交互式遗传算法中收敛性及用户评估质量的提高

交互式遗传算法 (IGA)有一个明显的缺点 ,即用户在交互过程中 ,对每代的所有个体都要进行评估 ,当个体的数量较大 ,进化代数较多时 ,用户容易疲劳 .针对这一问题本文提出了三种解决方法 :第一 ,利用粗糙集 (roughset)理论作为信息提取技术 ,有效地提高交互式遗传算法的收敛性 ,降低进化代数 .第二 ,引进一个自主式遗传操作过程 ,以缓解用户在交互过程中的疲劳性 .第三 ,利用相似距离值这个新概念提高用户对个体评估的精确度 .最后在人脸图形上进行实验的结果表明 。

交互式遗传算法中用户评估质量和收敛性能提高

交互式遗传算法主要是针对一些应用领域存在的适应度函数难以明确表达的问题,通过用户参与遗传操作过程,对进化个体进行评估以代替计算过程的一种改进方法。但交互式遗传算法存在的主要问题是:当遗传操作的收敛速度慢时,用户需对大量个体进行评估,尤其是在个体间相似程度较高时,容易产生疲劳现象。针对这种问题,本文提出三种方法来提高收敛性及评估过程的质量。在人脸图形上所做的实验结果表明,算法可以有效地缓解用户的疲劳问题。

基于用户感知的室内网络质量评估体系的研究

在目前的移动通信网络中,室内用户已成为用户的主体。但是在室分优化工作中存在着网络问题发现滞后、异常事件难以回溯、现场采用困难、发现问题不全面等诸多难题。文章介绍的方法,在传统的室内网络优化模式中加入了A+Abis信令分析的手段,创立了基于A+Abis接口信息挖掘的室内分布用户感知质量的监控评估体系。新的评估体系,能够全面客观地反应室分系统的性能,准确定位问题原因,实时监控与评估室分网络性能,客观评估优化效果。