基于粒子群优化的最小属性约简算法

将最小属性约简问题转化为一个基于粒子群优化算法求解的多目标优化问题.引入基于表现型共享的适应度评价函数以提高多目标搜索算法的性能,对基本粒子群优化算法的位置更新公式进行修正使其能够有效应用于最小属性约简问题,并提出了一种用于求解该问题的二进制多目标粒子群优化算法.实验表明,本算法是有效的,并能一次运算获得多个最小属性约简.     

一种求解属性约简优化的协同粒子群算法

针对粗糙属性约简优化问题,利用粒子群寻求最优解的优势,提出一种改进的粗糙集属性约简优化的协同粒子群算法(AR-CPSO)。在最优属性寻求过程中,该算法使粒子群在属性空间通过约简集向量的分解和邻域簇的协同学习提高其寻优能力,并利用自适应约束强化罚函数较好地收敛到最优目标属性约简集。该算法能始终保持种群的多样性、协作性,并避免过早地陷入局部最优。相关仿真实验表明,AR-CPSO算法能有效地找到全局最优属性约简集,具有较强的属性协同约简优化性能。     

一种基于二进制可辨矩阵的属性约简算法

基于可辨矩阵的属性约简算法都是从信息系统中直接求得约简，提出了分两步求得约简，降低了算法的时间复杂度为O(mn^2)，第一步计算出近似约简，第二步去掉其中的冗余属性。改变了过去人们认为基于可辨矩阵的特征选择算法的时间复杂度不低于O(m^2n^2)的观点(其中m为数据集中特征／属性的个数，n为数据集中样本的个数)。最后给出了实验结果.     

二进制粒子群优化算法在车辆路径问题中的应用

车辆路径优化问题是一类实用价值很高的NP组合问题,针对传统启发式优化算法搜索速度慢、易陷入局部最优解的缺点,提出了一种新的基于二进制的粒子群优化算法,并将该算法应用于车辆路径优化问题,建立了相应的数学模型和求解算法.将该算法通过与遗传算法、混合蚁群算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性.     

属性约简在数据挖掘中的应用

讨论了属性约简在数据挖掘中的应用，并通过应用实例证实了其有效性。     

基于二进制可辨矩阵的属性约简启发式算法

对文献[2]的可辨矩阵约简变换算法进行改进,利用核属性特性减少比较次数,提高算法的效率.充分考虑决策表的启发性知识,提出一种新的属性重要性计算方法.最后,给出一种基于二进制可辨矩阵的属性约简启发式算法.     

基于二进制粒与粒计算的属性约简

目前有关粒计算的理论与方法主要有商空间理论、词计算理论和粗糙集理论.以粗糙集理论发展的粒计算理论为基础,定义了幂图、粒度幂图及二进制粒等概念,提出基于二进制粒计算与粒度幂图的两种属性约简算法,把属性约简问题转化为在粒度幂图中的搜索问题,为属性约简开辟了新的途径.理论分析表明,所提出的算法是有效可行的.     

属性约简在数据挖掘中的应用

讨论了属性约简在数据挖掘中的应用,并通过应用实例证实了其有效性.     

利用种群平均信息的二进制粒子群优化算法

在Kennedy和Eberhart的二进制粒子群优化算法(BPSO)的基础上提出一种利用种群平均信息的二进制粒子群优化算法。新算法利用种群个体极值的平均信息和粒子的个体极值决定粒子当前取值的概率,使粒子可以充分利用整个种群的信息。通过测试函数优化和0—1背包问题,结果表明该算法具有较好的收敛速度和稳定性,求解结果要优于BPSO和一些改进算法。     

离散二进制粒子群算法分析

粒子群算法（Particle Swarm Optimization,PSO）主要用优化计算实值的连续性问题,而离散二进制粒子群算法（Binary Particle Swarm Optimization,BPSO）则用来优化离散空间问题,它扩展了PSO算法的应用,现已广泛应用到各种离散优化问题计算中,但目前对BPSO算法...     

基于扫描向量的属性约简方法

针对粗糙集理论中属性约简问题,提出了一种基于扫描向量的属性约简方法.根据粗糙集理论知识,定义了一个新概念--差别向量,利用差别向量将信息表转换成差别向量组;根据差别向量的结构特征,定义了差别向量加法法则;运用这个加法法则仅需对差别向量组扫描一次,就可以形成结构简洁却能代表原信息表属性特征的扫描向量.以扫描向量中的属性频率项作为属性约简搜索的启发信息,提高了属性约简效率.数值实例及数据库测试的结果表明该属性约简算法是有效可行的.     

基于最大叶子子树优先策略的多敏感属性保护方法

首先将多敏感属性隐私保护问题转化为多敏感属性L-多样性问题,然后给出了多敏感属性树构造方法及最大叶子子树优先策略,在此基础上提出了一个多敏感属性保护算法。最后,通过实验对算法进行了验证和分析。结果表明,该方法能有效地保护数据隐私,减少信息泄露。     

基于层次地图的子目标点的选择与更新策略

为了适应较大场景下多自由度移动机器人的路径规划,建立了一种新型的分层采样地图.利用第1层二维地图进行子目标点的选择和更新,从而实现子目标点对路径规划的全局引导.然后结合局部规划器和第2层九维地图进行路径搜索得到路径.考虑当前局部空间的子目标点存在被运动障碍物遮挡的情况,若当前子目标点被遮挡,则选取下一个子目标点为当前子...     

一种基于QoS偏好的服务选择策略

面对服务质量敏感的用户,应该依据用户的偏好进行服务选择。给出了Web服务QoS的描述形式,从5个方面对QoS属性进行分析。根据用户对各QoS指标的偏好构建层次分析法(analytic hierarchy process,AHP)矩阵,进一步利用AHP矩阵获得各QoS属性的权重。在此基础上,提出了一种基于逼近理想解的排序方法(technique for order preference by similarity to an ideal solution,TOPSIS)。该方法基于候选服务的QoS属性构建决策矩阵,确定正理想解和负理想解,通过贴近度的大小对服务进行优劣排序。实例分析表明,该算法是有效的。     

云计算下用户行为特征的服务选择策略

在云模型中,不同的网络资源被网络虚拟化抽象成为各种服务,这些服务经过进一步的组合后以服务组合的方式提供给终端用户。为保证用户能高效地选取服务,从用户体验质量的角度,分析云环境下用户访问服务的行为,利用其访问服务的偏好性,提出基于用户行为特征的服务选择策略。理论分析和实验表明,该策略能保证较高的性能及用户满意度,能为用户提供有效的选择方案。     

一种基于自适应遗传策略的特征选择算法

以欧氏相似测度散布矩阵为特征评价准则,以特征向量为基因构造二进制染色体码串,研究了一种基于自适应交叉/变异算子模型的遗传搜索算法.测试结果表明,对于解域空间具有非连续、多峰、含噪声特征的一类特征选择问题,该算法具有很强的鲁棒性,且能够以满意的概率收敛于全局满意解.     

基于独立变桨距控制的风轮减载策略

为减小风切变、塔影效应以及湍流风等因素引起的风轮不平衡载荷,在分析风切变、塔影效应以及湍流风模型的基础上,提出了一种基于方位角和载荷联合反馈的独立变桨距控制策略。结合方位角权系数分配环节和叶根挥舞载荷反馈PID控制环节,分别调节每支叶片的桨距角,实现风轮减载控制。基于GH Bladed平台的仿真结果表明,与统一变桨距控制相比,所提独立变桨距控制策略可有效减小风轮不平衡载荷,不仅适用于风切变和塔影效应引起的载荷波动,在湍流风影响时也能起到较好的抑制作用。     

基于深度学习的两跳放大转发中继网络多中继选择策略

以接收端的平均接收信噪比(SNR)最大化为目标,两跳放大转发中继网络多中继选择策略问题被规划为0-1非线性整数规划问题,其最优解只可以利用穷举法得到.提出基于深度学习多中继选择策略,降低时间复杂度.仿真结果表明:与穷举法相比,该方法能够达到几乎相同的平均接收SNR,且其时间复杂度明显低于穷举法.     

一种基于粗集的决策表属性值约简改进算法

属性约简和值约简是粗糙集理论中的重要内容.文章提出一种适用于决策表的属性值约简改进算法AVRIMC,对分辨矩阵中的每一行,直接利用吸收率和求得的值核信息,优化该行后续元素的构造;最后用UCI数据集进行实验,并与文献中算法相比较,结果表明本算法在保持正确性的基础上,时间性能有一定程度的改进.     

A usable selection range standard based on test suite reduction algorithms

In this paper, we analyze the features and distinction of 6 classical algorithms: greedy algorithm (G), greedy evolution algorithm (GE), heuristics algorithm (H), greedy heuristic G (GRE), integer linear programming algorithm (ILP) and genetic algorithm (GA) to ensure the main influencing factors-the performance of algorithms and the running time of algorithms. What's more, we would not only present a research design that aims at gaining deeper understanding about the algorithm classification and its function as well as their distinction, but also make an empirical study in order to obtain a practical range standard that can guide the selection of reduction algorithms. When the size of a test object (product of test requirements and test cases) is smaller than 2000×2000, G algorithm is the commonly recommended algorithm. With the growth of test size, the usage of GE and GRE becomes more general.