基于混合平衡优化算法的疫苗配送路径优化

针对疫苗配送路径优化问题,在同时考虑固定成本、运输成本、制冷成本、碳排放成本和惩罚成本的情况下,提出以疫苗配送成本最小化为目标的车辆路径优化模型。为求解模型,在平衡优化器算法中引入模拟退火算法,改进平衡优化器算法容易陷入局部最优的不足,通过加入可变参数,提升算法平衡全局搜索和局部寻优的能力,得到一个能够稳定求出较高质量解的混合平衡优化算法。对2种不同规模的算例分别进行20次实验,将混合平衡优化算法与并行平衡优化算法、知识型蚁群算法、混合变邻域搜索算法、改进混合粒子群算法和平衡优化器算法进行对比。实验结果表明,混合平衡优化算法在小规模算例和大规模算例下得到的最小配送成本和配送成本的标准差都小于其他5种算法,其中,在小规模算例下进行实验后得到的最小配送成本分别为其他5种算法的73.5%、53.9%、69.1%、64.1%和33.4%。

改进萤火虫群算法协同差分隐私的干扰轨迹发布

针对历史轨迹加噪发布干扰轨迹时数据集的冗余问题和轨迹形状相似带来的隐私泄露风险,提出轨迹数据先约简后泛化再进行差分隐私加噪的基于改进萤火虫群优化求解的干扰轨迹发布保护机制(IGSO-SDTP)。首先,基于位置显著点约简历史轨迹数据集;其次,结合k⁃匿名和差分隐私对简化后的轨迹数据集分别进行泛化和加噪;最后,设计了兼顾距离误差和轨迹相似性的加权距离,并以加权距离为评价指标,基于改进萤火虫群优化(IGSO)算法求解加权距离小的干扰轨迹。在多个数据集上的实验结果表明,与RD(Differential privacy for Raw trajectory data)、SDTP(Trajectory Protection of Simplification and Differential privacy)、LIC(Linear Index Clustering algorithm)、DPKTS(Differential Privacy based on K-means Trajectory shape Similarity)相比,IGSO-SDTP方法得到的加权距离分别降低了21.94%、9.15%、14.25%、10.55%,说明所提方法发布的干扰轨迹可用性和稳定性更好。

基于离散人工蜂群算法的云任务调度优化

针对现今云计算任务调度只考虑单目标和云计算应用对虚拟资源的服务的质量要求高等问题,综合考虑了用户最短等待时间、资源负载均衡和经济原则,提出一种离散人工蜂群(ABC)算法的云任务调度优化策略。首先,从理论上建立了云任务调度的多目标数学模型;然后,结合偏好满意度策略并引入局部搜索算子和改变侦察蜂搜索方式,提出多目标离散型人工蜂群(MDABC)算法的优化策略。通过不同的云任务调度仿真实验,显示了改进离散人工蜂群算法相对于基础离散人工蜂群算法、遗传算法以及经典贪心算法,能够得到较高的综合满意度,表明了改进离散人工蜂群算法能够更好地改善虚拟资源中云任务调度系统的性能,具有一定的普适性。

基于改进离散型萤火虫群优化算法和分形维数的属性选择方法

属性选择是数据挖掘领域中数据预处理的一个重要方法.文中提出一种融合离散型萤火虫群优化算法(DGSO)与分形维数的属性选择方法.该方法以分形维数作为属性子集的评估度量准则,以DGSO作为搜索策略.为分析该方法的可行性和有效性,采用6个UCI数据集进行实验.结合10-fold交叉验证和SVM对属性选择前后的分类准确率进行分析,并进行搜索策略和评估度量准则间的性能对比及详细的参数分析.结果表明该方法具有较高的可行性和有效性.

基于矩阵的增量式关联规则挖掘算法

关联规则是数据挖掘的重要研究内容之一。针对数据库数据增加的同时最小支持度发生改变的关联规则更新维护问题,提出了一种基于矩阵的增量式关联规则挖掘算法IUBM。该算法采用简单的数组和位运算,在执行关联规则的更新时,既不用多次扫描数据库,也不产生庞大的候选项集。实例表明,该算法的时间复杂度和空间复杂度大大降低。

改进蚁群算法在基于服务质量的Web服务组合优化中的应用

为了克服基础蚁群算法存在的前期搜索速度较慢、后期极易陷入局部最优解的缺点,提出初始信息素分布策略和局部优化策略;同时还提出了依赖解的质量的信息素更新依据,以增强算法过程中信息素的有效积累。将该改进蚁群算法应用于基于服务质量(Qo S)的Web服务组合优化问题中,通过在数据集QWS2.0上的实验对改进蚁群算法的可用性和有效性进行了验证。结果表明改进的蚁群算法与基础蚁群算法、利用解与理想解距离更新信息素的改进蚁群算法以及用支配程度作为解的个体评价的改进遗传算法相比,能够找到更多的非劣解,寻优能力更优,表现出了较稳定的性能。

云南美登木内生真菌Chaetomium globosum Ly50′菌株的抗菌活性成分研究

从云南美登木叶中分离筛选到具抗菌活性的内生真菌Chaetomium globosum Ly50′菌株,利用活性追踪法在其发酵产物中分离到抗橙色青霉和抗结核分枝杆菌的化合物,经ESI-MS、NMR等波谱数据确认该活性成分为球毛壳甲素,chaetoglobosin A和球毛壳乙素chaetoglobosin B。首次发现chaetoglobosin B具有抗结核分支杆菌活性。

案例决策技术及案例决策支持系统研究综述

案例是人类直觉、逻辑和创造性三种思维的综合表现形式,案例推理是人脑类比学习的模仿者,在知识难以获取的应用领域取得了丰硕的成果。从认知学角度探讨了案例推理的逻辑合理性,研究了案例智能决策技术;针对决策支持系统研究与开发中出现的系统柔性差等核心问题,提出了以案例推理为基础的案例智能决策支持系统,该系统可以很好地实现决策支持。对此进行了深入研究,最后探讨了该系统的研究与发展的方向。

用神经网络来实现基于范例的推理系统

范例推理与神经网络有一种自然的联系。神经网络有许多优点,利用神经网络来实现范例推理可以取得非常好的效果。文章首先详细探讨了在范例推理中使用的神经网络模型与技术,并给出了其上的搜索与学习算法以及数据挖掘算法,旨在提高范例推理系统的鲁棒性和知识获取的自动化程度。

基于萤火虫群优化算法的选择性集成雾霾天气预测方法

雾霾目前已成为严重的环境污染问题,因此需要预测雾霾天气,最小化雾霾的负面影响.文中提出基于萤火虫群优化算法的选择性集成学习方法,首先使用混合核SVM独立训练多个个体支持向量机,然后利用改进的离散型萤火虫群优化算法选择部分精度较高、差异度较大的个体分类器参与集成,最后通过多数投票法得到最终的分类预测结果.应用文中方法预测中国雾霾天气,实验表明方法的有效性和可行性.

基于范例和规则相结合的推理技术

机器学习人员多年来提出诸多机器学习的混合体系结构 ,以改进机器学习的性能 .本文着重提出一个基于范例推理与规则推理相结合的推理技术 ,以及一个范例库划分算法 ,其目的是充分发挥两种推理的优势 ,提高问题求解的效率 .

范例库上的知识发现

本文着重探讨在范例库中引入一系列可以使用的知识发现技术 ,以提高范例推理系统的知识获取的自动化程度 ,这里提出了基于范例库上的修正规则的发现技术与算法 ,为此进行了实验与讨论 .

基于MapReduce和多目标蚁群算法的制造云服务动态选择算法

基于云计算技术和云服务技术研究了云服务的动态选择问题,给出了云制造服务层次化模型,提出了一种基于MapReduce和多目标蚁群算法的制造云服务动态选择算法(CSSMA)。依据CSSMA设计了多目标蚁群算法、Map函数、Reduce函数和优化策略等,并将其分布式并行运行于制造云平台中。仿真实验结果表明:CSSMA具备良好的处理大规模问题的能力,适用于制造云服务动态选择问题的求解。

用神经网络来挖掘数据库中的关联规则

在数据库中进行数据挖掘的方法有多种，神经网络方法是其中之一，在某些场合下神经网络方法有它的优势。本文讨论了一种适用于知识发现的神经网络模型，并给出了神经网络知识发现系统的设计过程，最后讨论了该方法的优缺点。

神经网络专家系统及其数据挖掘技术的探讨

知识发现是目前数据库和机器学习研究中的热门方向 .本文在讨论了神经网络专家系统技术的基础上 ,探讨了如何在神经网络专家系统中融入知识发现的过程 ,给出了一个系统框架及其中的一些算法 。

范例推理中范例自动获取的数据挖掘技术

范例推理作为基于规则推理技术的一个重要补充,已受到人工智能研究人员的普遍关注.在范例推理中,也有许多相应的知识,它主要包括:范例库、修正知识库、索引模式、相似性判断标准等.这些知识的获取也存在一定的瓶颈问题.通过在范例推理中引入数据挖掘技术,可望部分解决其知识获取的自动化问题,提高智能系统的整体性能.本文着重讨论了在范例推理中使用数据挖掘技术的必要性,提出了二个自动获取范例库的思想与算法,并应用于一个实际的系统之中.实验结果表明,这种思路大大提高了智能系统的开发周期与系统的运行效率.

基于人工鱼群和分形维数融合SVM的空气质量预测方法

为了克服现有方法在空气质量预测上存在的缺点,文中通过采用改进的离散型人工鱼群算法,并结合分形维数,提出基于人工鱼群和分形维数融合SVM的空气质量预测方法.首先对人工鱼群算法聚群、觅食行为及移动方式进行离散化改进,引入跳出局部最优策略和并行机制.然后将改进的离散型人工鱼群算法结合分形维数,约简空气质量数据集.最后采用基于高斯核SVM建立空气质量预测模型.在北京、上海和广州近2年的空气质量数据上的实验表明,文中方法预测性能较优,具有较高的稳定性和可信性.

云和声搜索算法及其在知识服务组合中的应用

云计算环境下的知识服务是知识与服务的融合,为知识管理、知识创新提供了新的发展方向。针对基于服务质量(QoS)的知识服务组合优化问题,在云计算平台下实现和声搜索算法的并行化,提出了云和声搜索算法。将Skyline方法和理想点法融入到云和声搜索算法中,对云和声搜索算法进行改进,提高了算法的运行效率,确保了解的有效性。实验结果表明,改进云和声搜索算法在求解知识服务组合优化问题上取得了较好的结果,在解的质量以及算法的性能方面均有较好的表现。

数据流管理与挖掘研究

20世纪末,为适应网络监控、商业交易管理和分析等应用的要求,数据流技术应运而生;该文回顾了近年来国内外在该领域的研究进展,总结了数据流的特点、模型及其算法,对数据流管理和挖掘的关键技术进行了分析,并进一步提出了数据流技术研究的方向。

基于分形理论的一种新的机器学习方法:分形学习

首先提出了一种新的机器学习方法,即分形学习,该方法旨在更好地从高维、海量数据中获取知识.分形论的研究对象为自相似系统,分形学习就是利用系统的自相似性来作为推理和学习的基本依据,其中分形维是定量描述系统自相似性的参数,也是应用于分形学习的重要参数;然后给出了分形学习的定义,阐述了其中的基本理论和学习过程中的关键技术;最后将该方法应用于案例库约简等方面的研究,取得了较好的效果.