基于改进乌鸦搜索算法的云计算任务调度研究

提出了一种以云任务的完成时间和成本为优化目标的改进乌鸦搜索算法(IMCSA)的任务调度方法.首先采用反向学习初始化种群,在选择被跟踪乌鸦时根据记忆的适应度值择优选取,避免了盲目性;其次在位置更新过程中,将乌鸦的位置与其反向学习得到的位置进行交叉,择优选取,能够有效提高收敛速度.最后通过CloudSim平台与粒子群算法、遗传算法、Min_Min算法和CSA进行对比,结果表明IMCSA在不同实验下,在任务完成时间和成本取得的效果均优于对比算法.     

基于分数阶傅里叶变换的无线电引信信号的侦察

该文首先论证了分数阶傅里叶变换侦察线性调频信号的理论基础,指出由于分数阶傅里叶变换是线性变换,克服了双线性变换带来的交叉项干扰,因此在复杂的电子对抗环境中具有更好的检测效果。接着提出了一种可变窗谱峰搜索算法。仿真结果验证了算法的有效性。     

基于BAS算法的配电网无功优化

配电网无功优化是保证其经济安全运行的重要措施.针对配电网无功优化问题,文章提出基于天牛须搜索算法的配电网无功优化策略,同时,引入自适应变化的步长因子改善BAS算法的迭代速度.最后,在Matlab中引入IEEE33节点配电网系统对基于粒子群算法、天牛须搜索算法和改进天牛须搜索算法的无功优化策略进行仿真验证并做对比分析,仿...     

基于甲虫搜索的改进粒子群无人机辅助网络部署优化算法

在体育赛场等用户大规模聚集或者突发灾难的情况下,地面基站经常面临过载甚至瘫痪的问题。此时,多无人机(UAV)辅助网络系统可以很好地为地面基站提供信号补偿,有效地增强局部地区的通信质量。然而,无人机的机动性和网络流动引起的拓扑结构变化,会导致频繁的间歇性连接甚至出现传输故障。因此,UAV基站的有效部署以及网络性能的优化成为亟待解决的问题。该文提出一种基于甲虫搜索的改进粒子群UAV辅助网络部署优化算法—智能高效算法(IEA),利用甲虫搜索算法(BAS)的个体寻优优势,对粒子群算法(PSO)进行改进,并首次采用双门限约束保证用户通信质量,使得多UAV系统下的网络性能得到了改善。仿真结果表明,相对于传统算法,该文提出的IEA算法在系统吞吐量、用户平均吞吐量以及频谱效率等方面都获得了较大提升。     

基于乌鸦搜索优化BP神经网络的入侵检测方法

为了提高入侵检测系统的准确率,提出一种基于乌鸦搜索算法的反向传播(CSA-BP)神经网络模型.BP神经网络是解决非线性问题的重要方法,但是其预测能力容易受到初始参数的影响.针对这一问题,将相对百分误差作为模型的目标函数,通过乌鸦搜索算法极强的全局搜索能力找到最优权值和阈值.然后,利用5组标准的数据集对CSA-BP模型进...     

基于蚁群算法的电力基建工程物联网全数据管理

针对现有技术中电力基建工程全生命周期数据管理技术落后,计算效率低下的问题,提出了新型的智能化管理系统,该管理系统融合了大数据、云计算、物联网、移动互联等新型技术,通过使用包括计算机网络系统、Web端主站平台、手持终端APP、移动终端采集系统及专用支撑网络的数据管理平台,实现了电力基建工程设备全生命周期管理信息从数据采集、数据传递、数据计算到应用的全生命周期管理,提高了电网设备的自动化、智能高效管理。通过利用数据融合算法和蚁群最优搜索算法,实现目标数据的最优搜索。试验表明,该研究方法准确率高达93%。     

作业车间调度问题的改进混合遗传算法

作业车间调度是一类求解困难的组合优化问题,本文在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法相结合,提出了一种基于遗传和禁忌搜索的混合算法,并用实例对该算法进行了仿真研究.结果表明,该算法有很好的收敛精度,是可行的,与传统的算法相比较,有明显的优越性.     

粗神经网络的禁止搜索训练算法研究

粗神经网络不仅可以处理明确定量的输入信息,而且可以处理传统神经网络不能处理的语义形式的输入信息.本文给出了一种新的训练方法--基于禁止搜索算法的粗神经网络训练方法.仿真结果表明本文提出的训练算法在收敛速度和网络性能上都有显著提高.     

针对硬件实现的整像素运动预测快速算法

一般基于预测的算法采用块匹配算法来消除相继帧简单冗余.通常,基于块的运动估计快速搜索算法采用的是减少搜索点的快速算法,文中介绍了一种适用于窄带低码率活动图像的帧间预测编码方法.根据H.264标准中的算法和编码方案,提出了一种帧间预测的硬件实现架构.运动预测完全针对亮度分量,采用基于中心预测和中途截止的快速搜索,给出了搜索窗结构.最后对其编码效果进行了分析.     

人工智能问题求解策略的教学研究

本文以人工智能课程中问题求解策略的搜索算法为教学研究对象,阐述了图搜索算法的教学方法设计,借助这些方法依次讨论图搜索策略的本质特点和相关数据结构,并讨论了等代价搜索和A*搜索的执行过程及其效率。