素更新机制进行改进,进一步提高化算法的求解性能及求解效率,最后,对从TSPLIB数据库选出的8个实例进行求解并与其他算法进行对比,实验结果表明,改进算法在求解旅行商问题时的高效性,且具有较高的运算性能.     

对参数带约束条件的生存模型的回归分析

为了降低成本、提高研究效率,对与时间相依的数据,有偏抽样方法是广泛应用的基础抽样方法.在建模过程中,它可以从参数的先验信息中提取更有价值的信息.随着数字信息的发展,在许多领域都可以收集到协变量维数大于样本容量的高维数据.变量选择法和独立筛选法是非常有效的降维方法.在比例风险模型中,对参数带有约束条件的回归分析,采用了修正的MM算法,但对不同的模型,此优化算法不再适用.为了克服优化问题的计算复杂难实现的困难,将蚁群算法和粒子群算法等优化算法应用到参数带约束条件的回归分析中.     

基于改进蚁群算法的无人仓的多AGV避碰路径优化策略

对无人仓库中多AGV系统的避碰路径优化问题进行了研究,提出了一种基于弹性时间窗和改进蚁群算法的多AGV避碰路径优化策略.通过对传统蚁群算法改进启发式信息和信息素更新策略,来提高算法的执行速度和寻优能力,提出AGV任务优先级排序并改进冲突解决策略来解决多AGV之间的不同路径冲突.基于电商物流无人仓库的环境,利用MATLAB仿真软件对多AGV避碰路径规划进行建模分析.实验结果表明,基于弹性时间窗和改进蚁群算法的可以实现多AGV避碰路径规划,并能够短时间内找到避碰最优路径.     

基于并行阻塞策略的社交网络舆情传播控制方法

近年来,随着社交网络的不断普及,负面舆情信息对经济、社会和文化等造成的威胁不断放大.现有方法多通过剔除节点或边集实现舆情传播控制,却难以适应现今规模巨大的社交网络环境.基于此,基于阻塞自回避行走算法提出了融合边与节点集移除的并行舆情传播控制方法,并基于GPU框架应用成本约束函数对算法进行改进,提高了所提算法在大规模社交网络图中的适用性,且使用改进前推回代算法进行求解.最后,基于多种真实社交网络数据集进行实验,结果表明:所提CN-OPC法能对社交网络舆情传播进行有效控制,控制效率与精度较经典算法均有较大提升,这说明并行阻塞策略可用于大规模社交网络舆情传播控制,未来可进一步尝试多策略并行的控制方法在社交网络环境中的应用.     

部分联合运输策略下的物流车辆路径优化问题研究

论文分析了物流车辆路径优化问题的特点,提出了企业自营物流和第三方物流协同运输的部分联合运输策略。根据客户需求节点的特点进行了节点分类,建立了以车辆调用成本、车辆运输成本、第三方物流运输成本之和最小为目标的整数线性规划模型。根据部分联合运输策略下各类客户需求点运输方式特点,构造了一种新的变维数矩阵编码结构,并对传统算法中概率选择操作方式进行修改,提出了一种新的智能优化算法并与枚举法和遗传算法的运算结果进行了算法性能对比分析。结果显示,本文提出的逆选择操作蚁群算法具有较快的运算速度和较高的稳定性,是求解此类问题的一种有效算法。     

基于Voronoi划分的同城即时配送优化策略研究

近年来经济社会发展及新零售业强势崛起使得平台或商家对大规模即时配送需求日益增加,在求解大规模车辆路径问题时仅使用启发式算法或其融合算法已无法满足实际需求。本文针对基于分众级的同城即时配送模式及现阶段存在的问题,确定了基于Voronoi划分算法的即时配送分区方法和对基础蚁群算法的三个改进策略;并以全程配送产生的总成本最少为目标函数,构建了带用户需求软时间窗的车辆路径问题数学模型;最后选取客户、车辆以及门店共计一百二十个真实地理位置数据,验证了本文提出的求解策略的有效性,并分析最终结果。结果显示,①使用Voronoi分区-改进蚁群算法的两阶段方法求解大规模车辆路径问题能显著减少配送总成本,同时提升客户满意度;②在多门店的条件假设下,采用改进蚁群算法求解得到的超时时间比基础蚁群算法少36%,配送总成本低17%。     

纳米度域材料断口的分形结构与分维测量 *

利用计算机模拟了不同分维的断口形貌 ,并对各种分维测量方法在纳米度域的适用性和可靠性从理论和实验两方面进行了研究 .对于金属断口 ,在进入纳米度域后 ,由于小岛截面数的限制或数据量的有限性 ,面积 周长法和基于Fourier变换的功率谱方法遇到了困难 .模拟计算表明 ,盒子计数分维测量方法可以作为纳米度域分维的测量方法 .用扫描隧道显微镜 (STM)采用立方体元方法在纳米尺度测定了5Cr2 1Mn9Ni4N汽阀钢断口的分形维数 .结果表明分形维数在纳米度域具有方向性 ,对于理论分形曲面 ,这种分形维数的方向性是由数据点数的有限性所造成的 ,即是一种边界效应 ;然而 ,对于实际断口 ,这种方向性除了边界效应外 ,还是材料的内禀特性的反映 .宏观度域的分形维数与材料性能的关系在纳米度域仍然存在 .