基于类间依赖集约简的类簇测试用例生成算法

针对类簇中类间依赖关系以及类间消息交互产生的错误而导致测试冗余和测试遗漏的问题,提出一种类间依赖集约简的类簇测试用例生成算法。形式化定义了类间继承依赖、聚集依赖和关联依赖这3种依赖关系,建立类簇测试模型。定义类簇模式和用户(领域专家)解释集,并在用户解释集中依据每一个类对象的若干实例广义相等建立等价类,得出用户解释集幂集的1个子集即匹配划分集。据匹配消去算法求出类的最大匹配集,证明该集合就是所求类的最大非平凡非依赖集;提出一种交互差组合约简算法,计算类的最大非平凡非依赖集的补集,约简得到类的最小交叠集,并证明其就是类的最小非平凡依赖集,即类的组合测试用例;对其中每一个类的组合元素进行组合测试,并与其余类交互测试,得出类的交互测试序列。     

一种基于遗传算法的无线传感器网络路由算法

针对传感器节点在能量储备、计算能力、通信能力方面制约性强等问题,采用进化算法理论,提出一种适用于无线传感器网络的移动Agent路由选择算法.该算法能为移动Agent探测具有最小能耗的路径,同时保证信息收集的完整性.实验结果表明,该算法自适应性强,可减少传感器节点的能量消耗,满足无线传感器网络在实际应用中对移动Agent路由算法的需求.     

基于遗传优化算法的二维漏磁缺陷重构

信号逆问题，即从测量信号中恢复出缺陷轮廓及其参数，是漏磁无损评估中的一个重要课题。提出了一种基于遗传算法的逆算法，用于从漏磁信号中重构二维缺陷。在该算法中，径向基函数（RBF）神经网络用作前向模型，遗传算法用于求解逆问题中的优化问题，其优点是能够避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题，并能得到逆问题的全局最优解。实验结果验证了所提出的逆算法的有效性。     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

基于关系代数的遗传算法模型及其应用

运用选择、投影、广义笛卡尔积等关系代数运算 ,给出了遗传算法的搜索空间及个体、遗传算子和搜索最优解过程等关系代数形式的描述 ,建立了遗传算法的关系代数模型 ,给出了遗传算法的数学解释 .然后 ,给出建立遗传算法关系代数模型的意义 ,说明了数据挖掘和知识发现应用于遗传算法的可行性 .最后 ,用该模型描述了 2个常见用遗传算法解决的问题 ,即TSP问题和交互式遗传算法中的服装设计问题 ,结果表明该模型的可行性 .     

QoS感知的Web服务选择

一个组合服务可以由多个具有不同QoS属性的服务合成,由此带来的一个问题是如何将QoS属性作为条件选择最合适的服务以满足组合服务的全局QoS需求.针对这个问题,提出了利用分层图技术对复杂的服务组合过程模型进行化简,将服务选择问题简化为有向图中的选路问题,这样在服务选择时就无需考虑不同的流程结构(例如,顺序、选择、并发和循环结构等),从而降低了服务选择算法的复杂性,提高了执行效率.在简化模型的基础上,给出了一个基于自适应遗传算法的QoS感知的组合服务选择算法.仿真实验表明该方法是可行和有效的.     

基于支持向量机与遗传算法的发酵过程软测量建模

提出了基于支持向量机的生物量浓度在线估计软测量建模方法,采用遗传算法进行模型输入的选择与支持向量机参数的选取,目的是找到对模型估计结果贡献最大的输入特征变量,降低了输入空间维数,缩小了求解问题的规模,从而减低计算方面的难度,减少了训练实际,同时又通过参数的调整,得到更好的决策函数,提高支持向量机的性能.模型的训练与验证数据都是取自实际的实验过程——诺西肽发酵.结果表明采用遗传算法进行优化的支持向量机软测量模型对生物量质量浓度具有好的预估性能.     

基于动态网格优化算法的支持向量机回归应用

在支持向量机的回归分析过程中,由于多个参数需要同时调整,并且参数的取值范围大,给实际的工程应用带来很大困难,针对上述问题,本文提出了动态网格优化算法,使用优化后的参数来训练支持向量机,用测试样本对回归模型进行评价后可以得到较小的均方误盖值。     

多群体阶段性杂交遗传算法

借鉴生物遗传学提出了一种多群体阶段性杂交遗传算法。引入相对顺序交叉算子对标准遗传算法进行了改进。为验证该算法的性能，对旅行商问题进行了求解，采用多群体和阶段性杂交的改进策略，并分别和标准遗传算法进行了比较。计算结果表明，该方法能较好地保证个体多样性，并能促进优秀基因型的杂交和遗传，在收敛和鲁棒性方面优于一般的单群体、非杂交算法。另外，将其应用于水电站优化调度也取得了较好的效果。     

基于图论的Web服务合成算法

研究了Web服务合成问题,解决该问题的关键是对候选Web服务的输入输出数据关系进行建模,以及有效地利用这些已有的数据依赖关系实现服务合成请求.通过从Web服务规范语言中提取Web服务的语义信息,构建Web服务的依赖图;提出了一种基于搜索算法的Web服务合成算法,获取满足特定服务请求的Web服务合成.     

构筑物动态变形行为的自组织进化识别

建筑物沉降变形行为是一个复杂的非线性动力学演化过程,针对这一过程,引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的构筑物变形动态预测模型进化识别算法·该方法将复杂的模型结构与参数混杂的搜索空间简化为两个相对简单的模型结构进化过程和模型参数进化过程,分别由遗传规划和遗传算法完成·设计了模型结构和参数的共同进化方案,实现对非线性动力学演化模型结构和参数的全局最优搜索·实例分析结果表明该方法具有较好的预测精度和推广预测能力,并且显示出较高的自组织能力,为构筑物变形预测提供了一个有效的分析工具·     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

用改进的RPCL算法提取聚类的最佳数目

对于传统的Ｋ 平均算法来说,如何选择适当类的数目是一个难以解决的问题．有人提出了次胜者受罚的竞争学习（ｒｉｖａｌｐｅｎａｌｉｚｅｄ ｃｏｍ ｐｅｔｉｔｉｖｅ ｌｅａｒｎｉｎｇ ： ＲＰＣＬ）算法试图来解决这一问题．但是,当数据类有重叠以及输入矢量含有非独立项时,ＲＰＣＬ算法的性能不能令人满意．本文提出了一种结合全协方差矩阵的ＲＰＣＬ算法,并逐步删除那些只包含少量训练数据的类．这种算法,我们称之为改进的ＲＰＣＬ算法．我们用改进的ＲＰＣＬ算法来确定高斯混合分布类的数目,并将其与原来的ＲＰＣＬ进行比较．实验证明,改进的ＲＰＣＬ算法比原来的ＲＰＣＬ算法能够更好地表征类     

基于进化策略和公平竞争的多用户OFDM系统资源分配

提出了一种用于多用户OFDM系统的资源分配算法(ESFC),能以低复杂度完成用户间的子载波、比特及功率分配,达到快速优化系统发射功率的目的。该算法同时考虑到动态业务的实时性和用户间的公平竞争性,将系统资源分配问题转化为数学模型的多约束优化求解问题。资源分配过程分为两个步骤,包括基于进化策略进行子载波分配和使用注水算法进行比特及功率分配。仿真结果表明:与现有算法相比,该算法能有效降低复杂度,在优化OFDM系统性能的同时兼顾了实时性需求,明显减少了运算量,能快速收敛到优化解。     

Mining Frequent Closed Itemsets in Large High Dimensional Data

Large high-dimensional data have posed great challenges to existing algorithms for frequent itemsets mining. To solve the problem, a hybrid method, consisting of a novel row enumeration algorithm and a column enumeration algorithm, is proposed. The intention of the hybrid method is to decompose the mining task into two subtasks and then choose appropriate algorithms to solve them respectively. The novel algorithm, i.e., Intertransaction is based on the characteristic that there are few common items between or among long transactions. In addition, an optimization technique is adopted to improve the performance of the intersection of bit-vectors. Experiments on synthetic data show that our method achieves high performance in large high-dimensional data.     

一种新型仿生算法在优化问题中的应用

在观察西瓜虫生存规律的基础上,提出了一种新型的、用于优化问题求解的西瓜虫算法.利用西瓜虫算法求解McCormic函数,同时与粒子群优化算法的求解结果进行对比.实验结果验证了西瓜虫算法的有效性和优越性.     

Improvement and Parallelism of k-Means Clustering Algorithm

The k-means clustering algorithm is one of the most commonly used algorithms for clustering analysis. The traditional k-means algorithm is, however, inefficient while working on large numbers of data sets and improving the algorithm efficiency remains a problem. This paper focuses on the efficiency issues of cluster algorithms. A refined initial cluster centers method is designed to reduce the number of iterative procedures in the algorithm. A parallel k-means algorithm is also studied for the problem of the operation limitation of a single processor machine when given huge data sets. The analytical results demonstrate that these improvements can greatly enhance the efficiency of the k-means algorithm, i.e., allow the grouping of a large number of data sets more accurately and more quickly. The analysis has theoretical and practical importance for work on the improvement and parallelism of cluster algorithms.     

基于人工免疫的RBF神经网络在钢筋性能预报中的应用

提出了一种基于免疫识别原理的径向基函数神经网络学习算法.该算法利用人工免疫系统的识别、记忆、学习等原理,将输入数据作为抗原,抗体为抗原的压缩映射作为径向基函数神经网络模型的隐层中心,输出采用最小二乘法确定权值.通过预报热轧带肋钢筋力学性能的仿真实验结果表明,与K-均值法选择中心点比较,该算法计算量较小,精度高.     

用遗传算法构造n阶幻方

该文利用遗传算法构造n阶幻方,为幻方的研究提供了一种新的方法.针对这个具体问题设计了新的交叉算子和变异算子,改进后的遗传算子更适合构造n阶幻方的遗传操作.     

P*(κ)线性互补问题的预估-校正内点算法

通过修正大邻域跟踪算法的搜索方向, 提出一种新的求解P*(κ)线性互补问题(LCP)的不可行预估-校正内点算法, 并对算法进行了收敛性分析, 证明了该算法具有目前最好的理论复杂度O((1+κ)^5/2nL). 数值结果验证了算法的有效性.