异构并行计算下高维混合型数据聚类算法研究

高维数据维度增加,数据空间的体积呈指数增长,容易陷入“维数灾难”,导致聚类算法执行效率低,为此,提出异构并行计算下高维混合型数据聚类算法。构建高维混合型数据相异度矩阵,提取高维混合型数据的统计序列特征值,利用时间窗口进行特征优化。采用K⁃Prototypes聚类算法提取高维混合型数据的统计序列特征,评估数据与类中心的相异性,计算数据与类中心的欧氏距离,实现高维混合型数据聚类。采用异构并行计算技术进行高维混合型数据K⁃Prototypes聚类的并行化处理,合理分配CPU与GPU工作,达到CPU与GPU的工作负载平衡,提高K⁃Prototypes的聚类效率。实验结果表明,此算法对于高维混合型数据的聚类效果好、运行时间短、性能稳定。

基于BP ANN-GA混合型算法的混凝土配合比优化设计研究

根据混凝土不同龄期的抗压、抗拉强度与和易性、耐久性等要求,综合考虑原材料供应、施工工艺、环境温度和湿度等条件,合理设计混凝土配合比,并最大限度节约工程成本,是现代混凝土技术发展对配合比设计提出的新要求。本文结合基于BP人工神经网络的预测技术和基于遗传算法(GA)的全局优化算法,建立混凝土配合比非线性优化模型,并对该模型的参数选择、计算效率等问题进行深入探讨,从而为上述问题的解决找到一条较为可行的途径,取得初步的成果。文中并给出简单的应用实例,以进一步验证算法的适用性、有效性。

多元化混合型电网的电力价格预测方法研究

多元化混合型电网中能源的多样性使得电价的波动更加复杂和不可预测,对电量和电价产生显著影响。为此,研究新的多元化混合型电网的电力价格预测方法,设计含多种分布式电源的多元化混合型电网电能交易机制。基于此,利用遗传算法改进BP神经网络,基于此设计混合型电网电力价格预测流程。实验结果表明,研究方法预测的电价和真实电价十分吻合,能够准确描述当日的电价变化情况,且对于月平均电价的预测具有更低的误差。

混合型实时容错调度算法的设计和性能分析

以往文献中研究的实时容错调度算法都只能调度单一的具有容错需求的任务 .该文建立了一个混合型实时容错调度模型 ,提出一种静态实时容错调度算法 .该算法能同时调度具有容错需求的实时任务和无容错需求的实时任务 .该文还提出了一个求解最小处理机个数的算法 ,用于对静态实时容错调度算法的性能进行模拟分析 .为了提高静态调度算法的调度性能 ,提出了一种动态调度算法 .最后 ,通过模拟实验分析了静态和动态调度算法的性能 .实验表明 ,调度算法的性能与实时任务的个数、任务的计算时间。

基于混合型粒子群算法的智能家庭能量管理策略

随着全球能源和环境问题的日益严峻,基于可再生能源的分布式电源已成为目前各国的发展重点。在分布式电源日益增长和智能电网的大前提下,智能家庭能量管理系统得到了更多的关注。介绍了目前存在的智能家庭能量管理策略与智能家庭能量管理系统的系统结构,并提出了采用智能式最优化算法来解决这类优化问题。在多种约束条件下,以家庭运行成本以及负荷平滑程度为目标,采用混合型粒子群算法来求解家庭能量管理问题,并用仿真验证了家庭环境下算法的有效性与经济性。

基于遗传算法的城市混合型路网优化设计研究

城市路网设计问题就是研究如何用定量的方法在已有交通网络上添加或扩容某些路段的问题。提出一种基于遗传算法的城市混合型路网设计的双层优化模型,可求出最优的用于道路网新建或改善的交通建设投资决策方案,并利用一个算例进行仿真实验,结果表明,该模型和算法是可行的,可为城市路网设计提供借鉴。

一个网格环境下基于分块的混合型自调度算法

针对当前已有自调度算法在网格环境中存在负载不平衡、参数值难以确定的问题,结合网格自身的特点提出一种新的基于分块的混合型自调度算法CHSS。该算法吸取了可以人为确定块大小及根据性能值分配的思想,提出在分配的每一阶段都考虑子节点性能的方法。实验证明,该算法比现有自调度算法在总计算时间上有了大大的缩短并且能取得更好的负载平衡。

基于混合型遗传算法的森林可燃物热解动力学参数优化方法

森林可燃物热解动力学参数的优化计算是构建综合热解模型的关键步骤。传统的基于梯度的优化方法收敛速度快但全局寻优能力不足,基于"生物进化理论"的遗传算法具有全局寻优能力但收敛速度慢。本研究首先探讨了单纯的遗传算法对初始值设置的依赖,发现设定合适的初始值能够稳定计算结果,加快算法的收敛速度。针对初始值未知的情况,本文提出了将单纯的遗传算法与迭代算法相结合构建混合型遗传算法的流程。然后以樟子松松枝为例,采用热重分析仪开展了森林可燃物热解实验。假设可燃物热解失重过程遵循三步一级平行反应模型,通过对比单纯遗传算法和混合型遗传算法的收敛过程,发现混合型遗传算法能够快速地获取全局最优的动力学参数,显著地提高遗传算法的优化性能。

基于节点分类的混合型网络拓扑布局算法

针对复杂网络拓扑布局中易出现节点重叠、边交叉严重、结构错乱等问题,提出一种新的网络拓扑布局算法。新算法根据网络连接情况,将节点分为重要环路节点和其他节点,采用力导引型和环树型两种不同的方式分别布局该两类节点,最后对温度变量、节点宽度等参数进行调节,完成拓扑布局。实验结果显示,该算法生成的网络布局结构清晰、层次明显,适用于较为复杂的混合型网络环境。

混合型蚁群算法及其应用——以旅行商问题为例

蚁群优化算法——蚂蚁系统(Ant System,AS)是Dorigo M在20世纪90年代最早提出的一种新型生物智能算法,Dorigo M将蚁群优化算法应用于解决经典的旅行商问题(TSP),取得了较好的应用效果。采用混合型蚁群算法进行优化求解,探讨其实现TSP问题的求解流程,以更好地指导实际问题解决。

基于遗传算法的城市混合型路网设计问题研究

针对目前城市路网设计中存在的一些缺陷,提出一种基于遗传算法的城市混合型路网设计的多目标优化模型,它可一次性求得多个可供规划决策者进行选择的路网设计方案,并利用一个算例进行仿真试验,结果表明,该模型和算法是可行的、有效的,可以为城市路网规划提供借鉴。

基于混合型网格资源调度算法的研究

网格资源调度是网格核心服务之一。本文结合OLB算法和Min—Min算法,提出一种新的混合型算法:在处理短作业任务时,采用OLB算法进行分配;对长作业任务则使用MIN—MIN进行预处理为其分配适合的目的处理机。通过算法仿真得出,混合型算法提高了网格资源的利用效率。

混合型粒子群优化算法研究

为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了研究,给出了这三种混合粒子群算法的优缺点及适用范围。

新的混合型盲均衡算法

针对恒模算法(CMA)仅适用于模值为常数的信号,对高阶QAM信号的均衡效果差这一问题,结合CMA与判决引导(DD)算法各自的优点,提出一种CMA与DD算法相结合的改进混合型算法。在算法初期,利用CMA+DD并行算法使系统眼图睁开;然后,再转换到DD算法来进一步减小剩余误差。仿真结果表明,采用新算法对高阶信号均衡有较快的收敛速度和较小的剩余误差,星座图恢复很紧凑,并且改进算法能修正相位和跟踪信道。

改进的混合型蚁群算法在VRP问题中的应用

为提高物流配送中车辆路径的寻优效率,提高物流经济效益,介绍一种能够有效求解VRP问题的算法—改进的混合型蚁群算法。该算法在近邻法构造初始解的基础上,使用2-opt局部搜索策略对当前得到的最优解和次优解进行改进,在更新全局信息素时采用基于排序的蚂蚁系统对排在前2名的蚂蚁更新全局信息素,且为全局信息素设置最大值和最小值。使用Matlab仿真工具对N44K6等10个经典VRP问题进行了求解,得到的结果和已知最优解的误差很小,都在6%以下,并且N33K6问题得到了和已知最优解相同的解。与基本蚁群算法得到的解进行了比较,证明了该改进算法的有效性。

一种适用于混合型分类数据的聚类算法

传统的K-modes算法采用简单的属性匹配方式计算同一属性下不同属性值的距离,并且计算样本距离时令所有属性权重相等。在此基础上,综合考虑有序型分类数据中属性值的顺序关系、无序型分类数据中不同属性值之间的相似性以及各属性之间的关系等,提出一种更加适用于混合型分类数据的改进聚类算法,该算法对无序型分类数据和有序型分类数据采用不同的距离度量,并且用平均熵赋予相应的权重。实验结果表明,改进算法在人工数据集和真实数据集上均有比K-modes算法及其改进算法更好的聚类效果。

面向混合型数据集自适应聚类的差分隐私保护算法

差分隐私是能够提供严谨数学证明的隐私保护模型,针对传统差分隐私保护方法在混合型数据集中应用效果差、处理后破坏数据可用性等问题,提出一种面向混合型数据集自适应聚类的差分隐私保护算法。结合快速聚类及k-prototype聚类算法的特点,首先根据混合数据集的不同数据类型属性,采用不同的相异度计算方式实现对不同数据类型属性的距离计算;然后针对聚类后簇中心分别采用Laplace机制及指数机制进行分类处理,最后结合差分隐私的组合性质实现对混合型数据集的差分隐私保护。实验结果表明,该方法相较于传统方法处理混合型数据集时,在相同隐私预算下数据误差率下降15%,证明处理结果的可用性。在固定隐私预算下,改变初始聚类簇数,该方法的隐私保护程度能够达到96%,证明了该算法处理混合型数据集的有效性。

面向混合型位置大数据的差分隐私聚类算法

针对现有的差分隐私聚类算法仅局限于实型数据的问题,提出一种基于混合型位置大数据的差分隐私聚类算法DPKD。利用KD-medoids降维聚类算法对混合型位置大数据进行预处理,提取位置信息记录,采用邻近搜索找出聚类中心点,划分为k个聚类簇,添加Laplace噪声使其满足差分隐私,通过查询函数返回待发布的数据记录;分析DPKD算法数据查询误差高的问题,对初始中心点优化选择,提出一种改进的Op-DPKD算法。性能评估结果表明,Op-DPKD算法解决了混合型位置大数据的隐私保护问题,提升了聚类效果,保证了混合型位置大数据的可用性。

含分布式电源配电网重构的改进混合型粒子群算法

建立了含分布式电源的配电网重构问题数学模型,重点研究了求解该问题的混合型粒子群算法.针对该算法稳定性差以及收敛速度慢等缺点,提出了改进算法的3个解环启发式原则.并利用一个实际算例对算法的改进效果做了检验.结果表明:针对该问题,改进后的混合型粒子群算法的稳定性和计算效率均有明显提高.

混合型货物作业点取送车作业优化通用模型及算法

针对混合型货物作业点取送车作业问题,以最小化计划时段内调机取送车作业总时间(包括调机总走行时间、调机总等待时间和接发列车对调车作业的总影响时间)为优化目标函数,考虑不同货物作业点间调移作业要求的调机访问次序、同一货物作业点车组先送后取顺序、调机牵引能力限制、货物作业点容车数、批次作业的开始及结束时分等约束条件,建立混合型货物作业点取送车作业优化的通用模型。运用模拟退火算法作为主函数,嵌入逆序判断及处理函数、批次划分函数、批次作业车数判断函数和取送作业时间计算函数,对模型进行求解,并以作业形式具有广泛代表性的岳阳南站案例,对模型及算法进行验证。结果表明:模型能较好地对计划阶段内具有多种形式的取送车作业做出安排;优化后岳阳南站取送车方案的总等待时间为8 min,总影响时间为0 min,因而所提出的模型和算法是可行的和有效的。