ALPS-GA求解柔性作业车间调度问题

针对传统遗传算法在求解柔性作业车间调度问题时容易陷入局部最优、寻优率低的问题,提出一种将年龄分层人口结构和遗传算法相结合的算法ALPS-GA。构建具有层次结构的ALPS系统,使用Logistic混沌序列初始化种群,填入第一层;通过GA的选择、交叉、变异等操作,使种群中个体的遗传物质发生改变,并且将自适应概率方法加入ALPS-GA;定时重启第一层的GA,补全第一层缺失的个体并将种群个体向上跃迁,达到终止条件时停止进化。将算法在Benchmark实例上仿真,结果表明:ALPS-GA同时运行多个GA时全局搜索能力强,寻优率高,算法跳出局部最优的概率较大,在解决最大加工时间的最小值和平均值时都能取得较好结果,验证了ALPS-GA算法的有效性。

基于CHF-CNN的语音分离

深度神经网络已经在语音分离方面取得很好的表现,但是卷积神经网络获取的语音信息会更全面。经常用来评估预测目标好坏的分类准确率和命中率-错误率(HIT-FA)之间存在不平衡现象。为了解决这种不平衡,对卷积神经网络的损失函数进行了改进,提出使用二元交叉熵及命中率-错误率混合(CHF)损失函数,构成CHF-CNN模型。实验证明,使用CHF-CNN模型可以同时提高分类准确率和命中率-错误率(HIT-FA)来避免不平衡现象。此外,还验证了不同信噪比下的语音分离成果,发现当信噪比匹配时效果比不匹配时明显好,同时随着信噪比的增大效果会越来越好。