有限状态机的二元优化状态编码算法

对于有制约条件下的复杂状态机的编码优化问题,一直是EDA技术的难点,本文根据信息度量理论的二元优化算法,以某状态机为实例,详细介绍了有限状态机的二元优化状态编码算法实现的步骤和细节,并对该算法的自动化实现的空间爆炸问题作了相关讨论和建议。

基于生命周期的二元蚁群优化算法

将自然生态系统中生物生命周期的思想引入二元蚁群优化算法中,通过对蚂蚁设置相应的营养阈值而执行繁殖、迁徙、死亡操作,从而保持种群的动态多样性,进而克服二元蚁群优化算法易陷入局部最优的缺陷,然后结合分形维数将该算法应用于属性约简问题中,通过UCI中的6个数据集进行测试,结果表明该算法具有较好的可行性和有效性.

二元蚁群优化算法研究综述

二元蚁群优化算法作为蚁群算法改进的一种,其独特的随机二元网络结构在离散域及连续域优化问题中均得到较好的应用,但探索和利用的冲突、单一种群寻优的局限性以及算法评价次数的增加均限制了二元蚁群算法更好的发展。从一维细胞自动机入手,首先对二元蚁群优化算法的基本模型进行描述,然后讨论了近年来对二元蚁群优化算法的若干改进及应用;最后评述了二元蚁群优化算法未来的研究方向和主要研究内容。

基于交通流量控制的二元蚁群优化模型

针对多模域上的蚁群优化,提出了一种交通流量控制策略。此策略启发于由A.Dussutour等发现的真实蚁群在高度拥挤下的交通组织行为。算法引入了“交通流量控制”策略来保持群体的多样性,对于每段路径都引入相应的流量阈值。算法被应用于几个典型多模函数优化中并与二元蚁群优化、二元菁英蚁群优化和二元蚁群系统算法进行比较。实验结果证明基于交通流量控制的二元蚁群优化算法能够在多模域中获得稳定的全局和局部峰值集,拥有远优于上述算法的多模搜索能力。

基于改进二元萤火虫群优化算法和邻域粗糙集的属性约简方法

针对数据降维和去冗问题,提出基于改进的二元萤火虫群优化算法和邻域粗糙集的属性约简方法.首先,运用反向学习协同初始化种群,并基于Sigmoid变化函数的映射进行二进制编码,引入Levy飞行位置更新策略,提出改进二元萤火虫群优化算法.再以邻域粗糙集作为评价准则,以改进算法作为搜索策略,进行属性约简.最后,通过在标准UCI数据集上的实验验证属性约简方法的有效性,并验证文中算法具有较优的收敛速度和精度.

图像分层优化二元树表示及其转换研究

本文在分析图像分层表示的基础上,提出一种图像分层优化二元树结构表示.该优化二元树结构比指针二元树结构及指针四元树结构简单,多幅图像试验结果表明,该结构比指针二元树数据结构及指针四元树数据结构占用存储空间少.文中还研究了图像从二维数组表示到优化二元树结构表示的转换算法,图像显示结果表明,图像完全一样.

基于双重二元粒子群优化的高效用项集挖掘算法

高效用项集挖掘算法是关联分析中的重要组成部分,通过对基本二元粒子群算法进行改进,提出一种双重二元粒子群优化(DBPSO)算法。运用最小相对效用阈值和效用上界的乘积确定最小效用阈值。利用最小效用阈值和适应度函数分散候选子空间,挖掘高效用项集。实验结果表明,该算法的收敛速度较快,能够获得较多的高效用项集。

西部地区二元结构优化与农村新型工业化道路发展方式创新

二元结构是发展中国家的普遍现象,作为落后的西部地区,二元结构表现尤其明显。本文在分析西部地区二元结构的现象及其形成机制的基础上,提出西部地区二元结构只能优化,不能消灭。进一步分析认为西部地区的二元结构优化只有走农村新型工业化道路,即推动农业工业化和农村工业化发展。在农业工业化方面,通过农业产业化实现农民的协作化;农业工业化实现农民的组织化;农业现代化实现农民的知识化。在农村工业化方面,要大力发展西部地区具有特色优势的农村工业化,加快发展城镇化和城市化,最终使得西部地区农村二元结构得到优化。

多时段可中断负荷调度的智能优化算法

考虑多个可中断用户的多时段可中断负荷优化调度问题一般是一个多目标的组合优化问题,建立了一个多时段多目标可中断负荷优化调度模型,可考虑中断补偿费用最小化和中断频率最小化等多个优化目标,并计入不同可中断用户的不同中断特性和时段耦合约束。给出了应用离散二元粒子群优化算法的多时段可中断负荷调度问题求解方法。基于一个含19个可中断用户和16个时段的可中断负荷调度问题的算例仿真,通过比较采用离散二元粒子群优化算法和遗传算法的优化结果,表明离散粒子群算法在收敛解的质量上优于遗传算法。

基于智能优化算法的多时段可中断负荷调度

探讨智能优化算法在多时段可中断负荷调度问题中的应用,建立了的优化模型,可考虑中断补偿费用最小化和中断频率最小化等多个优化目标,并可计入不同可中断用户的不同中断特性.并给出了的算例分析,着重比较了基于离散二元粒子群优化算法和遗传算法的结果,表明离散粒子群算法在收敛性和精度上均优于遗传算法,具有较好的应用价值.

人工生命Bug模型二元蚁群算法求解多0/1背包问题

从一维有趣的Bug人工生命模型出发,并对该模型进行扩展,将蚂蚁对信息素的大小进行选择的概率函数作为细胞的转换函数,对二元蚁群算法从人工生命的角度重新进行描述,同时引入更多的随机因素有效防止二元蚁群算法易陷入局部最优的缺陷,然后通过增加细胞状态集合元素数目的方式对Bug模型二元蚁群算法进行扩展,应用于多0/1背包问题的求解。仿真实验表明,运用文中算法不仅能快速有效地完成多0/1背包问题的求解过程,而且在一定程度上体现了计算的本质。

基于细胞自动机模型的二元群智能算法研究

从一维有趣的Bug人工生命模型出发，并对该模型进行扩展，让agent（Ant或ParcicIe）运动在一维细胞自动机上，通过设置细胞自动机中细胞的内部状态以及细胞的转换函数，提出了适于求解--JL离散优化问题的二元蚁群算法和二元粒子群算法模型，这不仅体现了计算的本质，而且具有较强的实用价值!

火力分配多目标优化的IBACO算法

应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。

非负二元函数最大值求解的复变函数法

二元函数优化问题在许多工程问题中广泛存在,其全局寻优方法一直是人们研究的热点问题之一。基于复变函数中解析函数最大模理论针对一类非负二元函数的全局寻优问题提出了一种高效方法,它可以将目标函数在有界二维区域上的寻优问题简化为一维全局优化问题的求解,给出了方法可行性的理论依据,并用三个算例验证了方法的有效性。方法和结论一方面可直接用于解决解析函数应用场合中的优化问题;另一方面对于适用的二维数学优化问题可实现高精度、高效率的全局寻优。

信息迁移多任务优化共生生物搜索算法

针对现有共生生物搜索(SOS)算法只能求解单个任务,以及信息负迁移影响多任务优化(MTO)性能这两个难题,提出一个信息迁移多任务优化共生生物搜索(ITMTSOS)算法。首先基于多种群演化MTO框架,根据任务个数设置相应数量种群;然后各种群独立运行基本SOS算法,当某一种群连续若干代停滞进化时,引入个体自身最优经验和邻域最优个体以形成知识模块并将该模块迁移至该种群个体进化过程中;最后对ITMTSOS算法时间和空间复杂度进行分析。仿真实验结果表明,ITMTSOS算法同时求解多个不同形态高维函数时均能快速收敛至全局极值解0,与单任务SOS算法相比,平均运行时间最多缩短约25.25%;而在同时求解多维0/1背包问题和师生匹配问题时,所提算法在测试集weing1和weing7上的最优适应值与目前测试集公布的最优结果相比分别提高了22767和22602,师生最优匹配差和平均匹配差的绝对值分别下降了26和33,平均运行时间约缩短了7.69%。

基于二进制粒子群优化算法的封装式特征选择研究

在监督学习中,封装式特征选择能够筛选数据集的冗余特征,从而提高目标监督算法的性能。该文主要研究将二进制粒子群优化算法用于封装式特征选择问题时,3种不同的转换函数对粒子群算法性能的影响。首先,论述了标准粒子群算法和二进制粒子群算法的原理。其次,对比分析了二进制粒子群算法的S型转换函数、V型转换函数和线性转换函数。在实验阶段,对不同转换函数的二进制粒子群算法在特征选择问题中的性能进行了比较。实验结果表明,采用V2型转换函数的二进制粒子群优化算法搜索的特征子集,与直接在原特征上使用KNN算法得到的预测准确率相比,在总体上平均提升3.29%。

萤火虫算法在测试用例集约简中的应用

为了研究智能算法在测试用例集约简中的应用,本文提出一种基于萤火虫算法的测试用例集约简算法。将测试用例集约减问题转化为二元优化的集覆盖问题;对萤火虫算法进行改进,通过设置萤火虫细胞的方法,将萤火虫位置转化为0/1序列;将萤火虫算法与贪心算法相结合,进行求解。对不同程序和不同规模的测试用例集的仿真实验,在相同的测试次数下,萤火虫算法得到最优解的次数高于贪心算法和优化的GRE算法,萤火虫算法约简后测试开销比贪心算法减少了12.6%,比优化的GRE算法减少了2.3%。结果表明:该算法在约简能力和稳定性方面均优于传统算法。

基于二元蚁群优化算法的分类规则挖掘

提出一种基于二元蚁群算法的分类规则挖掘算法.针对蚁群算法计算时间长的缺点,引入一种变异算子,同时为了避免蚁群算法陷入局部最优,又引入灾变算子.通过对美国加州大学机器学习数据集中的测试集进行测试表明,该算法的预测准确率能较大提高.实验同时显示引入变异算子和灾变算子能有效节省计算时间和防止陷入局部最优.

应用人工生命模型Bug/BACO求解组卷问题研究

从一维Bug人工生命模型入手,通过设置细胞自动机中细胞的内部状态集合以及细胞的转换函数,对二元蚁群算法从人工生命的角度重新进行描述,提出Bug人工生命模型二元蚁群优化算法(Bug-BACO算法)。为解决二元蚁群优化算法"探索和利用"的冲突,引入随机扰动因子,并引入并行策略对Bug-BACO算法实施并行化处理,进一步提出Bug人工生命模型的并行二元蚁群算法(Bug-PBACO算法)。仿真对比试验表明,Bug-PBACO算法能在较短时间内解决大规模组卷问题,具有较强的实用性。

Evolutionary Computation for Realizing Distillation Separation Sequence Optimization Synthesis

Evolutionary algorithm is applied for distillation separation sequence optimization synthesis problems with combination explosion. The binary tree data structure is used to describe the distillation separation sequence, and it is directly applied as the coding method. Genetic operators, which ensure to prohibit illegal filial generations completely, are designed by using the method of graph theory. The crossover operator based on a single parent or two parents is designed successfully. The example shows that the average ratio of search space from evolutionary algorithm with two-parent genetic operation is lower, whereas the rate of successful minimizations from evolutionary algorithm with single parent genetic operation is higher.