ε-贪婪策略在网络蜘蛛搜索策略中的应用

在分析传统网络蜘蛛搜索机制特点的基础上,将ε-贪婪策略引入网络蛛蛛的链接选择机制,提出了一种基于ε-贪婪策略的网络蜘蛛搜索策略．针对国外四所名大学计算机系网站中计算机论资源的搜索试验表明,新的算法可以有效地提高搜索效率．     

基于贪婪搜索和变异操作的布谷鸟算法

作为一种新型的生物启发式群体智能算法,布谷鸟算法模拟了布谷鸟生育雏鸟以及鸟类的Levy flights行为,是一种全局最优搜索算法,为了更好地提高算法对不同问题的适应能力,提出一种基于贪婪搜索和变异操作的布谷鸟(GMCS)算法.根据最优位置设计一种贪婪搜索策略,贪婪搜索策略和Levy flights随机游动搜索策略按概率交替进行,加强算法的局部探索能力;引入差分进化算法中的变异操作,提高算法跳出局部最优的能力;加入一个新的参数,根据收敛状态自适应地调整参数阈值以控制贪婪搜索策略和变异操作的执行次数.通过8个标准测试函数进行数值实验,实验结果表明,与部分改进的布谷鸟算法以及一些其他改进的演化算法相比,GMCS算法具有较好的收敛性能和适应能力,验证了改进后算法的有效性.     

基于MMHC算法的贝叶斯网络结构学习算法研究

贝叶斯网络是人工智能领域研究不确定环境下知识表示和因果推理的有效工具之一,迄今为止已经提出了许多贝叶斯网络结构学习算法.MMHC算法是一种较新的贝叶斯网络结构学习算法,该算法的评分搜索阶段应用了贪婪搜索算法,但该算法容易陷入局部最优而无法得到全局最优网络,针对该缺点,在MMHC算法的评分搜索阶段应用模拟退火、随机重启爬山搜索、禁忌搜索3种搜索策略取代贪婪搜索,详尽的实验结果表明在MMHC算法中这3种搜索算法的效果普遍优于贪婪搜索,其中模拟退火搜索学习效果最好,MMHC算法的评分搜索阶段可以用模拟退火搜索替代贪婪搜索达到提升算法的学习效果.     

一种求解TSP问题的新型遗传算法

针对以往各种遗传算法解决旅行商问题(TSP)后期收敛比较困难的问题,提出一种新的遗传变异算子.首先提出了搜索半径概念,使得搜索的空间变大,进而结合选择算子、交叉算子,提出了一种新的解决TSP问题的方法.仿真实验表明:该算法同单一的贪婪遗传算子算法想比,具有更好的性能和全局搜索能力.     

基于模拟退火机制的网络蜘蛛搜索策略

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略。提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法。针对国外四所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率。     

基于兴趣模型的主题搜索机器人技术探讨

提出了一种采用基于兴趣模型的搜索策略的主题搜索机器人,用候选URL的web网页权值代替入链web网页的内容,在进行搜索的过程中它能学习环球网的链接结构特征,搜索属于特定语义相关主题的重要、web网页的环球网子集.     

求解二次锥规划问题的非精确光滑算法

针对大规模二次锥规划问题提出一种非精确光滑算法.  该算法允许搜索方向有一定的误差, 在选择步长时采用非单调线性搜索策略. 证明了从任意点出发能得到算法的局部二次收敛速率.     

基于模拟退火的网络蜘蛛性能分析与系统实现

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略，提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法．设计并实现了一个计算机相关论文搜索引擎网络蜘蛛系统．针对国外4所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率．     

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题，以最大完工时间为目标建立数学模型，提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量，用遗传算法进行初步搜索，将搜索的结果通过迭代贪婪策略进一步搜索，以提高解的质量，再对关键路径进行邻域搜索，设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构，加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试，实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。     

改进的克隆选择算法求解0——1背包问题

提出了一种改进的克隆选择算法(Improved CSA),该算法采用贪婪策略与宽限边界值相结合的方法,利用未成熟优良子群体提供的信息修改个体基因位来改善种群质量;同时增加一个历史至当前代最佳个体记忆单元防止种群退化.通过对2个0-1背包问题的仿真实验表明:该算法比一般CSA算法和遗传算法能更快的找到最优解;其搜索效率更高,性能更加稳定.     

用混合遗传算法实现神经网络快速训练

快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。     

一种新的RFID防碰撞算法的研究

分析了RFID系统中二进制搜索算法和动态二进制搜索算法的防碰撞原理,并针对这些算法对碰撞连续的标签进行识别时操作效率较低,提出了一种新的算法.该算法是在二进制树形搜索算法的基础上进行改进的.对3种防碰撞算法的性能进行了比较,此防碰撞算法可以提高多卡识别的效率.     

动态交通路网中有效路径的确定方法

给出了动态有效路径的明确定义,并将深度优先搜索的树搜索算法、寻路定向性、层次空间推理策略以及A*算法中的定向估价函数相结合,提出了动态有效路径的一种有效算法.在新算法中通过对交叉口延误的特殊处理,使得城市交通路网中的分向交叉口延误得以充分体现,并有利于将交通导行系统与交通控制系统相融合.同时对动态有效路径搜索在动态车辆路径导行和动态交通分配中的应用作了初步分析.     

一种改进的Grover量子搜索算法

经分析发现,Grover量子搜索算法及Long的改进算法均无法达到100%成功概率的搜索结果,为此在Long的改进算法基础上提出了一种新的搜索算法.它主要将相位取反替换成具有自适应调整特点的、与目标数据量和数据总量有关的相位旋转,当目标数据量为数据总量的1/2时,将数据总量扩展2倍,这样算法的搜索可以做到100%的成功概率.通过对背包问题的仿真研究表明,所提算法优于Grover算法和Long的改进算法,其求解速度快、准确率高,在带有数据误差的实际问题求解中进行相位匹配能够得到满意的效果.     

实数交叉算子的选取和算法改进

在总结分析实数遗传算子的基础上 ,根据算法搜索效果 ,将区域划分与转移思想应用到算法结构改进中。对复杂函数全局解搜索的实验表明 ,新算法在寻找复杂问题的全局解、提高搜索精度方面比基本实数遗传算法有较大改进。文中还将改进的实数遗传算法用于测量数据的估计中 ,得到了较好的线性和非线性参数估计结果。     

基于返回式二进制树形搜索的反碰撞算法

多个电子标签在识别时发生碰撞是射频识别(RFID)技术中关键的问题.解决此问题常用二进制树形搜索算法,但这种算法对N个标签识别进行一一识别时,所需的操作次数太多,效率较低.本文提出了一种新的算法,该算法是在二进制树形搜索算法的基础上进行改进.当阅读器检测不到有碰撞时,可用返回式从上一层REQUEST命令获得下一次的REQUEST命令.最后,通过比较对N个标签进行一一识别所需要总的操作次数,来进一步说明返回式二进制搜索算法的优越性.     

基于Tent映射的混沌粒子群优化算法

针对粒子群算法在迭代后期易陷入局部最优的不足,采用Tent映射所产生的混沌序列在粒子个体最优点和全局最优点附近进行混沌搜索,利用混沌搜索的全局遍历性和随机性提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能。几个典型测试函数的仿真结果证明了该算法的可行性。     

基于后退策略的位传输二进制搜索算法

多个电子标签在识别时发生碰撞是射频识别(RFID)技术中的关键问题,通常使用的是二进制搜索算法,在其基础上提出的位传输二进制搜索算法是二进制算法的一种变异算法。文章在位传输二进制搜索算法的基础上进行改进,提出一种新的算法,并给出了该算法的软件实现;通过分析比较证明该算法的优异性能。