基于群体增量学习算法的第三方物流网络设计

研究第三方物流(3PL)网络设计问题,建立柔性运输模式下的3PL网络设计优化模型,通过选择开设3PL仓库和3PL物流中心使总物流成本最小。根据问题模型设计群体增量学习(PBIL)算法,采用0/1编码方式对个体进行编码,并将需求满足约束作为惩罚项加入到个体评价函数中进行处理。最后,通过仿真实验来验证模型的合理性及PBIL算法的有效性。

混合群体增量学习算法求解闭环布局问题

闭环布局问题(CLLP)是一种NP-困难的混合优化问题,它在大小可调的矩形环上寻找设施最佳放置次序,目标是最小化设施之间物料流的运输成本。现有方法均采用元启发式算法来寻找最优的设施放置次序,并且通过枚举方法来获得最优的矩形环大小,而枚举方法的计算效率不高。为了解决这个问题,提出了求解CLLP的混合群体增量学习(HPBIL)算法,分别使用离散群体增量学习(DPBIL)算子和连续PBIL(CPBIL)算子同时对设施放置次序和矩形环大小进行优化,提高了搜索效率;同时还设计了一个局部搜索算法来优化每代中的部分优质解,以提高算法的求精能力。在13个CLLP测试实例上进行实验,结果表明HPBIL算法在9个测试实例上找到了新的最优布局,它对CLLP的寻优能力明显优于对比算法。

一种基于群体增量学习算法的文本特征选择方法

尽管目前存在许多文本特征选择方法,但是它们都有着一定的局限性。提出一种新的基于群体增量学习(Population Based Incremental Learning)算法的文本特征选择方法,其特点是无需特征集的先验知识和容易实现,并且由于使用了简单分类器性能作为评价准则,计算复杂度很低。对Reuters-21578文本集的分类实验结果表明,该方法平均分类性能要优于卡方统计量、信息增益和简单遗传算法三种常用的特征选择方法。

基于节点矢量优化的复合材料序列轮廓逼近及重构

针对采用边缘检测方法获得的复合材料第二相颗粒轮廓不规则且光顺性差的特点,利用周期非均匀三次B样条曲线逼近颗粒轮廓.将节点作为变量,提出了一种基于群体增量学习算法的节点矢量优化算法,得到预定控制点条件下误差最小的颗粒轮廓曲线;基于逼近的序列轮廓,采用柔性间距插入节点的方法定义公共节点矢量,根据公共节点矢量对序列轮廓进行相容性处理,利用三次B样条蒙皮算法生成了一张C2连续的张量积B样条曲面来描述复合材料的第二相颗粒.实验结果表明,与遗传算法相比,文中算法在轮廓逼近方面具有更好的鲁棒性和更高的精度,重构出的第二相颗粒光顺性好,效果理想.

云计算环境中基于分布估计蛙跳算法的资源调度

针对云计算环境下的资源调度问题,提出了一种基于分布估计蛙跳算法的云资源调度策略。在运用混合蛙跳算法(SFLA)搜索全局最优解的同时,在SFLA的局部搜索环节引入基于群体的增量学习算法(PBILA),通过建立反映优质解分布的概率模型,增加子群间的协作、增强群体的全面学习能力。仿真实验结果表明:该资源调度策略不仅能够有效地避免陷入局部最优,而且较好地提升了全局收敛性能。

基于分布估计算法的Web服务组合优化

分布估计算法(EDAs)将遗传算法和统计学习相结合,并利用概率模型来描述变量之间的相互关系,提高解决高维问题的效率,降低时间复杂性,最终求出最优解。文中将分布估计算法应用于解决Web服务组合问题,并提出了基于分布估计算法的Web服务组合优化模型。仿真实验采用了EDAs中的基于群体的增量学习算法(PBIL),分析了服务类的数量以及采用精英保留策略对优化结果的影响。结果表明采用了精英保留策略的分布估计算法求解Web服务组合的问题是可靠有效的。

一种基于PBIL算法和变焦算法的混合算法

基于群体的增量学习(PBIL)算法具有运行过程简单、解决问题快速准确的优点.本文采用二进制编码,针对二进制编码的算法从二进制最高位到最低位依次收敛的多米诺现象,提出一种变焦算法用来提高PBIL算法的搜索效率和求解精度.基于多组不同维数的Benchmark函数的仿真结果表明,混合算法具有全局收敛、求解精度及搜索效率高的优点.