基于GQPSO算法的网络入侵特征选择方法

高维网络数据中的无关属性和冗余属性容易使分类算法的网络入侵检测速度变慢、检测率降低。为此,提出一种基于遗传量子粒子群优化(GQPSO)算法的网络入侵特征选择方法,该方法将遗传算法中的选择变异策略与QPSO有机结合形成GQPSO算法,并以网络数据属性之间的归一化互信息量作为该算法适应度函数,指导其对网络数据的属性约简,实现网络入侵特征子集的优化选择。在KDDCUP1999数据集上进行仿真实验,结果表明,与QPSO算法、PSO算法相比,该方法能更有效地精简网络数据特征,提高分类算法的网络入侵检测速度及检测率。

基于改进GQPSO算法的多目标卷烟配送策略

卷烟配送普遍呈现客户点多、路线复杂的特点,是典型的组合NP难题。以配送成本最低且配送量均衡为优化目标,建立带时间窗的卷烟配送通用数学模型;引入选择与交叉操作,提出运用改进的遗传量子粒子群算法(GQPSO)实现车辆编号和配送次序同步寻优,以制定卷烟配送的最优策略。实例表明:GQPSO能快速有效制定满足优化目标的卷烟配送策略。