一种带有期望因子的蝙蝠算法

面对经典蝙蝠算法(BAT ALGORITHM,BAT)容易过早收敛、收敛效果差的问题,提出一种带有期望因子的新型蝙蝠算法,将蝙蝠的觅食行和L′evy飞行特征相结合来模拟蝙蝠的捕食过程,并在迭代公式中加入期望因子,进而采用全新的更新频率、速度、位置的方式,再利用L′evy的飞行特性使得该新型算法更容易趋向目标最优值。通过标准测试函数对其提出的算法进行仿真测试,并与布谷鸟搜索算法、粒子群算法、基本蝙蝠算法相比较。仿真结果表明该算法增强了原算法的收敛精度以及寻找最优目标的能力,性能明显优于其他3种算法,是一种优化高度非线性、复杂函数问题的有效手段。

基于期望核密度离群因子的离群点检测算法

针对基于密度的离群点检测方法在不同分布的数据集上检测精度低的问题,提出了一种基于期望核密度离群因子的离群点检测算法。首先,引入k近邻和反向k近邻扩展邻域空间(ENS)代替传统的k邻域范围,更加全面地考虑数据对象的邻域信息;其次,在传统核密度估计(KDE)方法的基础上引入多元高斯函数,在扩展邻域空间内估计数据对象的密度,同时借鉴自适应核带宽的思想,更好地适应不同数据集的数据分布;然后,给出期望距离的概念,进一步区分局部离群点和位于低密度区域的正常点;最后,定义了期望核密度离群因子刻画数据对象离群程度。在人工数据集和真实数据集上对所提算法进行实验验证,并与部分传统算法进行对比,验证了所提算法的有效性。

动态调整蚁群算法启发因子的AGV路径规划

针对传统蚁群(ant colony optimization,ACO)算法的收敛速度慢、迭代次数多、易陷入局部最优问题,提出了一种动态调整的蚁群(dynamically ant colony optimization,DACO)算法。以最优路径为参考,对传统ACO算法的信息素启发因子和期望启发因子的取值进行实验,当α的取值范围为[1,3]、β的取值范围为[7,9]时能够获得最短的路径。针对上述取值范围,对2个参数如何取值进行实验,当α遵循正态函数分布变化曲线、β遵循以α关于y=10为对称曲线时,算法的收敛速度加快,迭代次数减少,避免蚂蚁陷入局部最优,从而找不到最优解。搭建实验平台使用ROS机器人进行验证,结果表明:改进的算法在寻优时间上比传统蚁群算法缩短了6.05%。

敏感型人工神经网络及其在水文预报中的应用

为充分挖掘资料信息、加快收敛速度,采用一种具有敏感功能的神经网络预报模型。该模型在构造时序样本时引入遗忘因子和期望因子,以体现对前期资料的遗忘和近期预测的期望。在权值调整过程中采用指数型能量函数,以加快网络的学习收敛速度。应用实例证明:该方法可以提高当前的预测精度,并避免网络学习过程中的振荡现象。

我国湿热地区自然通风建筑热舒适与热适应现场研究

在2008—2009年为期1年的广州某高校自然通风建筑现场调研的基础上,对23周共计921人次的调研数据在热环境、人体热反应及适应行为等方面进行了分析,得到了我国湿热地区典型自然通风建筑的室内热环境全年变化特征,获取了热感觉与标准有效温度的确定关系,验证了修正的PMV模型的适用性,分析得到我国湿热地区自然通风建筑的期望因子为0.8,同时获得了调整服装、开窗与使用风扇等适应行为的变化规律。

价格竞争中失败方的策略分析

本文是建立在利用Ｃｌａｕｄｉａ模型的一次实验基础上的。在合作的理性的市场中，主要研究失败者的行为。利用博弈矩阵，劣势方失败的原因和行为被讨论。设一市场期望因子ξ，进一步讨论劣势方的行为，并在此基础上讨论在理性市场中。

改进蚁群算法求解两地间时间最优路径

研究两地间时间最优路径的问题。针对基本蚁群算法搜索的盲目性,迭代时间长,易陷局部最优解的问题,造成寻找最优路径困难。为提高寻优效率,提出一种改进的蚁群算法来求解问题。在方案中引入阀值排序算法对搜索路径进行优化,解决了蚁群算法前期搜索路径的盲目性问题。改进的蚁群算法加快了收敛速度,并提高了稳定性。经仿真证明:改进蚁群算法性在减少算法的迭代次数和提高解的稳定性方面有了较大的提高,并且能很好的用于求解路径时间最优问题。

改进蚁群算法求解两地间时间最优路径

为提高蚁群算法的运算效率,提出一种改进的蚁群算法来求解问题。研究中中引入阀值排序算法对搜索路径进行优化,解决了蚁群算法前期搜索路径的盲目性问题。改进的蚁群算法加快了收敛速度,并提高了稳定性。经仿真试验证明,改进蚁群算法性在减少算法的迭代次数和提高解的稳定性方面有了较大的提高,并且能很好的用于求解路径时间最优问题。

基于历史行为的agent联盟策略

协商是多agent系统中联盟形成的重要手段,很少有对协商初始提议的讨论.提出了一种基于个体历史行为确定协商起点的方法,根据agent在历史任务中的各维能力贡献率,计算其在当前任务中的期望获利因子,并据此给出协商时的初始提议,在此基础上设计了一种联盟形成策略,试验表明了该方法的有效性.

自动信任协商中一种最小信任披露策略

自动信任协商是通过逐渐请求和披露数字证书在两个陌生实体间建立相互信任的方法。当前对自动信任协商协商策略的研究,往往存在很多问题。文章提出了一种基于期望因子的自动信任协商模型,该模型采用MCD策略,通过分析各信任证书的期望因子,当可能的协商存在时,它能披露和请求最小的信任证找到一条成功的协商路径,当协商不可能成功时,尽快的发现并终止它。它能保证在协商的过程中没有不相关的信任证被披露并且不需要暴露双方的访问控制策略,同时通过实验证了明MCD策略是完备的。

自适应调整α,β参数的蚁群算法

为了提高基本蚁群算法的全局求解能力,对基本蚁群算法进行了改进,提出了一种通过自适性改变启发式因子α和β期望启发式因子的蚁群算法。当连续几代进化后的最优解没有明显变化时,改进后的算法通过对启发式因子α和期望启发式因子的β自适应调整来提高最优解的求解质量。通过对TSP问题的仿真表明,改进后的蚁群算法在求解最优解和收敛性能方面比起基本蚁群算法存在优势。

汽车驾驶员热感觉预测及其影响因素分析

汽车热舒适已经成为评价汽车性能的重要指标,准确的预测乘客热感觉是汽车热舒适评价的关键。本文通过对夏季汽车稳态热环境进行测试,计算得到预计平均评价(Predicted Mean Vote,PMV)来预测驾驶员整体热感觉,利用Python编程定量分析各参数对PMV影响的敏感性,最后通过热适应性理论修正PMV并与主观热感觉投票进行比较。结果表明,服装热阻和新陈代谢率会显著影响PMV,试验时需要准确测量。环境参数对PMV影响的敏感性从高到低为空气温度、平均辐射温度、风速和相对湿度,为汽车驾驶员热感觉预测提供了参考。利用期望因子修正PMV后能够较准确的预测整体热感觉。

公立医院医生角色冲突情况及管理——以北京市大兴区人民医院为例

目的:通过测量医生在实际工作中的角色冲突情况,分析其原因,并在医院管理层面提出疏导及解决医生角色冲突的建议。方法:采用角色冲突联合量表对北京市大兴区人民医院15个临床科室的110名医生进行量表测量。结果:我院被测医生的角色冲突平均值为4.99,98%的医生感受到了中高度角色冲突,共有7个因子促成我院医生角色冲突。结论:通过对我院医生角色冲突因子分析发现,医院可从角色期望、工作资源配置、医生工作认知等方面减少医生角色冲突。

水平旋转式贴片机贴装质量优化控制仿真

水平旋转式贴片机的贴装优化模型是相当复杂的,不仅需要反映出实际的贴装过程,而且要根据不同元件数量进行贴装求解。若单纯采用某种智能算法对其进行求解,往往会出现求解速度慢或求解精度低。通过分析遗传算法和蚁群算法的优缺点,提出了一种改进的遗传蚁群算法实现对贴装过程的求解,算法前期采用遗传算法求得的初始信息素供蚁群算法使用,加快了算法的求解速度;后期改进蚁群算法的信息素更新策略、选择转移策略、自适应调整启发式因子和期望启发式因子,改进后的蚁群算法更好地反映出贴片机的实际贴装情况,有效地避免陷入局部最优,提高算法的收敛精度。仿真结果表明,改进算法大大地缩短了搜索时间,质量精度明显提高,可实现高效率的贴装。

基于贝叶斯的反垃圾邮件技术探讨

本文分析了基于朴素贝叶斯的垃圾邮件过滤技术,发现该算法忽略了把合法邮件错判为垃圾邮件带来的损失。针对该缺陷,提出了基于最小期望损失的贝叶斯过滤算法。在该算法中引入了期望损失因子,分析了期望损失因子与准确率的关系。最后用实际的邮件样本对改进后的算法进行了验证,验证结果表明,选取合适的期望损失因子值,最小期望损失的贝叶斯过滤算法能有效提高邮件过滤的准确率。