基于改进自适应遗传算法的组卷研究

针对遗传算法容易出现早熟和收敛速度慢的问题，根据群体适应值分布的变化特点，启发性地提出了一种新的基于小生境技术的自适应遗传算法（ANGA）。根据群体中各个个体的适应值分布情况加以启发，引入了一个自适应的常数Cmin，通过白适应调整Cmin以适时改变群体适应值的分布，优化了各个个体被选择的概率。详细介绍了ANGA应用于组卷问题的步骤。涵盖了其中的各项关键技术：组卷策略、编码方案、适应值函数的确定、选择交叉变异箅子的实现。并以目前的计算机等级考试三级信息管理技术的组卷为例，采用ANGA算法进行了仿真计算。仿真结果表明，ANGA算法能够成功地应用于自动组卷。算法能够以100％的概率在较短的时问内完成组卷，组卷效率高、成功率高；且算法对初值不敏感．具有较好的鲁棒性。     

Hadoop云计算平台的参数优化算法

为提高Hadoop云计算平台的性能,该文提出了一种跨层的参数优化模型.首先分析了云计算平台的工作流程,将系统参数与流程对应,并加入基础设施即服务与平台即服务层的参数,找出对Hadoop集群效率作用显著的参数,并把这些参数值作为性能参数,构建成性能参数模型,再用启发式蚁群算法搜寻性能较优的可行参数,并不断修正,找出最佳参数组合,最后整合跨层的参数来提高Hadoop云计算平台的性能.实验表明,该算法可行,性能优良.     

基于聚簇隐马尔可夫模型的文本信息抽取

应用隐马尔可夫模型是文本信息抽取的一种重要方法。对于网上不同来源的文本,由于其格式很不相同,进行混合训练,一般难以得到较优化的模型。将聚簇应用到文本信息抽取中,首先通过一种改进的k-平均方法对训练文本的Markov链模型进行聚簇,然后训练各簇的隐马尔可夫模型,提出了一种基于聚簇隐马尔可夫模型的文本信息抽取算法(C-HMM)。对700篇网上不同来源的文本进行信息抽取仿真实验,结果表明,新的算法能有效地提高抽取性能。     

一种新的基于小生境的自适应遗传算法

针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢的问题,根据群体适应值的分布特点,启发性地提出了一种新的基于小生境的自适应遗传算法(ANGA).采用一种新的适应值计算方法,引入了一个自适应的常数Cmin,根据群体中各个个体的适应值分布情况加以启发,通过自适应调整Cmin,以适时改变群体适应值的分布,优化了各个个体被选择的概率.同时采用了小生境技术,并对交叉和变异位置引入了自适应的非均匀选择机制.采用3个典型的全局优化测试函数进行了验证,仿真试验表明该方法能够明显地改善全局寻优能力,并大大加快了收敛速度.     

一种基于ICA数据库水印嵌入算法的研究

提出一种基于独立分量分析（ICA）的公开数据库水印方法。利用混合的方法嵌入水印，再利用盲源JADE算法提取水印。理论分析和仿真实验结果表明该算法是有效的。     

一种节能的分簇路由算法研究

由于无线传感器网络具有能量有限等特点,如何高效的使用能源已成为人们研究的热点.结合已有的研究,提出了一种基于节能的分簇路由算法.节点分成簇间与簇内两级拓扑结构,簇内节点通过在最后一个数据包中“捎带”自身剩余能量信息参与下一轮簇头节点的选举,簇头节点之间形成网状拓扑结构,并维持一张由邻居节点梯度、距离及剩余能量值组成的权值路由表,通过尽量选择权值最小的路径进行数据的传输,实现节能、均衡能量消耗、延长网络生命周期的目的.     

优化NGM(1,1,k)模型在国内能源消费中的应用

为探究中国国内能源消费的未来发展趋势，建立了优化的NGM(1,1,k)模型来研究中国国内的能源消费情况，将优化模型和其他2个灰色预测模型分别应用于中国国内能源消耗的案例，并通过5个常用的预测模型性能评价指标进行比较.案例结果表明，ONGM (1,1，k)模型在应用案例中表现最好，从而证实了模型的可行性和有效性.将新陈代谢的思想引入到ONGM (1,1，k)模型中，对未来5年中国国内能源消耗情况进行了合理预测.