基于离散蛙跳算法的零空闲流水线调度问题求解

针对零空闲流水线调度问题,提出了一种新的离散化蛙跳求解算法.该算法借助蛙跳算法优化机理,采用基于工件序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了3种改进策略.仿真实验表明了所提算法及策略的有效性.

求解考试时间安排问题的离散蛙跳算法

针对考试时间安排问题,提出了一种离散化蛙跳求解算法,并结合简化邻域搜索算法给出了两种改进策略。该算法借助蛙跳算法优化机理,采用基于时间序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型。仿真实验表明了所提算法及策略的有效性。

离散蛙跳算法预测RNA二级结构

针对RNA二级结构预测问题,提出了一种离散蛙跳算法,根据RNA分子折叠的特点,重新定义个体的移动距离和位置,并借鉴粒子群优化算法中的惯性权重加以改进,使算法在空间探索和局部求精间取得了很好的平衡.与同领域中著名的预测软件进行了仿真比较,结果表明新的算法具有较高的预测精度.

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.

基于神经网络离散混合蛙跳算法的多用户检测

为进一步提高基于离散混合蛙跳算法(DSFLA)的多用户检测性能,提出一种基于DSFLA和神经网络相结合的神经网络离散混合蛙跳算法,并用于多用户检测。在DSFLA的每一族内更新中,随机选择若干只"青蛙"采用Hopfield神经网络的寻优更新策略,进行快速迭代,寻找全局最优。仿真结果证明,基于神经网络离散混合蛙跳算法的多用户检测器在误码率、收敛速度、系统容量、抗远近能力等方面都优于传统方法和一些应用优化算法的多用户检测器。

改进的离散混合蛙跳算法压缩感知信号重构及应用

针对工程离散优化问题特点,定义了具有普遍意义的青蛙编码方式,设计了编码位调换更新机制,提出了自适应权重因子和双模子族群策略。在此基础上,将改进的离散混合蛙跳算法（Discrete shuffled frog leaping algorithm,DSFLA）应用于压缩感知重构算法中,将未知重构信号理解为青蛙编码方式,利用DSFLA算法全局寻优能力得到次最优信号重构信息,从而实现了稀疏度未知情况下的信号重构。最后对典型TSP（Travelling salesman problem）问题算例和WSNs多目标定位问题进行仿真,仿真结果表明：改进的DSFLA具有更强的复杂问题求解能力,基于改进DSFLA压缩感知重构算法的WSNs目标定位精度优于传统信号重构算法,且抗噪能力达到25~45dB。

一种离散混合蛙跳算法及其应用

为提高混合蛙跳算法在求解高维复杂函数和离散优化问题的性能,提出一种离散混合蛙跳算法.首先,引入扰动系数来调控青蛙个体的移动距离,从而更好的平衡迭代中算法的全局探索和局部开发能力;其次,利用螺旋更新位置策略使算法能够在最优解附近进行更加精细的搜索;同时,采用随机搜索策略,提高算法的全局搜索能力;另外,通过借鉴2-opt方法,实现全局最优解变异,丰富种群的多样性;最后,利用改进的Sigmoid函数对个体位置进行离散化处理.通过对9个典型的基准函数和油田措施规划方案的仿真实验表明,相较于对比的算法,DSFLA的收敛精度和寻优速度有明显的提升.

基于离散混合蛙跳算法的RV减速器结构优化

针对RV减速器对结构优化结果精度不高且需要手工圆整的问题,提出一种基于离散混合蛙跳算法的单目标优化求解方法.首先,以体积最小为目标建立了RV减速器整机的非线性约束优化的数学模型;其次,介绍了离散混合蛙跳算法基本原理;通过罚函数法将上述数学模型转化为无约束优化的数学模型后,应用离散混合蛙跳算法对RV减速器整机实例进行优化求解;最后与传统算法、粒子群算法及遗传算法进行对比,结果表明,离散混合蛙跳算法的求解结果有着求解精度更高,收敛速度更快、避免对结果进行手工圆整等优点.

一种物联网入侵检测算法

针对物联网应用实时性强和资源受限的特点,提出了一种基于改进聚类分析和智能优化特征提取的物联网入侵检测算法。首先,构建基于模糊聚类和特征提取的入侵检测模型,训练阶段对样本数据进行聚类分析,并利用特征提取算法获得每个分类最佳特征子集;入侵检测阶段在判定测试数据最佳聚类归属的基础上,利用该分类对应的特征子集与测试数据进行对比检测,从而实现了物联网入侵高效率和高准确率检测。其次,设计最佳聚类指数并引入模糊C均值聚类算法(FCM)中,以实现FCM聚类个数自动划分;设计基于离散混合蛙跳算法的特征提取算法,以实现最佳特征子集提取。最后,相比于其检测算法,入侵检测效率和准确率较为改善。

面向服务组合的密码服务调度智能优化研究

为了提高密码服务的质量,提出了一种面向服务组合的密码服务体系结构,并针对其中的密码服务调度问题提出了一种改进的混合离散蛙跳算法。该算法利用传统混合蛙跳算法的基本框架,重新设计了编码和解码方式以及个体矢量更新方法。同时为了提高搜索的精度,利用6种邻域结构,结合变邻域搜索算法,对组内最优青蛙进行优化。最后分别进行了标准算例对比实验与模拟仿真实验,结果验证了算法高效的寻优能力以及合理地实现了服务组合的优化,满足了用户的需求,符合现实情况。

智能优化在多用户检测中的应用

为进一步提高离散混合蛙跳算法(DSFLA)的性能,将免疫算法和克隆选择理论分别与DSFLA相结合,提出了免疫蛙跳算法(IDSFLA)和克隆蛙跳算法(KDSFLA),利用这两种智能算法得到两种新的多用户检测器。IDSFLA是在DSFLA的每一族内更新中,嵌入免疫算法,利用Hopfield神经网络(HNN)快速产生最优个体作为疫苗母本,提高算法的全局收敛能力;KDSFLA在族内更新中,利用克隆算法的消亡操作,淘汰适应度低的青蛙个体,保证最优个体的有效进化。仿真结果表明,所提出的两种多用户检测器,在误码率、收敛速度、系统容量、抗远近能力等方面都有显著改善。