基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

基于Apriori算法的购物篮关联规则分析

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。IT就业市场竞争已经相当激烈,而数据处理的核心技术——数据挖掘更是得到了前所未有的重视。关联规则一般用以发现交易数据库中不同商品(项)之间的联系,用这些规则找出顾客的购买行为模式,比如购买了某一种商品对购买其他商品的影响,这种规则可以应用于超市商品货架设计、货物摆放以及根据购买模式对用户进行分类等。通过发现这个关联的规则,可以更好地了解和掌握事物的发展、动向等。在市场营销、企业投资中具有重要的作用。     

基于差分滤波的改进傅氏算法

讲述微机保护中傅氏算法的原理及优缺点,并提出基于差分滤波的改进傅氏算法,通过Matlab软件编程仿真,得到结果比较分析,证明该改进算法在滤波衰减直流分量上的正确性和有效性,大大提高了在电力系统微机保护中对故障信号的判断,从而做出快速、准确地动作,保护电力设备,防止事故发生。     

存在表面缺陷原材料的矩形件优化排样问题研究

针对存在表面缺陷原材料的矩形件优化排样问题是一个组合优化问题,提出了一种单亲遗传算法求解方法.研究了将矩形件在板材上的排样转换为遗传算法特定编码的方法,通过单亲遗传算法的遗传算子进行优化搜索,最终得到矩形件排样的最优次序和排放方式,用基于矩形件与板材内靠接临界多边形最低点的排样算法实现在表面存在缺陷原材料上的自动排样.排样实例表明,该优化排样算法行之有效,具有广泛的适应性.     

论如何做好中学生网络阅读指导

介绍了网络阅读的基本概念、属性、特点和类型,阐述了中学生网络阅读指导的模式,对中学生网络阅读中发现的一些问题进行了分析,提出了图书馆加大对中学生网络阅读指导的措施。     

基于干扰信道的干扰对齐算法综述

在无线通信系统中,用户间干扰总是制约着网络的吞吐量,因此寻求有效的干扰管理方法显得尤为关键.文中首先引出多种传统的干扰管理方法,但基于这些方法的系统容量都会受到干扰的限制,而且随着用户数的增加,很难获取这些方法的一般解.然而干扰对齐算法可使系统的总容量随着用户数的增加线性递增,文中重点综述两类干扰对齐算法:一类是基于信号空间的干扰对齐算法,另一类是基于信号编码级的干扰对齐算法,最后简要分析了干扰对齐算法的可行性和应用前景.     

基于TFIDF算法的家庭关系识别模型构建及其应用

基于TFIDF(Term Frequency Inverse Document Frequency)算法,结合用户通话圈运用呼叫指纹方法分析用户的交往圈、呼叫特征、短信特征、位置特征、客服特征、终端特征等特征,构建家庭关系识别模型,进而挖掘家庭关联关系的手机与固话在呼叫圈相似度、平均每天通话次数、平均每次通话时长等变量上的相关性,为发现手机号码与家庭固定电话之间的关联关系提供了有效的技术手段,并有效地应用于固移捆绑套餐和可选套餐的目标客户的识别。从实际营销效果来看,该模型的使用有利于帮助市场营销人员快速、方便、有效地开展融合套餐的销售,在降低营销成本的同时提高了营销效果。     

混合的深度优先及宽度优先球形译码算法

结合深度优先及宽度优先算法,提出了一种混合算法,将搜索树分成两部分:一部分进行深度优先搜索;另一部分进行宽度优先搜索.利用深度优先搜索的结果裁剪宽度优先搜索中那些距离较大的点,以降低搜索复杂度.该算法合理地综合了2种算法的优点,具有较低的计算复杂度及较高的性能.仿真结果表明,该算法的性能与最优算法相比差别非常小,与宽度优先算法相比节省了大量的计算复杂度,在高信噪比的情况下,计算复杂度的节省尤其明显.     

协作意愿感知的机会网络路由算法

机会网络中的节点由于受理性实体所控制表现出不同的协作意愿,从而对网络性能产生显著影响,针对这种情况,提出了一种协作意愿感知的机会网络路由算法,该算法利用消息的平均转发时间来衡量节点间的协作意愿,根据联系概率为消息合理地选取转发节点,采用消息优先级机制来提高缓存和带宽的利用率.仿真结果表明,该算法能有效地改善网络性能.     

新型耦合滤波器优化算法的研究

根据交叉耦合滤波器的基本原理,建立了适用于任意拓扑结构的滤波器优化模型,总结出以非特殊点拟合为辅助的新目标函数.接着在经典F-R (Fletcher-Reeves)梯度算法的基础上,提出了遗传梯度混合算法和遗传Solvopt混合算法的实现原理.以MATLAB作为研究平台,在滤波器设计实例中验证这两种新型优化算法的正确性.结果说明,这2种算法无需设定初值能以全局搜索的新方式快速收敛到最优解,可适用于更高阶数的任意拓扑结构.根据实验结果,分析比较了新型算法在收敛速度、算法构架以及计算准确度上的优势,总结出算法的适用条件.