面向大规模优化问题的精英贡献两阶段动态分组算法

协同进化框架是解决大规模全局优化问题的有效方法,设计合理的决策变量分组方法是提高协同进化算法性能的关键,而利用精英决策变量动态构建精英子组件可以有效提高进化效率,但在进行大规模优化时,其可能将无关的变量分配到同一子组件,从而无法充分利用分组提高协同进化效率。针对该问题,提出一种精英贡献两阶段动态分组算法(EC-TSDG)。在分组前阶段,对变量进行随机分组,评估变量的贡献程度,从众多变量中寻找精英贡献变量;在分组后阶段,利用变量的相关关系寻找与精英决策变量存在相互作用的剩余变量,并将其合并形成精英子组件,使得精英子组件内部的变量两两相关,以此提高变量分组的准确性以及算法的收敛速度,避免子组件之间的相关干扰。最后,采用具有外部存档的自适应差分进化算法作为优化器进化各个子组件。在CEC'2013测试集上与其他先进算法进行比较,实验结果表明,EC-TSDG收敛速度快于对比算法,Friedman检验值为1.43,平均排序较对比的动态分组算法DCC平均提升36.78%。

基于NMR和GC-MS的动态分组实验教学模式探索——以“正溴丁烷制备”为例

针对“正溴丁烷的制备”实验中各类原料不同的用量、反应时长和原料加入顺序等设计了正交实验条件组合,并开放给15位同学分组进行动态选择。综合各组实验数据,得到最优的实验条件并对异常实验结果进行解释;通过核磁共振波谱仪(NMR)和气相色谱-质谱联用仪(GC-MS)等快速验证。与对照组相比,动态分组实验的同学在有机实验单元操作水平、仪器操作能力上明显提高,同时因实验过程中存在多种变量引导同学进行开拓性思考,增强了同学们提出问题、解决问题和设计新实验的能力,取得了良好的教学效果。

可学习动态分组卷积神经网络的大规模点云分割

针对现有大规模点云语义分割算法提取特征时冗余干扰信息过多,导致神经网络分割性能较差的问题,提出可学习动态分组卷积神经网络架构,高效准确地实现大规模点云分割。对输入点云以分组的方式进行局部几何特征提取,并通过动态筛选和修剪冗余特征通道来减少无用特征信息对神经网络特征识别的干扰,进一步提高网络模型语义分割精度。构建位置编码模块,将点云位置特征映射到高维频域空间,使神经网络充分挖掘点云频域特征信息,增强特征的丰富性。对提取到的局部几何特征和全局单点位置特征进行融合,并构建可学习动态分组卷积神经网络,完成解码得到最终分割结果。实验结果表明,该算法在大规模点云分割数据集S3DIS和SemanticKITTI上的mIoU分别为69.6%和58.3%。与现有点云语义分割方法相比,所提出的网络模型具有更高的分割准确率和较低的参数量。

一种动态分组的粒子群优化算法

针对粒子群优化算法易陷入局部最优的问题,提出一种动态分组的粒子群优化算法。通过对鸟群习性的研究,给出交互粒子的概念,并在粒子群优化过程中引入动态分组机制,将种群动态划分成多个子种群,且每次划分的子种群数目是从特定集合中随机选取,从而增加交互粒子划分到同一子种群的概率。每个子种群在收敛进化的同时,利用环拓扑结构提高种群多样性及算法搜索全局最优解的能力。实验结果表明,与其他粒子群优化算法相比,该算法具有更好的稳定性、寻优性能以及更高的收敛精度。

基于XML索引动态分组的P2P信息检索机制

针对中心服务器P2P存在瓶颈和单点失效以及无结构P2P易产生网络阻塞的问题,提出一种基于XML索引动态分组的P2P信息检索机制,解决了P2P系统多层次分组不能及时更新以及分组依据片面性的问题。方案中基于发掘用户兴趣设计了动态分组的IBDG算法,该算法通过实时更新分组提高了搜索效率。仿真实验结果证明该算法有效。

中国沪市资本资产定价模型的实证检验——基于动态分组方法

本文利用1994年9月至2012年8月上海证券交易所678只股票月度历史数据,运用动态分组方法验证资本资产定价模型理论,结果表明:在研究样本取样时间段,传统资本资产定价模型中的平均超额收益率与贝塔系数之间的线性关系成立,但是模型的截距显著大于零,而斜率显著为负;将其平均分为四个亚时期,只有第一亚时期的拟合程度较好,且前三个亚时期模型的斜率均大于零,而第四亚时期的斜率变为负数,表明中国资本市场在2009年6月以后,经历了市场收益率为负数的状态,且这一时期的影响程度最终导致整个研究样本的斜率为负,这与席卷全球的金融危机抵达并影响中国股市的时间和程度吻合。

基于动态分组的EPON带宽分配算法

提出一种基于动态分组的以太网无源光网络(EPON)带宽分配算法。设计动态组成员策略,动态分配各个光网络单元(ONU)的上行带宽。通过获取的ONU负载情况,计算各个ONU权重,根据计算的权重分配剩余带宽,并根据负载变化,调整各个分组的组成员。仿真结果表明,该算法的平均包延时较小。

一种动态分组的多节点协同定位编队构型优化方法

针对并行式多节点协同定位时协同节点选用的问题,提出了一种基于改进遗传算法的多节点动态分组协同定位编队构型优化方法。以节点间测距信息为量测信息,建立基于容积卡尔曼滤波的多节点协同导航模型;针对实际系统中编队构型约束和测距信息限制,改进了标准遗传算法的编码、交叉和变异操作,以Cramer-Rao边界不等式求解的编队误差界作为适应度函数,完成了多节点系统最优分组问题的求解。分别针对10、20、50节点协同系统进行编队优化仿真试验,验证了改进遗传算法的可行性和有效性。仿真试验结果表明,编队构型优化方法可以在固定编队协同定位基础上进一步提升节点定位精度,动态编队的定位精度较固定编队平均提高了36%。

蜂巢栅格下机器人导航路径的动态分组蚁群规划

为了减少机器人导航路径的长度和算法运行时间,同时提高算法规划稳定性,提出了蜂巢栅格环境下的动态分组蚁群算法规划方法。分析了方形栅格四叉树和八叉树工作模式的弊端,提出了改进蜂巢栅格的环境建模方法,蜂巢栅格避障时的有效路径比、安全性、转弯角大小、对圆形障碍物覆盖的有效面积比等多个角度均优于传统栅格。参考猫群算法的分群思想将蚁群分为跟踪蚁和搜索蚁,提出了动态分组蚁群策略和信息素的自适应扩散策略,从而给出了动态分组蚁群算法的执行步骤。经过算法的多样性和规划性能仿真分析,动态分组蚁群算法的路径多样性在迭代过程中保持较高水平,在相同环境下动态分组蚁群算法规划的最优路径长度比ACS蚁群算法减少了9.99%,搜索到最优路径时的迭代次数远远小于ACS蚁群算法,且从最优路径长度和迭代次数标准差看,动态分组蚁群算法稳定性好于ACS蚁群算法。

一种基于体育径赛的动态分组算法的设计与实现

常用的运动会管理软件中体育径赛项目分组分道多以固定八道处理,编排算法固定,存在一定的缺陷。本文提出了一种不受道数限制的动态分组算法,详细论述了该算法的设计思想,结合Office.NET组件技术论述了如何将此算法应用到校园田径运动会的秩序册编排系统中,有效地实现了灵活的径赛分组分道的编排任务。实验证明,利用本文提出的动态分组算法,可以对体育径赛项目进行灵活快捷地分组,在一定程度上弥补了目前运动会管理软件的不足。

基于动态分组的两级检查点算法

为了降低设置检查点的时间和空间开销,提出了一种两级检查点算法,其中组级采用协调检查点算法,系统级采用单阶段检查点算法.该算法基于分布式动态分组策略,通过发送分组来确保分组间不会产生孤儿消息,实现了由传统的两阶段提交算法到单阶段算法的转变.实验结果表明,算法执行时间较低,时间复杂度由通常的O(n2)降低到O(n),具有较强的实用性.

基于自适应拓扑的电池动态分组均衡方法

传统电池分组均衡方法用于减小电池组不一致性时,其分组方式存在低效耗能问题,因此提出了一种基于自适应电路拓扑的电池分组均衡方法。结合开关组与Buck-Boost电路特点,设计了用于电池分组均衡的自适应电路拓扑,在分析模糊C均值(FCM)聚类算法需给定初始聚类中心及隶属度矩阵等不足的基础上,从软件角度提出了用于实现电池分组的基于密度的模糊C均值(DBFCM)聚类算法。每个均衡周期内,采用DBFCM聚类算法实现电池单体聚类分组,依托自适应电路拓扑对聚类完成的电池各组进行组间均衡操作。实验结果表明,该方案可有效提高电池组的整体能量利用率,缩短均衡时间,减小单体电池间的不一致性。

基于数据缓冲区动态分组的功耗管理策略

传统DPM策略通过适应请求分布降低功耗,效果受到限制。另一类策略主动改变请求分布,使其较好的满足DPM要求。数据缓冲区策略属于其中的典型,但现有的缓冲区策略未充分考虑实际系统的数据访问情况,对数据缓冲区的使用效率较低。本文针对此问题提出一种新颖的DGDB(Dynamic Grouping of Data Buffer)功耗管理策略。实验结果表明,在复杂数据访问情况下,DGDB策略具有更好的节能效果与稳定性。

汽车责任险市场存在逆选择吗?——动态分组方法下的经验研究

本文通过对汽车责任险市场续保数据的动态分组,对"风险-保障"的相关性进行计量经济建模,采用Logistic模型研究我国汽车责任险市场的逆选择问题。通过这一动态分组方法下的经验研究,我们发现,逆选择现象在首年低保障样本中显著存在,在首年高保障样本中不显著。同时,我们还发现,费率水平对保障选择有显著影响,投保中的习惯性行为不太明显。

基于决策距离的分布式多传感器动态分组算法

飞行试验中多传感器测量系统中因类型、精度以及空间位置的变化,导致在数据融合时往往不能得到最优测量精度;提出了一种新的分布式多传感器目标跟踪分组融合算法,即利用模糊理论中的决策距离(Decision Space)思想,对飞行试验目标跟踪的多传感器系统进行动态分组(Dynamic Grouping),通过定义多传感器之间的关系矩阵(Relation Matrix),依据判别门限(Threshold)判定其是否参与最终处理,据此以获得在分布式多传感器目标跟踪测量系统中目标跟踪测量的最佳融合数据精度;仿真结果证明,该算法是一种有效的分组算法。

北方高校女子速度滑冰课“动态分组、异步互助”教学方法的实验研究

女子速滑课长期以来一直是北方高校教学的薄弱环节,女子速滑课的教学对于大多数女大学生来说,既没有达到让其熟练掌握速滑技术的目的,又没有起到锻炼身体的作用。为了改善这种现状,采取多种研究方法,探索有效解决问题的教学方法,进行了"动态分组、异步互助"教学方法的实验研究。通过对实验过程和研究结果进行分析、讨论,认为该教学方法可以有效解决不同速滑基础女大学生的不同学习需求,实现了学生速滑成绩的共同提高,达到了促进女大学生锻炼身体的目的,起到了提高其社会交往能力的作用;具有显著提高高校女子速滑课教学质量的效果。

基于动态分组和扩散置乱的混沌加密方法

为了提高图像加密的安全性和有效性,提出一种基于动态分组和扩散置乱的混沌加密方法。将明文图像随机分组并采用比特位和行列的置乱、扩散操作对其加密,其密钥流产生于基于明文图像的逻辑映射,扰乱明文图像和密文图像之间的映射关系;并且在进一步加密过程中,明文图像像素由密文图像反馈算法取代,使得加密过程受到明文图像控制参数的影响。理论分析和实验测试结果表明,该算法可以抵御选择性攻击和差分攻击,具有较好的统计特性,可以运用于图像信息安全保护。

基于动态分组算法求解TSP问题

利用TSP问题特点,提出了动态分组算法求TSP问题.将TSP环路动态随机分解成双环,再用最佳组合方式组合成单环,实现了在总体路径寻优下的局部路径优化,从而使所得路径尽可能接近最优解.通过对TSPLIB中实例的大量实验及与KD、KL、SETSP、Budinich和ESOM等类SOM算法的比较,表明该算法具有良好的性能.

基于综合负载动态分组的负载均衡算法研究

针对服务器集群负载多变和动态算法系统开销大的问题,结合轮转法和动态反馈法的优点,提出了综合负载动态分组的负载均衡算法.该算法兼顾了集群系统中服务器异构和请求类型不同的问题,并配置了综合负载阈值和强制刷新的最小时间间隔.试验表明该算法系统开销小,负载均衡效果显著.

基于动态分组的重要性共识优化算法

权益证明共识算法(PoS)虽然具有不需要花费算力的优势,然而由于权益越高的节点获得记账权的可能性越大,因此记账节点具有很强的确定性且容易富者愈富,一旦权益最高的节点无法正常记账出块,其余节点仍要重新竞争记账权,此时系统停滞的概率急剧增大。针对这两个缺陷,提出了一种基于动态分组的重要性共识优化算法(DPoI)。首先,算法引入重要性评估方案,依据节点活跃度、交易占比、寻找随机数的时间和信誉度计算每轮中节点的重要性分数iValue;然后,利用斐波那契数列将iValue相近的节点动态分组,组内借鉴DPoS投票策略排名充当备选节点,形成灾备方案,从而有效避免系统停滞;最后,设计了二进制指数退避算法来快速剔除系统中的恶意节点,从而有效增强了区块链系统的安全性和稳定性。实验结果表明,DPoI出块的速度约为PoI的6倍,大大加快了出块速度。当恶意节点占比达到70%时,二进制指数退避算法仍能有效剔除恶意节点,系统的可靠性得到了充分保障。