优化和约束推理的动态分布式双向导遗传算法

为了解决优化和约束推理,基于向导遗传算法(GGA)和分布式向导遗传算法(DGGA),通过引入向导概率Pguid、本地优化监测LOD和权ε共3个新参数,提出了一种D3G2A算法的改进算法。该算法采用多代理方法,不仅使搜索过程多样化,避免出现局部最优,而且代理能计算各自的遗传参数。将改进的D3G2A和GGA用于随机生成的二元CSPs,实验表明,D3G2A能有效改善适应度值和节省CPU时间开销,使算法的性能得到提高。

一个改进的基于区间值模糊集的双向模糊推理算法

本文引入有序权聚类算子(OWA)到区间值模糊集合的相似度度量中,提出了一种改进的双向模糊推理 算法。为采用此算法,文中给出了区间模糊集的加权匹配方向函数,最后通过一个实例说明算法如何灵活地 体现决策者的决策倾向。

TWIT:社交网络中局部信任值的双向计算

在线社交网络是移动互联网时代最成功的服务之一,好友的可信任程度成为用户首要关注的问题,针对如何避免个人信息被恶意用户窃取和泄露,提出了一种双向的计算局部信任值的算法TWIT(Two-Way algorithm to Infer Trust),从可信任用户与恶意用户两个方向综合推断用户间的信任值,并且考虑到朋友关系的可传递性,进一步结合机器学习中的分类算法提出了改进算法MTWIT,消除了必须存在网络路径这一前提限制,并且在信任值的推断正确率方面取得了一定的优势,同时确保了算法能够适应社交网络拓扑结构动态变化的特点。在新浪微博数据集上的实验结果充分说明了这一结论。