基于免疫-细菌觅食算法的旅游线路选择问题研究

针对旅游行业迅猛发展的态势,对旅游路线选择问题进行抽象、概化,将旅游路线选择问题转化为特定条件下数学方程最优化问题。结合免疫算法和细菌觅食算法融合半解析解的思想,构建一种全新的优化算法——免疫细菌觅食算法(Generate Bacterial Foraging Algorithm,GBFA),对旅游路线选择问题进行求解,对几种线路的旅游花费、游玩时间等方面进行比较。结果显示:GBFA在计算效率上远远高于其他方法,路线花费更低、游玩时间更多、交通时间与等待时间更短、游客休息时间更充裕,说明该方法计算结果更加精确,计算流程更加优化。

基于互联网云计算的人脸识别算法研究

基于互联网云计算的人脸识别算法是人工智能的核心算法,也是计算机视觉发展的瓶颈所在。利用主成分分析算法对图像的特征点进行提取,并对传统的细菌觅食算法进行改进,提出了改进的细菌觅食算法(GBFA),利用改进细菌觅食算法对主成分分析法中的目标函数进行求解。将计算过程嵌入MATHEMATICA Cloud云中,利用部署函数对图片进行操作,开发人脸识别程序Face_Recognition,并分别针对智能抠图抽丝、人脸分类、同一人物人脸匹配、寻找特定人物4种功能形态进行测试,测试结果显示,提出的基于互联网云计算的人脸识别算法对于人脸识别、人脸分类、人脸筛选等具有极强的适应性和极高的精确度。

RA网络多协同排序算法模型及算法研究

针对当下约车平台迅猛发展的态势,就其中广泛关注的问题——RA网络多协同排序问题进行了探究。针对滴滴出行的实际数据,将RA网络多协同排序问题转化为求解数学模型两个评价指标最优解的问题,基于传统的免疫算法(generate and test)的相关概念,融合半解析解的相关思想,构建一种优化算法GBFA(Generate Bacterial Foraging Algorithm),进而提出了基于GBFA算法的RA网络多协同排序算法,并据此开发RA网络多协同排序软件"RA-LC"。以滴滴出行北京市2015年5月—2016年4月的数据为对比对象,利用RA-LC对相关实例进行仿真,结果显示该算法对于时间预测具有较高的准确度,对于RA网络多协同排序问题具有极佳的适用性和精确度。

基于免疫算法的BFA优化研究

BFA(Bacterial Foraging Algorithm,细菌觅食算法)是一种新兴的寻优智能优化算法,被广泛应用于智能优化问题。但是BFA的计算性能有待提高、收敛不稳定。本文中BFA算法的复制操作环节被免疫算法(generate and test)所替代;在BFA的趋向性操作环节中,将步长逐步收小,既可以保证BFA收敛性又可以提高BFA的全局搜索能力;并针对迁移操纵环节进行优化,提高收敛的精确度。通过实例对本文算法(GBFA:Generate Bacterial Foraging Algorithm)进行验证,结果表明本文算法(GBFA)更加精确,寻优能力更强,稳定性更佳。