基于贪心组合优化的分布极端不平衡分类算法

现有针对不平衡数据分类的研究主要从重采样、特征、代价和算法等4个角度展开,方法多样,但针对极端不平衡的数据分布仍缺乏有效算法.本文的目标是通过结合各种算法的特性获取一个最优性能的组合算法.本文假设算法间的组合满足次模函数性质,并采用贪心的组合优化方法.具体而言,选择深度森林算法为基础,依次组合最优重采样方法、以异常检测思想的特征提取方法对数据进行的特征处理方法或基于贝叶斯优化的最优代价敏感矩阵方法.在3种组合算法中选择分类性能最优的算法组合,再次组合其余角度的方法,判断分类性能是否再次提升.实验选择两组极端不平衡数据——真实饮用水数据和UCI数据库中的page-blocks数据进行验证.结果表明,基于贪心优化对算法间进行组合,在3轮迭代后得到的算法组合,较单一算法其分类性能能有进一步的提升.

基于贪心算法的日间化疗资源预约系统的设计

目的 设计在日间化疗资源紧缺的情况下能够充分利用资源的信息化预约系统。方法 通过构建化疗耗时规则库,引入贪心算法解决卫生资源预约中非均衡时间片预约的问题。结果 通过日间化疗资源预约系统,能够自动分配下一个工作日的化疗排程,提高预约效率和准确性。结论 基于贪心算法和规则库的日间化疗资源预约系统能够帮助医院充分利用有限资源,使更多肿瘤患者得到及时服务,进一步提升患者就医感受。

面向贪心生成和最优分配任务的自动化管理算法研究

传统课程管理模式面临着流程繁琐、管理不便等问题。针对此问题,面向劳动教育实践课程中校园卫生打扫任务实践项目,本研究设计了教室—班级匹配贪心生成算法和检查任务最优分配算法,以实现打扫任务的自动化智能管理,并在前期所开发的劳动教育实践数字化管理与展示系统中,验证了这套自动化管理算法在解决具体的校园卫生打扫任务自动化管理问题上的可行性与高效性。这套算法创新了劳动教育实践课程的数字化管理新模式,并实现其数字化以简化流程、智能化以高效管理,为开辟劳动教育数字化和自动化管理的新赛道,以智能化赋能教育治理提供了可借鉴的创新模式。

基于贪心策略改进RRT^(*)算法机械臂路径规划

RRT^(*)(rapidly-exploring random tree star)算法是机械臂路径规划中的一个重要工具,但在高维空间内的应用表现存在搜索效率低下、对维数的敏感度高、难以快速收敛至优化路径等问题。此外机械臂避障的规划需要考虑到路径的平滑性,但是算法生成的路径往往缺乏所需的平滑性,难以直接应用于实际的机械臂操作。针对这些问题,研究提出了一个基于贪心策略的RRT^(*)算法改进版本。新算法改进了代价函数和重连策略,并在高维搜索环境中,通过贪心算法进行偏执采样,自适应地选取预设路径节点,从而提高搜索效率,增强轨迹的平滑性并进行直接应用。通过Matlab、ROS仿真和机械臂实际应用避障实验,验证了改进的RRT^(*)算法在三维空间中的高效性和优越性,尤其是在搜索效率与路径平滑性等方面。

基于贪心算法的板式家具订单备料调度研究

针对板式家具订单备料调度过程中的调度混乱、设备使用效率低的问题,本文通过对板式家具备料进行现场调研,结合订单开料工艺特点,以最小完工时间为目标,构建数学模型,将贪心算法应用在板式家具订单的调度备料中。在此基础上,依据模型进行算法设计,并对算法进行仿真试验,通过对采集的数据进行分析,验证了算法的可行性,提高了家具的备料效率。与工厂现有的调度方式相比,采用本文的调度方案可节约时间700 s,生产效率提高18.89%,对于解决多机并行的订单备料调度具有指导意义。

贪心免疫优化算法求解带时间窗的冷链物流选址路径问题

文章针对冷链物流选址路径问题,提出了一种贪心免疫优化算法。首先,建立了考虑物流时间窗约束的选址路径模型,以最小化选址成本、车辆启用成本和运输成本为目标。其次,设计了贪心免疫优化算法来解决该问题。该算法使用六层抗体编码方法,有效提高了抗体突变控制精度和抗体解码效率。通过对初始抗体群体进行贪心预优化,在不压缩丢失抗体突变空间的前提下,提高了初始抗体的适应性。通过对抗体突变方向权值的自适应迭代,提高了算法的优化效率。数值分析结果表明,提出的算法在有时间窗的定位路径问题中具有较好的优化能力,构建的模型可以有效降低定位路径问题的总成本。

基于改进的贪心策略的码垛分拣路径规划设计与实现

针对传统的顺序路径规划算法效率不高的问题,提出了一种适用于机器人分拣路径规划的改进贪心策略。以小型机械臂系统为例,对物流码垛系统进行了全面重构,通过贪心算法对物流码垛的分拣路径进行排序规划,大幅减少了路径完成时间。考虑到路径规划过程中,贪心算法可能陷入局部最优的情况,设计了概率密度函数对贪心算法进行改进,增强了算法的实用性。利用搭建的码垛机器人验证算法的可行性。实验表明:改进的贪心分拣路径算法在总时间上显著低于传统顺序调度算法,机械臂运行效率平均提升20%~28%,验证了改进的贪心算法在码垛分拣路径规划中的有效性。

基于贪心策略的改进动态搜索方法在武器目标分配中的应用

数学中最优化理论是解决分配管理问题的一种常用手段。在战略中对武器目标的分配为了得到最好的效益,通常会将其建立分配优化模型。当构建诸多模型时,往往代价成本都比较大,因此经常划分若干过程进行求解。传统算法设计上,较为突出的就是动态规划,它是一个多阶段决策问题。论文分析武器目标分配的数学背景以及最优化理论的应用策略,分析了动态规划等策略的实际求解过程在武器装备分配问题上的应用。并提出了一种基于贪心策略的改进动态搜索方法,这种方法在处理规模已定的情况下,查找精确值的效率相比动态规划方法具有明显的提升。在作战软件的算法设计上有良好的借鉴价值。

基于贪心混合定位算法三阶段排样问题研究

针对三阶段排样板材利用率问题,提出了基于贪心混合定位算法的三阶段排样优化方法。以板材利用率为优化目标,首先建立带约束的混合整数规划模型,对三阶段排样问题进行分割;其次将板材分成3个分区并使用贪心算法对输入序列进行排序优化;最后使用混合定位算法对候选矩形件找最优板材放置分区。研究采用数据规模为3 000块矩形件的4组板材数据集进行验证,结果表明,所提模型较其他算法板材利用率得到提高,且运行时长大幅缩短。

蓝桥杯赛题“填充”的贪心与动态规划算法分析

为了更好地帮助老师和学生了解当前大学生程序设计竞赛的命题方向以及侧重点,以2023年蓝桥杯大赛为例,运用贪心和动态规划两种解题思路,分析了一道颇具代表性的比赛题。通过对本赛题的分析,表明了要在大学生程序设计竞赛中取得成绩,不仅需要有扎实的编程基本功,还要在平时的训练中注重锻炼逻辑推理能力、洞察力和抗压能力,因而通过鼓励学生参与程序设计竞赛可有力提升学生的综合素质。

基于局部贪心搜索的个性化旅游线路自动生成系统

为了提升旅游线路生成系统的旅游路线命中率,考虑游客的旅游喜好,依托于局部贪心搜索算法,设计一种个性化旅游线路自动生成系统。在开发系统硬件的基础上,进行系统的软件设计。了解旅游景点的特征信息,描述旅游景点领域本体知识库,并建立旅游热点关联图。根据用户对旅游点类别属性的偏好程度,智能提取兴趣旅游景点。根据旅游者心理需求进行局部贪心搜索,规划最优个性化旅游线路,生成可视化个性化旅游线路。系统测试结果表明:系统生成的个性化旅游线路命中率为0.64,可以输出更加符合用户个性化需求的旅游路线。

基于贪心粒子群算法的10kV 配电网负荷自适应调度方法

为满足10kV配电网负荷调度需求和优化目标,提高配电网的适应性与稳定性,基于贪心粒子群算法,本文提出了一种全新的10kV配电网负荷自适应调度方法。首先,对配电网负荷数据进行修正与离差归一化处理;其次,计算负荷偏度系数与负荷变异系数,提取负荷分布特征与波动特征;在此基础上,利用贪心粒子群算法,确定负荷当前粒子的位置和全局最优位置,自适应调度负荷。实验结果表明,提出的调度方法应用后,在适应度值上明显优于常规方法,能够更好地应对不同负荷变化情况,满足负荷需求和优化目标,自适应调度效果优势显著。

基于改进贪心算法的分布式光伏配网储能系统容量优化配置

为提高分布式光伏能源利用率,使分布式光伏配网储能系统运行能够满足用电所需,引入改进贪心算法,开展分布式光伏配网储能系统容量优化配置研究。在综合考虑分布式光伏的投入成本、配网运行效率等多方面因素的基础上,建立分布式光伏配网储能系统容量优化配置模型。通过改进贪心算法,确定配电线路最优供电配置,实现系统容量配置优化。通过对比证明优化后系统运行功率变化更符合预期要求。

基于改进贪心算法的主动配煤掺烧动态优化方法

传统的配煤掺烧优化方法缺乏动态调整能力,导致锅炉在实际燃烧过程中的效果不佳,因此,提出一种基于改进贪心算法的主动配煤掺烧动态优化方法,该方法旨在预测燃烧效率与排放环保性。为实现锅炉热损失与烟尘排放量的最小化,构建一个多目标的主动配煤掺烧动态优化模型,通过运用改进后的贪心算法来求解这个模型,从而得到最佳的优化方案。试验结果表明,经过设计方法优化后,锅炉的烟尘排放量较优化前降低了69.82%,表明该方法能够有效找到最佳的配煤掺烧比,从而显著提高锅炉的燃烧效率和环保性能。

基于改进贪心算法的电力通信网故障诊断方法

现行方法在电力通信网故障诊断中的效果不佳,灵敏度和查准率均较低,为解决现行方法存在的缺陷与不足,提出基于改进贪心算法的电力通信网故障诊断方法。利用数据采集卡采集通信网物理层、链路层、网络层和传输层状态数据信息,建立通信网故障诊断问题模型,通过对贪心算法迭代周期的优化,实现对贪心算法的改进,利用改进贪心算法求解问题模型,实现电力通信网故障诊断决策。实验证明,该设计方法灵敏度在95%以上,查全率在90%以上,在电力通信网故障诊断领域具有良好的应用前景。

基于设备协同的大规模卸载:融合分治和贪心的双层优化算法

随着通信技术的飞速发展,移动设备的数量不断激增,而这也将导致大规模卸载场景频频发生。但是如何在多项式时间内解决大规模卸载问题仍然是个挑战。本文基于协作计算网络架构提出一个融合分而治之和贪心的双层优化算法,称为DCGreedy。该算法可在多项式时间内高效求解所有任务的卸载策略和资源分配方案。在满足所有约束的同时可以有效降低系统的总能耗。在至少400个移动设备的模拟场景下根据任务满足截止日期的总数、系统总能耗和算法运行时间来评估DCGreedy的性能。将DCGreedy与其他4种基准算法进行大量的实验对比,并发现在不同规模的卸载场景中DCGreedy的平均总能耗比排名第二的算法高出2.11%,而算法运行时间却仅为0.0049%,充分证实了DCGreedy在优化系统能耗的同时有效地减少了算法的运行时间。

同根双向扩展的贪心RRT路径规划算法

针对传统RRT-Connect算法路径规划过程中随机性大、算法效率低、搜索时间长、搜索路径冗长等问题,提出一种同根双向扩展的贪心RRT路径规划算法。将由起点开始向终点进行扩展的方式改为由起点与终点连线的中间点同时向起点和终点进行双向扩展,同时在扩展节点时叠加引力场和极度贪心算法,使树快速向起点和终点的方向扩散,加速路径的生成。对生成的路径进行剪枝优化处理,删除路径中冗余的节点,缩短路径长度。在三种不同环境中对改进算法进行仿真对比实验,结果表明所提算法相关性能优于传统RRT-Connect算法及其相关衍生算法。将改进RRT-Connect算法应用在实际移动机器人中,进一步证明改进算法的实用性和有效性。

基于贪心算法的无人机纯方位无源定位

以全国大学生数学建模竞赛(CUMCM)赛题为背景,采用纯方位无源定位模型,确定无人机的位置。利用实时定位跟踪模型,结合贪心算法思想,对被动接收信号的无人机进行实时定位、追踪及位置的调整;同时通过MATLAB软件进行仿真实验,验证算法的有效性。

基于松弛时延的真空管高速飞车uRLLC贪心复用机制

真空管高速飞车的安全运行需要多种车地通信业务的有效支撑,包括超高可靠低时延通信(uRLLC)业务和增强移动带宽(eMBB)通信业务,异质业务资源共存时可通过临时抢占eMBB业务的时频域资源优先保障uRLLC业务的传输。根据误码率和时延指标将uRLLC业务划分为5个等级,并将uRLLC业务复用时延范围进行松弛,在考虑uRLLC业务误比特率和复用时频域范围约束条件下,构建以最小化uRLLC业务总功率为目标的优化问题;提出一种贪心策略,在指定步骤内得到次优解以应对高速变化的环境。仿真结果表明:在信道状态较差或噪声功率谱密度较高的情况下,本复用策略能显著降低uRLLC业务复用所消耗的功率,提升车地无线通信的可靠性。

贪心与回溯算法在城市马拉松路线规划中的实践

针对目前城市马拉松路线人工规划效率低下的问题,本文采用贪心和回溯算法进行城市马拉松路线智能规划,具体方法是:通过城市路网信息构建由经纬度坐标点拓扑关系连接而成的路网,采用贪心和回溯算法对坐标点进行遍历搜索,结合城市马拉松路线特殊要求,运用直接逼近、启发式远离、启发式靠近和方向预估等策略实现路线的智能规划.在此基础上,提出一种综合POI热度值、道路宽度适宜度、路线畅通指数、过弯舒适度以及POI密集度5个维度的马拉松路线评估方法.最后,开展了北京、合肥马拉松人工和智能规划路线对比分析,结果表明所采用的方法可快速高效实现马拉松路线规划.