基于蜣螂优化的改进粒子群算法

针对标准粒子群算法存在的局部最优、早熟和慢收敛等问题,提出了一种新的粒子群更新方法。改进了算法惯性权重,引入一种新的更新方式;借鉴蜣螂优化算法中蜣螂滚球、繁殖、觅食和偷窃行为,将基本粒子群的操作划分为寻优、变异、波动和跳跃,从而提高了算法的全局寻优能力和收敛速度,并避免了早熟问题。通过与其他9种智能算法进行实验对比表明,在10个基准测试函数中,基于蜣螂优化的改进粒子群算法在寻优能力和收敛速度方面表现出色,证实了该算法的优越性。

“案例教学+项目驱动”模式在人工智能课程教学中的应用探索

在大数据和人工智能技术迅猛发展的新形势下,人工智能课程在计算机类专业中是最为重要的核心课程之一,其不仅具有很强的理论性,又有较强的应用和编程要求。如何应对新形势下的新课程,对于长期教授传统课程的教师,具有很强的挑战性。论文结合人工智能课程富于理论性和实践性的特点,提出了“案例教学+项目驱动”教学模式,并以人工智能导论等课程为基础,建立人工智能课程教学案例和项目库融入教学过程中,在教学过程中又不断更新教学案例和项目库。最后分析了案例+项目驱动模式在人工智能课程教学中的实施效果。

求解带用户满意度的多目标实时车辆路径问题的改进伊藤算法

基于对标准车辆路径问题的分析,本文构建了一种包括交通因素、客户需求动态改变、用户满意度的多目标动态车辆路径问题模型.针对伊藤算法在求解离散组合优化问题时效率较低、收敛性较差等缺陷,本文以具有通用性的伊藤算法为框架,参考蚁群算法,设计了伊藤-蚂蚁优化算法,并采用正交实验的方法,分析了改进算法参数的设置问题.为了验证改进算法的有效性,文章对标准测试数据集中的数据进行了测试.最后,将标准测试数据改编成符合带用户满意度的多目标实时车辆路径问题模型的测试数据,并用改进算法进行求解.实验结果表明,本文提出的问题模型和改进算法是可行的、有效的.

求解带软时间窗车辆路径问题的改进伊藤算法及其收敛性分析

针对伊藤算法在求解离散组合优化问题时效率较低、收敛性较差等缺陷,本文提出的改进伊藤算法引入了协同扩散过程的漂移系数,采用局部搜索能力强的爬山法确定波动系数,将漂移和波动同步进行,当找到可行解之后再进行一定程度的波动.为了验证算法的有效性,将改进后的伊藤算法用于求解带软时间窗的车辆路径问题.仿真结果表明,改进后的算法效率更高,收敛速度更快,算法稳定性和健壮性也更好.此外,本文还根据马尔科夫链移向吸引元的性质及其各状态之间的转换关系,探讨了构造伊藤随机微分方程的马尔科夫链近似模拟算法及其收敛性证明.

求解带容量约束的车辆路径问题的改进伊藤算法

针对车辆路径问题中路径选择未能确定的缺陷,引入蚁群算法对客户点选取规则进行决策。此外,采用冷却进度表作为控制温度变化的参数,将漂移和波动过程同步进行来改进根据伊藤随机过程而设计的伊藤算法,并将改进后的算法应用于CVRP的求解。实验结果表明,改进后的算法能有效求解带容量约束的车辆路径问题,取得了理想的结果。

求解旅行商问题的改进粒子群算法

针对粒子群算法求解旅行商问题时存在易陷入局部最优及收敛速度慢等缺陷,提出一种改进粒子群算法。将伊藤算法中的漂移和波动算子运用于粒子群算法中的学习因子,将牛顿力学中的加速度因子映射粒子群算法的惯性权重。用改进后的粒子群算法求解TSP标准测试库中的多个类型和不同规模的问题,与传统算法进行对比,对比结果表明,该算法是可行有效的。

一种基于粒子优势分析的异步混合粒子群算法

针对标准粒子群算法收敛速度较慢、求解精度不高等缺陷,引入了均值漂移与球隙迁移算法的思想,提出一种混合算法.该算法结合最优粒子与自己的祖先粒子来对粒子进行优势分析,根据其优势分析结果确定粒子的更新速度级别,将速度进行分解,分配到粒子的不同维中以达到异步更新的目的;为每个粒子设置一个淘汰概率的属性,当粒子被淘汰时会被自动替换;算法还引入了扰动机制和随机重启策略.显然,改进后的算法增加了粒子搜索的多样性和明智性,从而加快了收敛速度.最后,将混合算法用于求解高维TSP问题,实验结果表明改进后的算法是可行的、有效的.

基于时间序列分析的水位短期预测模型仿真

为能有效预测水位,提出一种结合时间序列分析和卡尔曼滤波的优化方法。通过自回归分布滞后模型对站点的水位数据进行分析,得到各站点的滞后期长度,求得各变量的系数后,结合相关水位数据计算得到初始预测值,利用卡尔曼滤波对预测结果进行修正,获得最终预测值,建立优化的水位预测模型。利用该组合模型进行水位预测实例仿真,仿真结果表明,该模型能有效地预测水位短期内的趋势,预测能力稳定、预测精度高。

基于专创融合的计算机类专业创新创业人才培养探究

为了提高计算机类专业人才培养效果,文章首先分析了基于专创融合的计算机类专业创新创业人才培养现状,然后提出了基于专创融合的计算机类专业创新创业人才培养路径。

一种基于球隙迁移的改进粒子群优化算法

针对粒子群算法易早熟、陷入局部最优、求解精度不高等缺陷,提出了一种基于球隙迁移的改进粒子群算法。改进后的算法重新定义了粒子的位置、速度以及操作;引入了交换序,并用贪心算法的思想以节省搜索时间、提高算法收敛速度;引入了球隙迁移算法,克服了算法易陷入局部最优的缺陷;引入了基于松弛操作的思想的扰动机制。实验结果表明改进后的算法是可行的、有效的。

关联规则挖掘技术在高校人才培养模式中的应用

简述了关联规则挖掘技术及其在高校人才培养模式中的应用,并从高校已培养人才的大量相关数据中找到大学生毕业前在校表现情况与其在工作单位表现情况之间的关联关系,为高校决策人员决定学校采用什么样的人才培养模式提供科学依据.

罗哌卡因联合舒芬太尼用于分娩镇痛的疗效观察

目的 研究罗哌卡因联合舒芬太尼用于硬膜外分娩镇痛的疗效.方法 选择2011年11月至2013年2月收治的120例足月初产妇,完全随机分为镇痛组和对照组各60例.镇痛组采用硬膜外腔持续注射0.1％罗哌卡因与0.4 mg/L舒芬太尼100ml,对照组为自然分娩.观察2组产妇疼痛情况、产程时间、分娩方式、产后出血量及新生儿Apgar评分.结果 镇痛组镇痛后各个时点（5、10、15、20、25、30 min）视觉模拟评分（VAS）较对照组均明显降低[分别为：（4.2±1.1）分比（9.4±1.1）分、（3.6±0.8）分比（9.4±1.0）分、（2.0±1.2）分比（9.3±0.9）分、（1.4±0.9）分比（9.3±1.2）分、（1.0±0.3）分比（9.4±1.1）分、（0.8±0.2）分比（9.4±1.3）分],差异有统计学意义（P＜0.05）；运动阻滞分别为0、1、2、3级时,镇痛组[分别为20例（33.3％）、25例（41.7％）、12例（20.0％）、3例（5.0％）]与对照组[4例（6.7％）、17例（11.7％）、24例（40.0％）、15例（25.0％）]同级比较,差异有统计学意义（P＜0.05）；镇痛组第一产程时间、剖宫产率、出血量均明显低于对照组[分别为：（426±46） min比（466±51） min、18.3％（11例）比25.0％（15例）、（137±25） ml比（148 ±24）ml] （P ＜0.05）.结论 罗哌卡因和舒芬太尼两种药物联合用于硬膜外分娩镇痛镇痛效果确切,有助于分娩过程的顺利进行.

k-means算法在网络入侵检测中的应用研究

介绍了网络入侵检测技术,阐述了k-means算法及其思想,并把k-means算法用于网络入侵检测中。实验中采用KDD Cup 1999数据集进行实例验证,结果表明该算法是可行的。

ARP协议漏洞分析

近年来,ARP欺骗攻击已经成为危害网络正常稳定运行的主要问题。详述了ARP协议的工作原理,剖析了ARP协议的漏洞所在之处,给出了相应的防范措施。

改进k-means算法在高校计算机专业创新人才培养中的应用研究

引入粒子群算法对k-means算法进行改进,用信息熵去验证所聚类的效果,并将改进后的算法用于人才培养模式的制定中,可以为高校计算机专业创新型人才培养方案的制定提供比较科学、客观的决策支持。

一种基于收缩因子的改进粒子群算法

针对基本粒子群优化算法(简称PSO)存在的早熟收敛问题,提出了一种既保持粒子活性又保证粒子快速收敛于全局极值点的改进粒子群优化(XARPSO)算法。在算法运行过程中,如果种群多样性逐步减小,直至超出下限时,种群不再向整体最优位置靠近,而是纷纷远离该最优位置,从而执行了"扩散"操作,而当种群多样性逐步增大,直至超出上限时,种群又开始向整体最优位置靠拢,即执行了"吸引"操作,从而保持了粒子的多样性。同时,该方法引入收缩因子的概念,即通过正确选择惯性权重系数与加速常数即学习因子这些控制参数的值的方法,确保算法收敛。

基于k-means的改进粒子群算法求解TSP问题

文章借鉴了贪心算法的思想产生初始种群,重新定义了粒子的位置、速度等,提出了适合求解旅行商问题的基于k-means的改进粒子群算法。两个种群同时寻优,种群个体最优之间以一定概率进行交叉,减小算法陷入局部最优的概率,提高粒子向更好解进化的速度。实验证明,改进后的粒子群算法能有效地求解TSP问题。

一种基于复合形粒子群算法的改进k-means聚类算法

针对k-means算法事先必须知道聚类的数目,难以确定初始中心以及受异常点影响很大等缺点,提出了一种改进的k-means聚类算法。改进后的算法首先使用复合形粒子群算法来选取聚类的初始中心点,然后使用k-means算法快速收敛获取聚类结果。Iris测试数据集的实验结果表明了改进后的算法能够合理区分不同类型的簇集,可以有效地识别异常点,具有较好的性能。

改进K-means聚类算法在高校团组织建设中的应用研究

由于价值观念的多元化,各种思想对青年大学生产生冲击等多种原因,团组织在高校共青团员中影响力不断弱化,地位逐渐降低。试图将改进的K-means聚类算法用于高校团组织的建设中,为建立更加适合高校学生的基层团组织提供科学的依据。

改进k-means算法在网络入侵检测系统中的应用研究

入侵检测技术作为一种主动的网络安全防护技术越来越引起研究者的关注,但现有技术的误检率和漏检率较高。对入侵检测技术进行了介绍,分析了k-means算法及其存在的问题,提出了相应的改进策略,并将改进后的算法应用于入侵检测系统中。仿真实验结果表明,改进后的k-means算法在检测率和误检率上均优于传统的k-means算法。