基于改进的BP神经网络入侵检测方法研究

针对遗传算法局部搜索能力弱和收敛速度慢,在选择操作之后加上了禁忌搜索算法,并对交叉操作进行改进,最后用禁忌搜索作为变异操作,从而加快算法的收敛速度,并用此改进的遗传算法来优化BP神经网络的权值。实验证明,采用该方法优化BP神经网络权值,能克服BP神经网络收敛速度慢、局部极小问题。

基于禁忌BP神经网络的动态测量误差预测研究

本文针对BP算法在神经网络参数学习中局部性能好但易陷入局部极小值而禁忌搜索算法拥有良好的全局性能的特点,提出了神经网络的综合训练方法(禁忌BP算法,TSBP Algorithm)即首先利用禁忌搜索算法对神经网络参数进行全局搜索训练,然后再利用BP算法对参数进行局部学习。设计了一种多样化和集中化并行搜索的禁忌搜索算法,一定程度上解决了传统禁忌算法局部寻优和拓展搜索空间之间的矛盾。最后利用仿真实例验证了TSBP神经网络较之BP神经网络和TS神经网络在动态误差预测方面的优越性,得出了相关结论。

遗传禁忌算法优化BP网络用于入侵检测

针对入侵检测系统存在的高漏报率和误报率,提出一种基于遗传禁忌神经网络的入侵检测模型。该模型基于遗传禁忌算法的全局搜索和BP网络局部精确搜索的特性,将遗传禁忌算法和BP算法有机结合,利用遗传禁忌算法优化BP网络初始权重,同时引入小生境技术改进遗传禁忌算法。实验表明,改进的遗传禁忌算法优化BP网络用于入侵检测能提高入侵检测的效率,降低误警率,可在一定程度上提高入侵检测系统的准确率。

基于混合混沌优化法的BP神经网络算法

运用混合混沌优化法训练BP神经网络,构造了基于混合混沌优化法的BP神经网络训练算法,实例说明具有较高非线性逼近能力和应用价值。

一种改进的基于TS-BPNN的网络入侵检测方法

为了提高现有网络入侵检测方法的检测率,提出了一种基于禁忌算法和BP神经网络的网络入侵检测算法。该算法首先建立基于BP神经网络的入侵检测模型,根据样本数据的标签与网络实际输出之间的差异,通过反向传播算法调整网络参数。为了防止网络结构参数陷入局部最优值,采用禁忌算法优化对网络的参数进一步优化,将禁忌算法获得最优解并用于确定神经网络的最终结构。最终,将需要检测的数据输入神经网络就可以得到入侵检测结果。在MATLAB环境下进行仿真实验,将所提的基于禁忌算法和BP神经网络的模型用于对网络进行入侵检测,并与经典的BP网络、AdaBoost和Elman网络的方法进行比较,结果表明本文所提的方法具有最高的检测率。

基于改进禁忌搜索的云任务负载均衡调度策略研究

云计算是一种管理和提供服务的互联网新平台,而云计算环境下的任务调度是一个NP-hard问题,任务的合理分配、虚拟机资源的负载均衡是云任务调度的重要方面.在本文中,提出了一种基于改进禁忌搜索的云任务负载均衡调度策略.该策略综合考虑任务总完成时间及虚拟机负载均衡度,提出基于时间贪心的初始解求解步骤,进而引入结合多因素优值函数的禁忌搜索算法优化任务调度的负载均衡,再进一步给出跳出局部最优的惩戒策略.为了验证提出的算法的有效性,使用CloudSim作为仿真平台,与RR算法、Min-Max算法、ACO算法等进行对比,以有限元分析计算过程中的任务调度为背景进行模拟实验,结果表明,此算法不仅缩短了任务总体完成时间,同时优化了虚拟资源负载均衡度.

基于粗糙集和TS-ANN的柴油机故障诊断推理

研究了一种基于粗糙集和禁忌神经网络(Tabu Search-Artificial neural network,TS-ANN)的故障诊断方法,解决了柴油机由于激振源多而导致的故障诊断困难的问题;首先通过SOM网络实现对初始决策表的属性值离散化,使用基于属性重要度的属性简约算法实现对决策表的属性简约,从而降低输入数据维数,然后通过禁忌算法实现对神经网络的隐层神经元个数以及权、阀值进行优化,将优化后的参数代入BP神经网络后进行训练以进一步调整,最后将训练好的神经网络用于实现故障诊断推理;仿真实验证明文中的方法能精确地实现故障诊断,且与其他方法相比,诊断精度分别提高了28.34%、13.45%和9.67%。

平面移动式立体车库动态库位分配策略建模与仿真

平面移动式立体车库在车位分配过程中存在顾客排队等待时间过长,车辆出入库效率低下的局限性。为减少顾客等待时间,提高立体车库服务效率,提出一种动态库位分配策略:以蜻蜓算法优化的BP神经网络模型预测车辆的停留时间,并根据车辆停留时间对车库车位进行区域选择,最后利用禁忌搜索算法搜索出该区域内最适宜的车位位置。同时,将顾客平均等待时间,平均等待队长,平均服务时间和车库运行能耗作为评价指标与现有库位分配优化方式进行对比分析,仿真结果表明:该策略能够更为有效地减少顾客等待时间,提高立体车库整体作业效率。

钢材性能与工艺参数的交叉预测模型研究

为了克服BP神经网络算法的固有缺陷,增强其在钢材生产实践和事故调查中应用实效,提出了对BP神经网络算法的改进措施,并通过排列组合建立了钢材性能、温控工艺和化学成分添加工艺三组数据的6种交叉预测模型。该方法将遗传算法与小生境技术和禁忌算法相结合,优化了BP神经网络初始权值和阈值的选取,避免陷入局部最优解;利用Cauchy误差估计器代替传统均方差估计器,改进了BP神经网络误差统计方法,降低少数异常输入元素对结果的影响。实验结果表明,所有模型训练后检验精度均较高,总体平均相对误差较小,表明了该算法模型具备良好的预测能力和现实可行性。

一种用于大规模MIMO信号检测的改进算法

近几年来,大规模多输入多输出(multi-input multi-output,MIMO)的信号检测问题已经引起了人们的关注,在研究了主动禁忌搜索(reactive tabu search,RTS)算法和置信度传播(belief propagation,BP)算法的基础上,提出了一种新的RTS-BP联合检测算法,给出了2种不同的信道模型下的仿真对比图。结果表明,在不同的调制阶数情况下,RTS-BP算法性能优于单一的RTS和BP算法,且在一定程度上降低了大规模MIMO检测的高维效应对信号层数的要求。