一类0/1优化问题融合神经网络的粒子群算法

将局部寻优能力极强的人工Hopfield神经网络算法融合到粒子群优化算法的搜索过程中,提出解决一类0/1优化问题融合神经网络的混合粒子群优化算法。在该算法中依粒子群当前全局最优个体为初始态激活神经网络,生成一个局部最优态,用这个局部最优态代替粒子群当前全局最优个体,增强了算法的局部寻优能力,通过数值试验证明该算法是有效的。

基于信息流改进的贝叶斯网络结构学习算法

基于信息流提出贝叶斯网络结构学习的改进型搜索评分算法。首先计算信息流进行全局因果分析,构造0/1优化问题,获得最优初始网络结构;在此初始结构的基础上产生搜索空间,采用贪婪算法搜索最优结构弧,同时由信息流确定弧方向,实现网络结构的一体化学习。首次将信息流引入贝叶斯网络的结构学习,优化了初始搜索空间,实现了弧和弧方向的同步确定,更能获得近似全局最优结构。实验表明,改进算法较其他算法的准确性和学习效率更高。

目标层次法在城市固废综合处理厂选址中的应用

研究城市固废综合处理厂的厂址选择问题,以建立一套合理且客观的分析程序来寻找最优的固废综合处理厂设置位置,并使所需的相关成本及对环境的负面影响降到最低.为此,本文提出了一目标层次方法,该方法首先对可能潜在的厂址进行可行性筛选;其次,对选择的可行性厂址通过多准则决策分析方法进行进一步评估.以0/1组合优化模型(上层)结合多属性简单加权评估函数(下层)进行求解,以获得最优方案.通过昆明市废弃物综合处理厂选址的实例,说明了这一决策方法的应用.并给出了目标成本最小化及整个系统的计算结果.