【摘 要】
：
人工蜂群算法(artificial bee colony algorithm,ABC)是一种简单有效的群智能算法,通过蜜蜂之间的相互合作寻找最优解。禁忌搜索算法(tabu search algorithm,TS)是人工智能与局部邻域搜索算法的结合,具有非常好的全局寻优能力。为了提高ABC的搜索效率和全局寻优能力,结合TS,在ABC中增加一个禁忌表,提出了一种基于禁忌搜索的人工蜂群算法(artifi
论文部分内容阅读
人工蜂群算法(artificial bee colony algorithm,ABC)是一种简单有效的群智能算法,通过蜜蜂之间的相互合作寻找最优解。禁忌搜索算法(tabu search algorithm,TS)是人工智能与局部邻域搜索算法的结合,具有非常好的全局寻优能力。为了提高ABC的搜索效率和全局寻优能力,结合TS,在ABC中增加一个禁忌表,提出了一种基于禁忌搜索的人工蜂群算法(artificial bee colony algorithm based on tabu search,TSABC
其他文献
生物信息学、社会网络、Web分析等方面的发展积累了大量的复杂网络数据信息,在对这些复杂网络进行社群检测时,往往会将一些节点归类于多个社群,目前已经提出了一些处理此类问题的算法(如LFK、GCE等),然而这类算法对局部扩充函数中参数α的选取过程复杂,无法一次性获取最优α,直接影响到了算法的可应用性。针对该缺点,提出了一种基于局部扩展的重叠社群检测的改进算法。该算法通过将α参数考虑进社群的成长过程中,
在多目标跟踪领域,多个相似目标间相互遮挡时易产生误跟踪、漏跟踪等问题。针对上述问题,通过引入语言学中的基础颜色及自适应尺度因子来解决。采用颜色命名过程及主成分分析法提取目标基础颜色特征,准确区分相似目标;同时引入自适应尺度因子,自动改变目标尺度,减少因尺度变化而引入的干扰信息,增强目标外观模型的鲁棒性。基于以上两点,在SPOT(structure preserving object trackin
针对最小二乘支持向量机处理大规模数据集耗时长且受内存限制的特点,将局部多模型方法与MapReduce编程模式相结合,提出一种并行最小二乘支持向量机回归模型。模型由两组MapReduce过程组成,首先按照输入样本集对样本数据进行聚类操作,再对聚类后得到的子类按输出样本集进行二次聚类操作,分别得到局部模型数目和各局部模型综合加权输出计算结果。实验结果表明,并行最小二乘支持向量机回归模型具有较好的加速比
最大积实例包括最大可能解释(MPE)和最大后验估计(MAP),它们是贝叶斯网络的基本问题。针对经典算法求最大积实例的时间复杂度高,提出新算法来求解该问题。该算法将求贝叶斯网络的最大积实例问题转变成一组一元一次方程,而一元一次方程很容易求解;通过临时表来缓存计算最大积概率时的中间结果,而这些临时表可以用来优化计算最大积实例而不需要过多的额外空间开销,并能够在贝叶斯查询之间共享。通过实验证实该算法计算
通过分析校园师生基于GPS的真实活动轨迹,以及何种算法才最适合具有自私性的移动用户展开合作,提出一种高能效及用户公平定位技术。通过采用代理设备合作思想,提出一种集中式最优算法,在保证固定精度界限和设备公平的基础上,实现移动设备GPS时间平均功率最小化。通过控制退避时间和GPS关闭时间,提出一种分布式准最优算法。最后,基于多种拓扑结构进行全面的仿真实验,验证了算法的高能效性和公平性。
针对传统的特征提取算法在图像匹配过程中易出现误匹配现象,提出在ORB算法的基础上融入一种最小平方上值估计法——LMedS方法。利用ORB算法的特点和LMedS方法去除可能存在的外点,消除误匹配现象,从而得到正确的匹配特征对,使特征匹配率有很大的提高;同时采用基于非线性最小二乘进行姿态估计,通过迭代算法估算相机姿态完成虚实注册。实验结果表明,该方法无论是在特征点匹配还是在实际场景中都具有很好的鲁棒性
为解决连续值特征条件互信息计算困难和对多值特征偏倚的问题,提出了一种基于Parzen窗条件互信息计算的特征选择方法。该方法通过Parzen窗估计出连续值特征的概率密度函数,进而方便准确地计算出条件互信息;同时在评价准则中引入特征离散度作为惩罚因子,克服了条件互信息计算对于多值特征的偏倚,实现了对连续型数据的特征选择。实验证明,该方法能够达到与现有方法相当甚至更好的效果,是一种有效的特征选择方法。
对于切碎英文文档自动拼接还原中无法利用碎纸片几何形状特征的问题,提出一种基于灰度值矩阵的文档碎片拼接方法。利用碎片图像的特征向量消除同行字母处于不同高度的负影响,提取其特征位置作为动态聚类的分类标准,依据文本行特征进行动态聚类和类间排序,设计了一种基于原图像碎片边界矩阵的四邻拼接算法进行逐一高效地拼接还原。仿真结果表明,该方法准确率较高且操作简便,对规则碎片拼接还原具有良好的实际意义。
传统的安全机制为了保障系统的安全性可能会牺牲网络的性能,因其系统资源的有限性。主要研究通过协同进化算法使得网络控制系统的性能和安全性达到最优折中。以DC运动系统为例,给出了性能和安全性的折中模型。同时还给出了基于协同进化算法的性能和安全性折中的最优化算法。实验结果证明协同进化算法能够非常有效地找到网络控制系统折中模型的Nash平衡。同时给出的模型还非常适用于网络控制系统性能和安全性折中的分析和最优
计算星座区域覆盖率的传统网格点法耗时长、计算效率低。基于抽样理论,提出了一种基于抽样的网格点仿真方法,并给出了两种不同类型精度要求下覆盖率计算的方法。同时,提出了误差估计方法,可以定量地根据置信度以及精度需求去调整网格大小,合理地控制误差与计算时间,避免了盲目调整导致的资源浪费。最后进行了仿真实验。实验结果表明,把抽样方法应用于网格点法之中是可行的也是有效的。而且,通过与传统的网格点计算方法相比,