一种基于边缘分布估计的多目标优化算法

该文提出了一种基于边缘分布估计的多目标优化算法,通过在每一进化代中估计较优个体的边缘概率分布来引导算法对Pareto最优解的搜索。通过与基于拥挤机制的多样性保持技术、基于非支配排序的联赛选择、精英保留等技术的有机结合,使得算法在具有良好收敛性能的同时,具有很好的维持群体多样性的能力。通过一组典型测试函数实验对该算法的性能进行了分析,并与NSGA-II、SPEA、PAES等知名多目标优化算法进行了比较,结果表明该文算法收敛速度较快,且得到的非支配解集分布均匀,适合于复杂多目标优化问题的求解。

基于平行语料库的神经机器英语翻译方法研究

针对传统神经机器英语翻译依赖大规模、高质量平行语料库资源,导致对语料匮乏的英语内容翻译质量不理想的问题,研究提出一种基于边缘分布估计的半监督神经机器英语翻译方法。该方法的基本思想是首先通过全概率公式计算并最大化平行语料与单语语料的似然,然后采用重要性采样的方法解决全概率公式计算中期望值搜索空间较大的问题,确保目标函数的有效性。最后,研究在英语-中文翻译任务上对提出的翻译方法进行仿真实验,结果表明,提出的基于边缘分布的半监督神经机器英语翻译方法翻译效果良好,翻译质量优于基于平行语料的预训练基准系统、基于语言模型浅度融合的神经机器翻译方法等其他半监督神经机器翻译方法。