一种基于可变多簇结构的动态概率粒子群优化算法

针对传统粒子群优化算法中全连接型拓扑和环形拓扑的特点,引入了一种粒子群信息共享方式——多簇结构,进而基于多簇结构提出了动态可变拓扑策略以协调动态概率粒子群优化算法的勘探和开采能力,并从理论上分析了最优信息在各种拓扑中的传播,同时从图论角度分析了几种经典拓扑以及动态可变多簇结构的统计特性.通过典型的Benchmark函数优化问题测试并比较了几种经典拓扑以及可变拓扑在高斯动态粒子群优化算法中的性能.实验结果表明,基于多簇结构的可变拓扑策略在求解复杂优化问题时优势明显,可以有效地避免算法陷入局部最优,在保证收敛速度的同时增强了算法的全局搜索能力.

区间值Vague决策系统及其规则提取方法

区间值 (i-v)模糊集合和Vague集是不精确知识表达的两种新理论 .它们已被广泛地应用于决策系统中对于不确定决策数据的描述 .本文将两者有机地结合 ,给出了i-vVague集的有关概念 ,并详细地讨论了其性质 .最后 ,结合一个决策系统实例 ,利用文中所提出的包含与相交因子 ,分析了规则生成策略 .经过与传统Rough集方法的对比 ,发现两者所得结论是一致的 ,但该方法对于不确定性问题的处理却表现得更为灵活 .

蚁群算法及其应用研究进展

蚁群算法作为一种仿生进化算法,是受到真实蚁群觅食机制的启发而提出的。首先介绍了蚁群算法的基本原理和工作机制,然后分别就蚁群算法的理论和应用的研究现状进行了综述,主要包括蚁群算法的参数设置,蚁群算法的改进,蚁群算法的收敛性以及蚁群算法在组合优化问题和连续优化问题中的应用,并进一步给出了它们的研究重点和发展方向,最后是关于蚁群算法的研究展望和面临的挑战,提出了蚁群算法研究中值得探讨的一些课题。

不完整Vague决策表中的近似集学习方法

含糊性和不可分辨性构成了决策表中不确定性的两个不同侧面 .Vague集作为当前模糊信息处理中的一个新兴研究课题 ,它具有强大的表达不精确数据的能力 ,然而针对它的学习方法却未见报导 ,大多数现有针对Vague集的研究仍集中于对其本身性质的讨论 .在介绍 Vague集的有关概念的基础上 ,借鉴了粗糙集合中有关近似集的概念 ,特别对不完整 Vague决策表中的学习机制作了研究 ,解决了数据描述不精确时的学习问题 .所给出的两个算法分别适用于决策属性具有精确与 Vague取值的情形 .

基于异构多种群策略的动态概率粒子群优化算法

结合动态概率粒子群优化算法(DPPSO)特点,针对传统的单种群粒子群优化算法易陷入局部最优、收敛速度较慢的缺点,文中提出一种基于异构多种群策略的DPPSO.该算法在进化过程中保持多个子种群,每个子种群以不同的DPPSO变体进行进化,子种群之间根据一定规律进行通信,从而保持整个种群内部的信息交流,进而协调DPPSO的勘探和开采能力.通过典型的Benchmark函数优化问题测试并分析基于异构多种群策略的DPPSO性能,结果显示,使用该策略的算法收敛速度较快,稳定性有较显著提高,具有较强的全局搜索能力.

基于不分明与相似关系的Rough集的超图描述

近些年来,尤其是进入九十年代,国内外众多学者对Rough集理论及其应用进行了深入而广泛的研究,并取得了许多重大进展。在波兰,作为Rough集理论的发源地,在Z.Pawlak教授的带领下,许多计算机和其他领域的专家、学者们先后开发出了Rough集函数库、RoughDas/RoughClass、RSES等软件支撑系统。

Vague决策表中的含糊规则获取策略

能否有效地处理好决策表中的含糊性在很大程度上影响到决策效果 .Gau和 Buehrer所提出的 Vague集是对于模糊集概念的推广 ,最近该理论已被作为一种新型的描述含糊数据的有效工具 ,并在多个领域中获得了成功的应用 .该文将 Vague集应用于决策表中数据的描述之中 ,通过一个真隶属函数和一个假隶属函数来分别构造[0 ,1]上的子区间 .文中详细地讨论了造成 Vague决策表中含糊性的各种因素 ,指出不确定性是有别于未知性的 .在引入 Vague区别矩阵的概念后 ,给出了另一种含糊规则的获取策略 .通过与作者在以往文献中提出的 Vague包含与相交因子的对比 ,从理论上分析了它们各自的适用条件 .

基于多元组Rough集的不相容决策

Ｒｏｕｇｈ集理论是一种具有模糊边界的集合理论．它被广泛应用于不相容决策表中的规则提取．本文讨论了基于多元组Ｒｏｕｇｈ集的不相容决策方法，并给出了相应的算法，同时也对不相容规则的相容度作了分析．该方法比普通Ｒｏｕｇｈ集方法更简单、更有效．

决策表中规则获取的不确定性研究

知识获取的不确定性主要来源于有限的分辨能力以及对于数据描述的不确定性。首先将Rough集理论与不确定问题中的证据理论以及模糊集合理论进行比较 ,然后介绍不确定性数据的模糊描述。通过引入模糊区别矩阵和扩展近似集方法延伸了 Rough集理论 ,并从模糊决策表中导出合理的决策规则。

一种网络虚拟化存储系统的设计与实现

存储体系结构的多样性使得各种存储资源之间的融合变得困难,虚拟化存储作为存储技术的主要发展方向之一,能够很好地解决这一问题。结合Web Services技术,本文首先提出了一种三层虚拟结构的虚拟化存储系统结构,然后讨论了基于该存储模型的网络虚拟存储系统的设计与实现。分析和实际应用表明,该系统一方面通过实现网络存储资源之间的融合,提高了存储资源的可管理性和实用性;另一方面能够提高存储系统的可扩展性,同时通过负载平衡策略保证了系统效率。

基于相似Rough集的模糊检索策略

Ｒｏｕｇｈ集理论作为一种具有模糊边界的集合理论，被广泛运用于不确定环境下的信息处理。文章探讨了一种基于相似关系Ｒｏｕｇｈ集的模糊查询技术，它是对普通Ｒｏｕｇｈ集在数据库中应用的推广，能有效地提高查询的灵活度及效率。

一种基于多类型偏好的偏好逻辑

针对目前缺乏多类型偏好共存的偏好逻辑系统的现状,提出并构造了一个能够描述和推理多种类型偏好的逻辑系统MPL(logic of many kinds of preference).在进一步提出MPL语言L_(MPL)基于最粗糙/最细致描述原则的非单调语义基础上,通过分级知识库这种常用偏好表示方法的L_(MPL)重写,初步考察了L_(MPL)表示能力,最后进行总结并提出需要进一步研究解决的问题.

动态概率粒子群优化模型及实验分析

对传统PSO算法中种群产生方式的特点,结合根据历史信息直接取样生成新种群的思想,抽象出动态概率粒子群优化(DPPSO)模型,并给出了该模型的形式化描述;同时提出了DPPSO模型可以采用的几种动态概率进化算子,最后通过常用Benchmark函数优化问题对DPPSO模型采用不同进化算子时的性能进行了实验分析。实验结果验证了DPPSO模型及所提出的进化算子的有效性,同时根据实验结果提出了进化算子设计与选择的指导性建议,并对相关参数设置也做了分析和讨论。

多分辨率仿真中一致性问题研究

在多分辨率仿真中 ,当不同级别分辨率实体交互时会出现一致性问题 .它的产生是由于建模人员还没有找到一种很好的方法 ,去描述同一实体在多个分辨率级别间的相互关系而导致的 .即使在同一分辨级别中也可能发生不一致性问题 .分析了目前建模方法存在的问题 ,提出了解决一致性问题的 CM方法 .CM方法主张使用多分辨率实体 (MRE)的概念来替代聚合实体 (AE)和解聚实体 (DE) ,以一致的方式在指定的分辨率级别描述被仿真的对象 ,当有请求时 ,及时提供任意级别的属性绑定 .建立了映射函数和一致性模型 ,较好地解决了属性集数据的识别。

基于HLA的多Agent系统体系结构研究

本文在分析了目前 AI领域对多 Agent系统体系结构研究成果的基础上 ,结合 HL A/ RTI仿真技术框架在高层体系结构上的应用前景 ,提出了一种基于 HL A的多 Agent系统体系结构 .在这个框架下 ,实现了一个 Agent对象模型 ;介绍了如何利用 Agent通信语言 KQML 进行互操作的过程 ;详述了多 Agent系统的工作原理 .最后指出了多

偏好推理的逻辑链实现

以定性偏好描述语言LPD(logicpreferencedescription)为基础,提出把定性偏好表示为基于命题逻辑的逻辑链,主要工作包括(1)提出一个带有偏好的决策过程的一般性框架,在此框架内,详细介绍了LPD偏好描述语言;(2)提出基于LPD偏好算子的逻辑链构造方法.从而把LPD语言中偏好推理转化为相应的逻辑链构造过程,便于偏好重用.最后总结全文并提出需要进一步研究解决的问题.

用形态学边缘检测算子实现图像的浮雕显示

提出了一种以数学形态学为基础进行图像浮雕显示的新方法 ,该方法利用数学形态学的非线性处理能力和擅长处理图像几何结构的优势 ,在其基本的形态学腐蚀差和膨胀差边缘检测算子中使用特殊结构的结构元获得图像的浮雕显示效果。该方法原理简单 ,易于实现。其浮雕显示实验表明 ,与使用广义模糊算子实现的图像浮雕显示方法相比 ,本文所提方法能获得更为满意的浮雕显示效果 ,且计算的时间耗费大大降低。

马尔可夫决策过程两种抽象模式

抽象层次上马尔可夫决策过程的引入,使得人们可简洁地、陈述地表达复杂的马尔可夫决策过程,解决常规马尔可夫决策过程(MDPs)在实际中所遇到的大型状态空间的表达问题。介绍了结构型和概括型两种不同类型抽象马尔可夫决策过程基本概念以及在各种典型抽象MDPs中的最优策略的精确或近似算法,其中包括与常规MDPs根本不同的一个算法:把Bellman方程推广到抽象状态空间的方法,并且对它们的研究历史进行总结和对它们的发展做一些展望,使得人们对它们有一个透彻的、全面而又重点的理解。

动态模糊语义网及其并行执行

本文讨论了动态模糊语义网的概念及其在曙光１０００并行机上的实现问题。如何将模糊结点最优分配到并行多处理机的处理器上的问题是ＮＰ完全型的。本文提出了一种基于模拟退火思想的算法解决了模糊结点的分配问题，并在曙光１０００并行机上对结果进行了验证。

网络环境下的广告投放Vague决策模型研究

提出了基于 Vague链接倾向图的广告决策模型 .在分析网络广告有关特性的基础上 ,定义了 Vague关系的自反、对称与传递特性 ,特别强调了对于 Vague链接倾向图中的传递特性的应用 .通过计算广告与 Web链接网的总体匹配度 ,分析了广告在用户中所产生的不同影响程度 ,同时还给出了关于广告投放的 Vague决策算法 ,实现了在广告预算经费一定的前提下 ,如何投放广告于不同的