基于改进RRT算法的智慧小区物料小车路径规划

针对快速搜索随机树(RRT)算法在物料小车路径规划算法中路径转折点多、路径较长、算法运行速度慢等问题,开展了一种基于改进RRT算法的物料小车路径规划算法研究。首先分析了RRT算法与RRT-C算法的原理与优缺点;然后,提出针对优化目标点寻找的采样优化策略、步长优化策略以及保证物料小车运行安全的转角约束条件;最后,采用剪枝优化以及圆切角路径平滑策略来优化所得路径以符合物料小车实际运行线路,并将障碍物进行膨胀化处理,进而规避安全性不足的问题。优化后的RRT算法比初始方法在规划时长和路径长度上分别有着40%~60%和15%~30%的提升,证明了所提方法的有效性。基于改进RRT算法的智慧小区物料小车路径规划研究具有重要的理论和应用意义,并对未来智慧小区动态物流管理系统的优化提供了基础。

基于Kd树改进的高效K-means聚类算法

针对经典的K-means算法在多维数据聚类效率上还有待提高的问题,本文提出一种称为CKmeans的改进聚类算法。该算法在k-means算法的基础上,通过引入Kd树空间数据结构,初始聚类中心从多维数据某一维的区间等间隔集中选取,以及在数据对象分配过程中采用剪枝策略来提高算法的运行效率。实验结果表明,CK-means聚类算法较经典的k-means聚类算法运行效率更高。

基于α-β剪枝树算法的安卓五子棋程序设计与实现

本文设计并研发了一种基于智能算法的安卓五子棋应用程序,程序中包括两种模式:玩家对弈和人机对弈,其中在人机对弈模式中,程序一方采用α-β剪枝树算法实现。程序主要由界面显示及控制模块、玩家对弈模块、人机对弈模块和胜负判定模块组成。经过测试,程序具有较高智能程度,能够击败大多数业余选手,并且具有较好的人机交互界面和响应速度,兼顾了智能性与娱乐性。

决策树分类算法的预剪枝与优化

决策树分类算法是1种直观、有效的分类算法。针对影响决策树算法分类效果的2个重要因素———属性选择度量及预剪枝参数,对算法进行优化。以澳大利亚某地降水预测为实例,搭建迭代二叉树3代(ID3)及分类与回归树(CART)模型并对其进行优化。通过数据预处理及预剪枝操作,改进了算法,有效防止了过拟合,提高了决策树的分类性能。基于交叉检验方法优化了2种模型的参数,提高了预测精度。性能对比结果表明,基于基尼指数构建的决策树精度更高。针对该决策树,在优化后的参数附近构建三维网络搜索最优参数,达到了更高的预测准确率。

基于无人机的移动边缘计算任务卸载

无人机具有高移动性,能帮助移动用户在基础通信设施缺乏的环境中快速部署边缘云。为降低基于无人机的边缘计算成本,提高能量利用效率,提出了一种移动边缘计算(Mobile Edge Computing, MEC)系统的任务卸载方案。首先基于排队论模型构建了多用户边缘计算模型,引入等待概率构造了移动边缘计算系统的成本函数,然后采用权重系数将多目标优化问题转化为求解卸载策略的单目标非线性规划问题,最后采用蒙特卡洛剪枝算法进行求解,并引入决策树剪枝算法降低了算法的复杂度。实验结果表明,文中提出的任务卸载方案在CPU性能较低、任务到达率较大的情况下均能降低成本开销,为基于无人机的边缘计算提供了一种低成本的解决方案。

基于关联规则挖掘的电网设备差异化状态检测

WFP电网设备差异化状态检测方法在电网设备数量增加但数据量不变时加速比较低,因此设计一种基于关联规则挖掘的电网设备差异化状态检测方法。根据电网设备的实际参数,分析电网危害程度,简化风险评估分级,建立设备差异化状态风险矩阵;利用决策树模型挖掘得到设备历史运行数据中满足支持度要求的项集,并对决策树模型进行剪枝处理;最后得到数据之间潜在关联,完成电网设备差异化状态的检测。实验结果表明,在告警量较少的情况下,设计方法更加接近理想加速比,验证了方法具有较好的性能。

基于Qt和博弈算法的五子棋游戏设计

研究了五子棋博弈算法的关键技术,设计并实现五子棋游戏对战平台。以Qt多线程机制和TCP/IP协议为基础,设计P2P和C/S网络混合模型,并以Socket网络编程技术实现五子棋游戏的局域网对战。采用极大极小值搜索算法实现机器人博弈,并通过α-β剪枝算法和AC匹配算法优化博弈算法。结果表明,该设计可以实现同局域网下网络对弈功能,并且AI的计算时间得到较大的缩减。

基于属性值的ID3算法改进

I:D3算法是数据挖掘中经典的决策树分类算法。针对ID3算法所存在的属性取值偏向问题及只对较小的数据集有效的缺点提出改进。当训练样本各属性的取值个数相差较大的情况下,在计算划分标准时引入了属性取值个数N,在一定程度上克服了ID3算法易偏向于取值较多的属性这一缺陷,得到了结构更简洁的、较为理想的决策树。采用先剪枝的方法实现改进,设定一个阈值避免决策树的完全生长,在保持分类准确率的同时,大大地提高了算法的速度。实验结果表明,改进后的算法(AVID3)对许多数据集比传统ID3算法更有效。

决策树算法的系统实现与修剪优化

决策树是对分类问题进行深入分析的一种方法,在实际问题中,按算法生成的决策树往往复杂而庞大,令用户难以理解。这就告诉我们在重分类精确性的同时,也要加强对树修剪的研究。以一个决策树算法的程序实现为例,进一步讨论了对树进行修剪优化时可能涉及的问题,目的在于给决策树研究人员提供一个深入和清晰的简化技术视图。

决策树ID3算法的分析与改进

为了弥补ID3算法[1-3]的缺点及不足,设计了一种基于ID3算法的改进算法。它使用修正参数修正信息增益,克服了ID3算法偏向于选择取值较多的属性这一缺点,对连续值的属性进行离散化,解决了连续属性的处理问题,通过有未知值的样本是按照已知值的相对频率随机分布的思想,可以处理缺少属性值的样本。描述了通过改进的ID3算法生成决策树[4]的具体步骤,将改进算法应用到了客户关系管理系统中的客户流失分析问题当中。通过对实验结果的分析比较,得到改进算法与原ID3算法相比具有更高的预测准确率,表明了该算法的有效性。

基于C4.5决策树算法的天气预警系统的手机终端设计

为满足现代社会对气象预警预报服务的需求,研发了Android系统平台下实时天气预测和异常天气预警系统。根据决策树算法中的C4.5算法,解决天气预警分类问题。该方法通过提取训练样本中最大增益率属性作为属性特征建立决策树,经剪枝后得到天气预警评估的决策树模型,并对此模型进行分析和应用。实验结果表明这种方法在分类评估准确率上具有优势,分类正确率达到85.8%.

六子棋中基于局部“路”扫描方式的博弈树生成算法

针对六子棋博弈比赛中基于"路"的全局扫描方式的博弈树生成算法效率较低问题,首先分析了基于"路"的全局扫描方式的计算规则和估值分析,然后将博弈树生成算法中的全局扫描方式改进为局部扫描方式,并给出其计算规则和估值分析,接着设计了基于局部扫描方式的博弈树生成算法,并集成到Alpha-Beta剪枝算法中。最后从搜索效率和博弈水平2个角度对全局扫描和局部扫描进行实验,实验结果表明,局部扫描方式在比赛时间要求的情况下,能够大幅度提高搜索效率,并且博弈水平显著优于全局扫描方式。

决策树方法在煤炭物流客户分析中的应用

目前物流企业中积累了大量的客户历史数据,为了有效利用这些数据,使用数据挖掘方法对客户进行分类管理和服务是CRM中非常重要的一方面。而决策树是进行分类分析与数据挖掘的常用方法。研究了运用C4.5算法对煤炭物流客户信息构造决策树,并把提取到的规则应用到公路煤炭物流公司的客户关系管理中,结果证明具有较好的应用价值。

一种基于图论剪枝算法的多分支配电网行波故障定位算法

配电网由于其结构上多为树形辐射状结构,若直接采用传统的输电线路故障定位方法则会造成定位的不准确。因此,基于图论剪枝算法提出一种适用于配电网的行波故障定位新方法。该方法将配电网拓扑结构等效成图论模型,构建配电网距离矩阵和关联矩阵,采用剪枝算法剪掉无效的行波波头信息,利用配电网末端检测到的故障初始行波到达时间信息实现配电网故障的实时精确定位。文章最后采用PSCAD和MATLAB软件进行联合仿真。仿真结果表明利用该方法实现的配电网故障定位结果精确可靠。

一种基于树匹配的网页语义块挖掘算法

在互联网中,网页等半结构化文本通常由不同的语义区块组合而成,定位和挖掘这类区块对网页内容理解、页面结构分析等有着重要的作用.然而由于不同网页在结构和内容上都存在着较大的区别,准确的从不同的网页中定位特定的结构区域是一个相对复杂的任务.主要提出一种基于树匹配的方法用来挖掘网页中的语义区块,并通过剪枝等策略优化算法.实验表明该方法能有效提高F值,同时算法的性能有较大改善.

一种单位代价收益决策树剪枝算法

目前关于决策树剪枝优化方面的研究主要集中于预剪枝和后剪枝算法。然而,这些剪枝算法通常作用于传统的决策树分类算法,在代价敏感学习与剪枝优化算法相结合方面还没有较好的研究成果。基于经济学中的效益成本分析理论,提出代价收益矩阵及单位代价收益等相关概念,采用单位代价收益最大化原则对决策树叶节点的类标号进行分配,并通过与预剪枝策略相结合,设计一种新型的决策树剪枝算法。通过对生成的决策树进行单位代价收益剪枝,使其具有代价敏感性,能够很好地解决实际问题。实验结果表明,该算法能生成较小规模的决策树,且与REP、EBP算法相比具有较好的分类效果。

第三方在线支付市场的企业进/退博弈模型与算法

分析了第三方支付研究现状,提出了第三方在线支付企业市场进退问题;针对第三方在线支付企业市场进退的时机、机制、策略选择等,构建了基于博弈论的逆向剪枝模型与算法,并就企业市场进退战略提出了相应对策:1)对于市场占有率极低且其提供的产品服务同质性很高的较小在线第三方支付企业,应尽早退出在线支付市场或将营业中心进行转移;2)对尚无第三方在线支付强劲实力的未到位新企业,尤应力戒盲目进入。

基于多粒度树模型的Web站点描述及挖掘算法

随着Web 所拥有的信息量和信息种类的急剧增长,Web 站点挖掘对于自动实现特定主题的 Web 资源发现和分类具有重要的意义.然而现有的 Web 站点分类或挖掘算法在利用上下文语义信息、去除噪声信息以进一步提高分类准确率等方面还缺乏深入研究.从站点的采样尺寸、分析粒度和描述结构 3 个方面分析了设计高效的 Web 站点挖掘算法所需要解决的问题.在此基础上,提出了一种新的 Web 站点多粒度树描述模型,并描述了包括基于隐 Markov 树的两阶段分类算法、粒度间上下文融合算法、两阶段去噪程序以及基于熵的动态剪枝策略在内的多粒度 Web 站点挖掘算法.站点的多粒度描述方法及挖掘算法为多站点查询优化、Web 效用挖掘等的深入研究奠定了基础.实验表明,该算法相对于基线系统平均可以提高 16%的分类准确率,并减少了 34.5%的处理时间.

用遗传算法改进的BP神经网络剪枝算法来优化决策树模型

决策树是一种有效的分类方法,但在构建决策树模型的过程中,常常会出现模型过度拟合的现象。利用基于BP神经网络的决策树剪枝算法(BP-Pruning)进行软剪枝处理,然后根据BP-Pruning的一些不足,提出一种改进算法,简称GBP-Pruning算法。该算法通过引入遗传算法来训练BP-Pruning算法模型中的权值和阈值,从而克服了BPPruning算法上的不足,最后验证了GBP-Pruning算法的可行性。

自然语言语义相关度计算模型的k枝剪求解法

为了能够更为合理地利用语义来进行自然语言处理,提出了一种自然语言语义相关度计算模型及该模型的k枝剪求解法。在该模型中使用语句的语义相关度来判定最佳语法分析方案;分析了语句的两层语义结构并给出了其数学描述方法;在模型求解过程中,会形成一个状态空间树,使用k枝剪法舍弃可能性较小的状态,可以有效地降低计算复杂度并较为准确地计算出模型的近似解。实验结果表明,该方法具有一定的可行性。