一种社会网络搜索免疫优化算法

基于社会网络所表现出的强大的信息搜索和传播能力,提出了一种新颖的免疫优化算法——社会网络搜索免疫优化算法.该算法将优化问题的求解看作是信息的传递过程,利用经典社会网络搜索模型即Kleinberg网络模型的建模方法来构造免疫算法的寻优进化过程.通过网络的结构增长机制,分别由短程连接算子和长程连接算子来引入抗体种群中的新个体.当搜索进行到一定程度时,自适应地调整长程连接搜索概率,避免算法陷入局部极值,能够最终找到目标的最优解.短程连接算子和长程连接算子的引入充分利用了抗体种群的结构信息,加快了种群收敛速度,同时降低了算法陷入局部极值点的概率.通过对复杂函数优化问题的测试、理论分析及实验结果表明,与粒子群算法、克隆选择算法等已有算法相比,新算法可以更好地保持解的多样性,收敛速度快,求解精度高,鲁棒性强.

基于Memetic算法和关联学习的社会网络聚类分析

针对社会网络系统中的社会属性知识没有被充分挖掘,网络结构优化算法学习能力弱的问题,提出了一种Memetic关联学习算法(MRLA)。研究了新算法的基本原理和各个算子,实现了社会属性信息的有效利用。新算法充分结合基于Memetic计算的准确性和基于社会关联学习的快速性,以3个真实社会网络数据集作为测试集,实验结果表明MRLA算法能够有效实现社会网络的聚类分析。

基于人工免疫系统的数据简化

针对数据简化中的实例选择问题,基于抗体克隆选择学说提出了一种免疫克隆数据简化算法.利用马尔可夫理论证明了该算法能以概率1收敛.通过对7个具有代表性的标准UCI数据集的简化实验证明了该算法的有效性.通过实验分析了权值参数λ的取值变化对算法性能的影响,确定了其最佳取值区间.针对海量数据集简化时算法收敛较慢的问题,引入分层编码策略.通过对7个大规模及海量数据集的简化实验表明了在进化代数不变的情况下,新的编码方式能够极大地提高算法的收敛速度,得到更为理想的结果.通过对Letter和DNA两个数据集的实验给出了分层编码中层数t的最佳取值区间.

曾被埋没的巨星

本文主要研究在一定时期内因政治、历史环境等因素，一些作家被社会漠视，被排挤出了文学史但随着时代发展又重新被社会认可，走回文坛的情况并进一步分析原因。

数据驱动的发展式头脑风暴优化算法综述

头脑风暴优化(brain storm optimization,BSO)算法是一种新兴的群体智能优化方法,以众人集思广益解决问题为原型,抽取其中解决问题的模式,将其抽象为智能优化算法.介绍了头脑风暴优化算法的优化算子和基本原理,在对基本头脑风暴优化算法和目标空间中的头脑风暴优化算法比较的基础上,对头脑风暴优化算法的研究现状,包括群体多样性、求解不同类型问题和实际应用的研究现状进行了全面的综述.最后对头脑风暴优化算法有待进一步研究的问题进行了展望.

基于和谐管理理论的免疫信息网络优化算法

受经济管理学中"和谐管理"理论的思想启发,提出一种全新的免疫进化信息网络模型,即和谐进化信息网络(HEIN).在该模型中,将优化问题的求解看作是信息网络能量最大化的过程,通过"和则"与"谐则"二个规则集的有机结合来有效控制和管理进化过程,实现了比单纯模拟生物免疫响应或自然进化更加完备和高效的和谐进化.实验结果表明,所提出算法可更好地保持种群多样性,收敛速度快,求解精度高.

基于视觉显著性的分块自适应压缩感知算法

针对SAR图像的压缩感知重建问题,在分块压缩感知框架的基础上,提出了基于视觉显著性的分块自适应压缩感知算法.在采样阶段,每个子块的采样率依据显著信息自适应的变化;在重建阶段,根据不同图像显著信息的差异,自适应地滤波.实验结果表明:该方法不仅重建结果的整体质量更优,视觉效果更好,而且在重建后的图像中能更好地保持边缘和目标等重要特征.