风暴中的贪婪者

“在别人贪婪的时候恐惧，在别人恐惧的时候贪婪。”巴菲特的这句投资格言广为流传。如果要将它演绎为一幕剧，约翰·保尔森当是最佳男主角。

基于贪婪算法的树形WSN低功耗路由算法

PEGASIS算法是无线传感器网络中的经典分簇算法,因其易于实现而被广泛应用,然而该算法通过单链进行数据传输的方式可能使单链上相邻节点距离过远,导致网络中部分节点能量消耗过快,进而缩短网络的生命周期。针对PEGASIS算法存在的问题,提出基于贪婪算法的树形WSN低功耗路由算法。通过贪婪算法使节点形成树,并在形成树时避开剩余能量过低的节点,形成树之后再将剩余能量过低的节点加入树;然后将树中距离树外节点最近的节点作为树的根,并将树根延伸到距离最近的节点,从而实现树的融合,直到所有树的根都延伸到基站,使整个网络形成从叶节点到基站的数据传输路径。仿真结果表明,该算法下网络的生命周期相较于PEGASIS算法延长了27.1%,该算法在网络生命周期和网络能耗均衡方面表现更好。

改进迭代贪婪算法求解可重入流水车间调度问题

可重入混合流水车间是在混合流水车间的基础上增加了可重入特性,具有更高的调度复杂性。为了求解可重入混合流水车间调度问题,首先建立了调度优化模型,优化目标为最小化最大完工时间,然后提出一种带精英调整的学习型迭代贪婪算法(LIG-EA)。LIG-EA算法采用基于工件的编码方式,对重组后的染色体进行解码。种群分为精英个体和普通个体两部分,对精英个体进行精英破坏重建和基于关键工件的染色体调整,对普通个体进行学习机制的构建和普通个体的破坏重建。为提高初始种群质量,采用NEH启发式算法进行种群初始化,并针对可重入混合流水车间的重入特性,在重建操作中增加了插入有效性判断,提高了算法的运行速度。通过大量实验表明LIG-EA算法能够有效求解可重入混合流水车间调度问题。

基于贪婪算法的云计算数据块节能存储仿真

针对云数据储存能量消耗大的问题,提出基于贪婪算法的云计算数据块节能存储方法。建立具有用户访问层、核心服务层和服务管理层的云计算架构,了解数据块产生过程和储存环境;将物理机利用率、能源消耗量和主机储存能力作为节能储存的约束条件,将待储存的数据块封装为虚拟机,利用贪婪算法描述虚拟机部署问题,构建贪婪算法下虚拟机分配环境;计算单个物理机和整个数据中心的数据块储存能力和资源请求能力,综合考虑虚拟机分配的相关向量,运算数据储存时的能量消耗;以总体能量最小为目标函数,将虚拟机分为主模块与备用模块,通过设置虚拟机状态转换规则来减少储存开销,实现节能储存。实验结果表明,上述方法在数据储存过程中能够有效减少服务器开启数量,节省储存功率,达到节能目的。

基于贪婪算法的网络通信未知蠕虫检测仿真

网络蠕虫具有智能化和综合网络攻击性,无须计算机使用者干预即可运行的攻击程序或代码,且攻击传播速度较快。计算机防御模型多采用杀毒软件处理蠕虫的检测,但是无法提前防御蠕虫的攻击。因此,提出基于贪婪算法的网络通信未知蠕虫检测方法。通过云安全环境建立蠕虫传播模型,提取未知蠕虫数据特征,采用贪婪算法构建自编码器,降维蠕虫数据特征。利用改进蚁群算法和SVM建立网络攻击检测模型,将降维后蠕虫数据特征输入模型中,完成未知蠕虫的检测。实验结果表明,研究方法的蠕虫检测率更高,且丢包率低于0.5%,主机感染率降低,说明所提方法的应用性能更优。

贪婪与跨期决策的关系:基于解释水平理论的探讨

研究通过测查或客观操纵个体的解释水平,旨在基于解释水平理论探讨贪婪与跨期决策的关系及作用机制。结果发现:个体越贪婪,越倾向选择近期小收益选项,其解释水平也越低;一般解释水平可中介贪婪与跨期决策的关系;客观操纵的解释水平可调节二者间的关系,相比控制组,高解释水平可有效缓冲贪婪对跨期决策的不利影响。研究表明,贪婪会通过降低个体对事件的解释水平使其更倾向选择近期小收益选项,通过提升贪婪者的解释水平可有效改善其短视倾向。

基于贪婪投影三角化的散货料堆体积测量

文中基于自动化抓取以及库存盘点所需的料堆参数信息,研究料堆体积的求取方法,提出一种基于贪婪投影三角化的三角网格微积分的体积求取方法.运用贪婪投影三角化算法将点云数据分成无数个三角网格,求取每个三角网格与地面组成几何体的体积,其体积和即为料堆的体积.并与实际测量数据以及传统算法求解的结果进行对比分析,验证了算法求取料堆体积的准确性.

基于贪婪算法的大数据兼容性云存储方法仿真

现阶段云环境下大数据的存储仍存在存储效率低、带宽合理性差的问题,因大数据的数量巨大、难收集和分析的特点,导致很难实现大数据的精准兼容存储。为此提出基于贪婪算法的大数据兼容性云存储方法。根据大数据云存储流程获取数据存储基本框架。引入贪婪算法,通过贪婪算法的循环迭代重构云存储节点的比特功率,使初始云存储环境转化成具有相同访问数据选择策略的优化云存储环境,提高大数据云存储流程的兼容性,完成大数据兼容性的云存储。实验测试结果表明,提出方法在规定时间内的数据漏存储量较少,且用户下载数据的响应时间始终低于5ms,大数据兼容性云存储的错误样本量低于100bit,说明提出方法的可应用性较强,研究价值较高。

一种基于优先级贪婪算法的规模化考试计划编排系统

军队高等教育自学考试是规模化考试的典型代表,其考试计划的科学编排能够确保考试的顺利开展和执行质量。文章归纳自学考试计划编排系统三大构成模块——基础数据模块、计划管理模块和系统管理模块的基本内容和主要功能,分析自学考试计划编排系统的遵循原则、约束条件和算法选择,提出系统的数学模型,给出课程优先级的确定方法,最后描述考试计划编排系统的实现流程。

求解能耗成本平衡的分布式阻塞流水线调度群体迭代贪婪算法

在经典分布式流水车间调度问题基础上,本文构建了具有序列相关准备时间的分布式阻塞流水线调度问题(DBFSP SDST)的混合线性整数规划模型(MILP),以均衡各工厂能耗成本为优化目标,提出了基于群体优化的迭代贪婪算法(PEIG).该算法针对零缓冲区和多工厂生产模式,设计了问题特性的启发式方法;针对迭代贪婪算法(IGA)的优势和不足,提出了基于群体的局部搜索策略、多邻域搜索结构和增强的跨工厂破坏重构方法,以进一步平衡所提算法的全局探索和局部搜索能力.通过270个测试算例的数值仿真,以及与最新4种代表算法的统计比较,本文验证了所提PEIG算法的优越性,能为中大规模的DBFSP SDST提供更优的调度方案.

基于贪婪DDPG的无人机智能避障算法

针对传统无人机DDPG避障算法难以解决无人机在未知条件或复杂环境中飞行时的智能避障问题,提出一种基于贪婪DDPG无人机智能避障算法.在传统DDPG算法基础上,通过引入动态调整贪婪度方法和高斯噪声策略,使无人机在探索环境和制定避障策略时,能够更加高效地平衡探索和利用的关系,从而提高学习效率和避障性能.实验结果表明,贪婪DDPG算法在训练效率和泛化能力上均优于传统DDPG算法,显示出良好的鲁棒性.

多机器人协调调度的贪婪双染色体遗传算法

为了减少多分拣机器人系统执行任务的路径长度、实现多机器人系统的协调工作,建立了多分拣机器人系统任务调度的着色旅行商模型,提出了基于贪婪双染色体编码遗传算法的协调调度策略。建立了电商仓库环境的栅格模型,使用三维坐标定义了栅格位置和状态。在传统A*算法基础上,将转弯代价引入到代价函数中,减少机器人执行任务过程中的转弯次数,实现了栅格环境下点到点的路径规划。构造了多机器人系统在执行任务过程中的路径冲突判断方法,基于等待策略和局部路径重规划策略给出路径协调方法。设计了10组不同机器人规模和任务规模的仿真实验,经验证在不同任务规模下,贪婪遗传算法获得的路径长度均短于传统遗传算法,且路径长度的差值随着任务规模的增大也越来越大;另外,在不同任务量下贪婪遗传算法规划路径的机器人等待次数和重新规划次数也小于传统遗传算法,验证了贪婪双染色体遗传算法在多机器人系统任务调度与协调中的有效性。

关于Kaczmarz的一类加速免伪逆贪婪块方法

块贪婪Kaczmarz方法在解决大规模一致线性系统方面取得了成功应用。然而在每次迭代步骤中,GBK方法都涉及伪逆计算,这不仅复杂化了计算并减慢了收敛速度,且不适合分布式实现。在本文中基于Sketching技术提出了两种免伪逆计算的GBK方法,分别是杠杆得分抽样免伪逆GBK方法和稀疏随机投影免伪逆GBK方法,其算法效率更加高效,收敛速度可以达到指数收敛。为了进一步加快收敛速度,我们还提出了CountSketch免伪逆重力球GBK方法、杠杆得分抽样免伪逆重力球GBK方法和稀疏随机投影免伪逆重力球GBK方法。为了验证新方法的有效性,我们进行了一些数值示例。结果表明,这些新方法在解决大规模一致线性系统方面具有很高的效率和准确性。

贪婪皮肤杆菌致人工肩关节置换术后感染1例并文献复习

目的 探讨贪婪皮肤杆菌引起的人工关节假体周围感染(PJI)的临床特点及诊治方案。方法 总结1例贪婪皮肤杆菌引起的PJI患者的诊疗过程,检索数据库相关文献进行复习。结果 患者女性,65岁,身体质量指数(BMI)31.1 kg/m2,左肱骨近端骨折后行“左肱骨头假体置换术”,术后10个月伤口愈合不良伴渗出,左肩关节活动受限,诊断为人工肩关节置换术后感染。行感染扩创病灶清除术及假体取出术,组织、骨水泥、假体均培养出贪婪皮肤杆菌。检索并筛选出4篇文献,共报道30例因贪婪皮肤杆菌引起PJI的患者(髋关节28例,肩关节2例),78.6%(22例)的人工髋关节假体(THA)手术采用直接前入路(DAA);术前关节液培养阳性率为71.4%,29例进行外科手术结合敏感抗菌药物治疗;除一例患者反复感染,行3次手术外,其他患者预后良好。结论 贪婪皮肤杆菌引起的PJI常见于肥胖且采用DAA的THA患者,少数病例也见于人工肩关节置换术后。术前受累关节穿刺微生物培养敏感性较高,可为手术策略与抗感染方案的制定提供重要依据。

多路径支撑集回溯贪婪重构算法

针对现有压缩感知贪婪算法容易陷于局部最优、过拟合等问题,提出一种稀疏恢复算法,称为多路径支撑集回溯贪婪重构(multipath backtracking greedy pursuit,MBGP)算法。该算法以最小残差为重构目标,对候选原子展开多条路径同时搜索,且每次筛选多个原子,通过回溯过程剔除误选的原子。基于有限等距性质给出MBGP算法重构信号的充分条件,以确保其从测量值精确恢复任何K-稀疏信号,并通过信号重构能力来评估MBGP算法的性能。数值实验结果表明,该算法在相同信号条件下,能够在采样数更少、稀疏度更大的场合下精确重构信号,且性能更逼近理想Oracle-最小二乘估计器。

基于改进GWO和贪婪算法的覆盖优化方法

针对能量异构无线传感器网络中节点随机部署时,节点冗余造成覆盖率低的问题,提出一种基于改进灰狼优化和贪婪算法的两阶段覆盖优化方法IGWO-GA。首先,将静态节点和移动节点随机部署在目标区域内;其次,根据网络的覆盖率、节点的能量和虚拟移动距离建立多因素协同适应度函数,将灰狼包围策略划分为内层包围和外层包围,并提出猎物权重因子动态分配策略,确定移动节点的初选位置序列;最后,在终选位置优化阶段,提出贪婪算法确定节点与初选位置的最优匹配,重新进行节点部署,从而完成覆盖优化。仿真结果表明,相较于DPSO、IPSO-IRCD、GWO、GRDSA,IGWO-GA能够有效提高网络覆盖率,降低节点能耗,延长网络生命周期。

求解流水车间订单接受与调度问题的多线程并行迭代贪婪算法

针对流水车间实际生产过程中交货期短和生产能力不足的困难,研究了流水车间订单接受与调度问题,并以企业生产总净利润最大化为目标建立了数学优化模型。鉴于传统迭代贪婪算法求解流水车间调度问题的优势与不足之处,提出了一种多线程并行迭代贪婪算法(MPIG)。在算法的初始化阶段以及破坏重构阶段分别设计基于NEH(Nawaz-Enscore-Ham)的初始解产生方法以及融合不同破坏优先级的破坏方式。为提高算法搜索效率,提出了一种多线程并行搜索策略。首先利用二分查找算法快速找到订单在待插入序列中的拒绝点,随后通过多个线程同时搜索订单在序列中的局部最优位置,并最终找到订单最佳插入位置。实验结果表明,与解决类似生产调度问题的相关智能优化算法相比,所提出的MPIG具有更好的求解质量以及求解稳定性。同时,与实际生产过程中常用的启发式调度方法相比,所提出的算法在目标值上表现出不低于11%的改进率,可以有效增加企业生产总净利润,减小拖期成本。

基于贪婪算法的态势感知装备资源调度研究

针对在地面站模型复杂多样、测控任务条件多样的情况下,如何根据现有测控资源最大限度地满足各式各样的测控任务这一问题,本文提出了基于贪婪算法的地面站观测卫星的资源调度方法。该方法通过考虑每个观测任务的优先级、定制观测条件、地面站工作特性等因素,选择当前看起来最优的解决方案,并将其添加到已知解决方案中。在实验中,本文使用了一个模拟场景,对该方法进行了测试,并与其他常用的资源调度算法进行了比较。结果表明,该方法具有较高的效率和优化效果,可以有效地优化地面站观测卫星的资源调度。

求解大型线性最小二乘问题的贪婪随机坐标下降法

贪婪随机坐标下降法(GRCD)是求解大型线性最小二乘问题的有效迭代方法之一。本文在GRCD算法中引入松弛因子,构造了一种含参数的贪婪随机坐标下降法。并证明了当线性最小二乘问题的系数矩阵为列满秩时该方法依期望的收敛性。数值实验表明,当选取适当的松弛因子时,该算法在迭代步数和计算时间比GRCD方法更有效。

基于贪婪蚁群算法的飞行自组网路由策略方法

路由策略是飞行自组织网络(Flying Ad-hoc Network,FANET)中建立数据传输路由的重要操作.传统的路由策略无法满足FANET低延迟和稳定的通信需求.本文提出一种基于贪婪蚁群算法(Greedy Ant Colony Optimization,GACO)的路由策略,GACO基于蚁群算法的寻优选择策略,结合利用位置信息限制蚂蚁搜索方向的贪婪算法,以加速蚁群算法收敛速度,从而提高FANET的通信效率.实验结果表明:GACO算法比传统AODV、DSR有着更低端到端延迟、更高的数据包交付率的优势.