融合改进天牛须搜索的教与学优化算法

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:yu351464325
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对教与学优化算法易早熟,解精度低,甚至收敛于局部最优的问题,提出一种新的融合改进天牛须搜索的教与学优化算法.该算法利用Tent映射反向学习策略初始化种群,提升初始解质量.在“教”阶段,对教师个体执行天牛须搜索算法,增强教师教学水平,提高最优解的精确性.在“学”阶段,对学生个体进行混合变异,从而跳出局部最优,平衡算法的全局搜索与局部开发.通过benchmark测试函数和部分CEC2013函数在不同维度对算法进行仿真实验,并进行Wilcoxon秩和检验统计,证明了改进教与学优化算法的优越性.使用压力容器设计优化问题对算法进一步验证,结果表明改进后的算法在求解约束优化问题时也具有更好的寻优性能,不仅收敛速度快,精度也提高了9个数量级.
其他文献
为完成一种植物叶片分割与计数模型LU-ReNet,利用Xception module和CoordConv改进模型编码器,通过改进的ReNet模型并参照Unet模型结构将CNN和RNN结合在一起.在CVPPP的A1、A2、A3基准数据集上,LU-ReNet模型取得了0.95的平均F1-score、95.54%的平均前景-背景Dice(FBD%)、0.95的平均召回率和1.91的平均计数差分绝对值(|Dic|).在A2基准数据集上,该模型表现超越大部分最新算法.实验结果表明,该网络在拥有高分割准确率的同时具有
为更好解决卷积神经网络提取特征不充分,难以处理长文本结构信息和捕获句子语义关系等问题,提出一种融合CNN和自注意力BiLSTM的并行神经网络模型TC-ABlstm.对传统的卷积神经网络进行改进,增强对文本局部特征的提取能力;设计结合注意力机制的双向长短期记忆神经网络模型来捕获文本上下文相关的全局特征;结合两个模型提取文本特征的优势,提高分类的准确性.在搜狗语料库和复旦大学中文语料库上的实验结果表明,所提模型能有效提升文本分类准确度.
为解决现有知识库问答编码-比较框架的原始信息丢失问题,提出基于实体消岐和多粒度注意力的知识库问答方法.从多个粒度对问题和知识库关系的相关性进行建模,引入双向注意力机制更有效地聚合向量保留原始信息,实现关系检测中字符之间的细粒度对齐.为提高实体链接的准确率,融合双向长短时记忆网络-条件随机场(BiLSTM-CRF)克服对人工特征的依赖,计算问题关系词与候选关系的相似性减少噪声数据实现实体消歧.在SimpleQuestions数据集的实验结果表明,该模型在准确率上有明显提升,达到了94.1%.
为提高构音障碍识别准确率,提出一种基于多特征组合的构音障碍语音识别方法.利用遗传算法进行特征选择,从语音的韵律特征、频谱特征、人耳听觉特征、嗓音质量特征和声道模型特征等5类特征组合成的多特征组合中选择出分类准确率最高的特征子集,通过SVM分类器对选择出的特征进行识别.在Torgo声学和发音数据库对不同的语音刺激类型进行模拟实验,实验结果表明,提出方法对Torgo数据库的3种语音刺激类型的平均准确率为97.52%,优于现有的识别方法.
针对传统灰狼优化算法易于陷入局部最优、寻优精度低的问题,提出基于混沌对立学习和差分进化机制的改进灰狼优化算法CODEGWO.引入混沌对立学习策略生成灰狼初始种群,提升初始解的质量,加速算法收敛;引入差分进化的局部搜索机制,改善灰狼的局部开发与邻近区域的搜索能力;引入个体扰动机制增加种群多样性,改进灰狼的全局搜索能力.8个单峰和多峰基准函数优化求解的测试结果表明,CODEGWO算法可以有效提升寻优精度和收敛速度.
为提供准确且更贴近日常用语的关键词,针对视频弹幕内容提出一种基于TI-RANK(TTF-ICDF-DWTextRank)的词频词义相结合的关键词提取模型.将标题内容进行分类得到标题的关键信息,将该信息用于词频提取构建TTF算法;进一步考虑词频与篇章数对提取效果的影响,通过分段函数构建ICDF算法;引入语义维度信息并利用中文拼音作为编辑距离的计算单元构建DWTextRank模型.实验结果表明,TI-RANK模型提取关键词的F1值达到0.8以上,相较传统TF-IDF和TextRank算法提高了约20%.为更合
针对目前车站机房监控系统存在功能单一、系统资源利用率不能实时掌握等问题,提出一种基于CPS的铁路客运站智能机房监控平台,采集多源感知设备在线运行信息,通过多终端适配的物联网网关实现数据接入,利用数据中间件实现数据的存储和发布,基于智能服务模型实现资源在线监控及故障分析预警;通过检测网络设备节点拥塞度和丢包率,设计网络故障检测及定位算法;基于粗糙集和模糊评价建立一种服务器设备在线状态评价模型,有效解决硬件资源的有效管理及网络异常状况检测等问题.实验结果表明了该方法的有效性,为机房协调、高速、安全运行提供技术
嵌入式实时系统的正确性不仅取决于计算结果的正确性,更取决于产生结果时间的正确性.然而软件不确定的并发执行带来系统时间行为不可预测问题,使得验证复杂度升高,成本增加,为此实时系统领域提出了许多实时编程语言来提高系统的时间可预测性.LET(logical execution time)模型结合了同步模型ZET(zero execution time)和异步模型BET(bounded execution time)的优点,对时间具有很强的可预测性,但现有采用LET模型的实时编程语言,缺少基于高级通用语言的实现,
针对罚函数法在求解约束优化问题时罚系数不易选取的问题,提出一种基于动态罚函数的差分进化算法.利用罚函数法将约束优化问题转化为无约束优化问题.为平衡种群的目标函数和约束违反程度,结合ε约束法设计了一种动态罚系数策略,其中罚系数随着种群质量和进化代数的改变而改变.采用差分进化算法更新种群直到搜索到最优解.对IEEE CEC 2010和IEEE CEC 2017两组基准测试集进行仿真实验,结果表明提出的算法具有较强的寻优性能.
全同态加密在不解密的情况下,能够对密文数据进行任意处理.这种特殊的性质能够立竿见影地解决数据隐私安全问题.目前全同态加密已经成为学术界、工业界乃至商业界的热门话题.随着全同态加密技术的不断成熟,尤其是目前全世界对个人信息隐私安全的重视,如何从知识体系的角度对其进行详细分析对社会各界有重要的意义.文献计量分析方法是分析某项科研主题现有研究工作的重要方法,鉴于目前在全同态加密领域缺少基于文献计量分析的研究工作,从文献计量学的角度开展全同态加密文献计量研究.选取Web of Science(WoS)与中国知网(