P systems based multi-objective optimization algorithm

Based on P systems, this paper proposes a new multi-objective optimization algorithm (PMOA). Similar to P systems, PMOA has a cell-like structure. The structure is dynamic and its membranes merge and divide at different stages. The key rule of a membrane is the communication rule which is derived from P systems. Mutation rules are important for the algorithm, which has different ranges of mutation in different membranes. The cooperation of the two rules contributes to the diversity of the population, the conquest of the muhimodality of objective function and the convergence of algorithm. Moreover, the unique structure divides the whole population into several sub populations, which decreases the computational complexity. Almost a dozen popular algorithms are compared using several test problems. Simulation results illustrate that the PMOA has the best performance. Its solutions are closer to the true Pareto-optimal front     

基于免疫原理和Boosting机制的模糊分类规则挖掘算法

基于免疫原理和Boosting机制,提出了一种模糊分类规则挖掘算法.该算法主要借鉴于自然免疫系统中的克隆选择原理,通过抗体种群的演化来优化模糊规则.模糊规则库通过增量的方式产生,算法每次运行得到一个规则.Boosting机制用于调整训练数据的权值,使得新生成规则集中于当前未被覆盖或误分类的数据实例.仿真实验表明,所提算法可根据规则的分类精度来调整训练数据的权值,促进了模糊规则之间的协作关系,避免了规则之间相互冲突,提高了系统的分类精度.     

How a membrane agent buys goods in a membrane store

In this paper we consider a specific model of membrane systems, i. e. membrane systems with attributes. In these systems, the information is placed at the membranes in form of attributes, no objects are considered inside the membranes except for other membranes. The membrane system with attributes evolves according to rules that compute new values for the attributes from the attributes assigned to the membranes involved in the rule. The model of membrane systems with attributes allows us to specify business transactions in a precise way and to simulate different models for such transactions with a suitable tool for membrane systems with attributes.     

How a membrane agent buys goods in a membrane store

In this paper we consider a specific model of membrane systems, i. e. membrane systems with attributes. In these systems, the information is placed at the membranes in form of attributes, no objects are considered inside the membranes except for other membranes. The membrane system with attributes evolves according to rules that compute new values for the attributes from the attributes assigned to the membranes involved in the rule. The model of membrane systems with attributes allows us to specify business transactions in a precise way and to simulate different models for such transactions with a suitable tool for membrane systems with attributes.     

云计算环境下基于张量分解的缺失关联规则挖掘算法

针对云计算环境下由于数据缺失导致关联规则发现误差较高的问题,提出一种基于张量分解的缺失关联规则分布式发现算法,从而建模关联规则、缺失数据并近似它们的置信度.利用Apriori算法进行局部数据相关以获得频繁项集,通过CANDECOMP/PARAFAC (CP)分解方法分解张量置信度,使用共轭梯度算法进行迭代以最小化近似张量的成本,当存在缺失数据的情况下,利用分布式算法将局部相关与全局相关结合发现缺失关联规则.仿真结果显示,算法的平均误差仅为5.55％,最大误差不超过10％,低于其他几种较新的缺失关联规则算法,相比基于聚类的关联规则算法,平均执行时间减少了16.5％.结果表明,所提基于张量分解的分布式算法在缺失数据的情况下,性能优于其他的关联规则算法,能更加有效地提供缺失规则置信度的近似解.     

优先级调度规则建模研究

基于规则的调度方法已广泛应用于各类调度问题的求解中。为揭示规则对调度系统所产生的具体作用,研究了调度规则的建模问题,并主要运用Ｐｅｔｒｉ网为优先级调度规则建模。文中首先分析了普通Ｐｅｔｒｉ网模型中分别存在于库所、令牌和变迁这三个层次上的顺序冲突现象,认为这些冲突可通过引入相应的优先级调度规则来解决;接着结合实例运用三种类型的扩展Ｐｅｔｒｉ网对各层次的优先级调度规则建模;最后通过分析规则调度系统的结构特征,指出可运用混合动态系统领域的有关理论来研究规则调度系统的建模、分析和控制问题。     

一种从路由表推导自治系统关系的方法

提出一种利用边界网关协议(BGP)路由表推导自治系统(AS)关系的方法·通过分析AS关系对BGP输入和输出路由策略的约束,得到用AS关系序列表示的AS路径结构·根据AS关系序列上下文,利用AS路径构成规则推导AS关系·根据不同层次自治系统BGP路由表中AS路径的结构特点,对顶层AS和非顶层AS的BGP路由表分别使用不同的推导规则·推导中考虑了错误配置的影响,并且使用多种参数判断AS关系·利用公共可用BGP路由表测试算法,超过80%的AS关系可由顶层AS路由表直接导出·与同类算法结果对比验证了算法的有效性·     

基于遗传算法和粗糙集理论的增量式规则获取方法

规则获取的增量式算法是数据挖掘领域的一个热点问题.基于粗糙集理论,从规则获取和优化两方面研究了基于遗传算法的增量式规则挖掘方法,它具有结构简单、搜索效率高、求解速度快等优点.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识,并且将遗传算法和规则挖掘算法相结合,建立了新的优化方法,提出了一种基于遗传算法的增量式规则挖掘的方法.在原有规则集的基础上进行规则和规则参数的增量式更新,避免了为更新规则而重新运行规则获取算法.试验结果表明,执行增量式GA的能够有效地获取最优规则.     

基于蚁群算法的分类规则挖掘

在Ant-Miner算法基础上提出了一种利用蚁群算法解决分类规则挖掘的算法(ACR),设计了合理的蚂蚁选择属性及属性分区的概率公式,并对规则质量的衡量等策略进行改进,可以较好地挖掘分类规则.在标准数据集上通过与Ant-Miner算法和经典的基于决策树的C 4.5算法比较,ACR在挖掘分类规则的简单性、正确率上有较好的表现.     

规则约束型数学规划方法及其工程应用

从历史数据中挖掘模糊规则，建立模糊规则库，从而构造了含模糊规则约束的数学规划模型。采用Sugeno推理方法得到模糊系统，建立变量之间的映射关系，将模糊系统作为数学规划问题的等式约束，并给出一类含有模糊推理的遗传算法进行求解。将规则约束型数学规划模型应用于精馏塔稳态操作优化中，验证了方法的有效性。     

时态关联规则研究与应用

传统关联规则挖掘很少考虑关联规则的时间适用性.时态关联规则是指带有时态约束的关联规则,每个关联规则都有着其成立的时间区域.结合其他算法的特点,提出了基于Fisher聚类的时态关联规则挖掘算法(TApriori算法),它能够动态地发现关联规则以及关联规则有效的时间区域.实验结果证明该算法是合理有效的.最后,结合具体CRM项目的特点,讨论了在CRM引入数据挖掘的体系结构,给出了一个应用.     

规则递归T-S模糊模型及其辨识方法

针对传统T-S模糊模型不能较好描述系统时变特性的问题,提出了一种基于递归策略的动态T-S模糊模型及其辨识方法.规则递归T-S模糊模型在传统T-S模糊模型基础上,增加了具有一定权重的反馈环节,该环节对当前激励强度与前一时刻激励强度进行加权和得到当前时刻新的规则激励强度,从而实现动态递归变化,有效描述了系统的动态过程.为使规则递归T-S模糊模型具有较少的规则数量和较好的泛化能力,前件参数采用一种基于规则激励强度的模糊聚类算法获得,而后件和递归环节参数则采用一种由支持向量机和粒子群优化算法组成的联合辨识方法获得.Box-Jenkins煤气炉的仿真结果表明,规则递归T-S模糊模型及其辨识方法具有较好的动态描述能力,与混合聚类方法相比,均方差降低了1.2％.     

覆盖决策系统的规则提取和置信度保持的属性约简算法

实际中收集的数据类型具有多样性,如何从这些复杂数据中获取有用的知识是人们进行数据挖掘的目标。由于覆盖粗糙集可以处理复杂的数据,基于此对覆盖决策系统的属性约简和规则提取已有不少的研究。已有的覆盖决策系统规则提取的研究只考虑唯一的置信度评估度量,然而提取的高置信度规则覆盖的样例可能较少而具有欺骗性,由此本文又引入了一个评估规则覆盖能力的度量,从而可以消除数据中的偶然因素,获取泛化能力强的高置信度规则。在此基础上,为了提取紧凑的规则,给出了一个规则置信度保持的属性约简启发式算法。     

一种基于粗糙集的决策树规则提取算法

文章提出了一种新的决策树构建算法，算法选择使生成的规则满足给定可信度阀值且支持度最大的属性作为结点，不仅简化了生成的决策树；且可以根据用户输入的可信度，得到相应的决策规则集，提高了决策树的泛化能力，有效地去除了噪音规则。应用实例分析，结果表明算法提取的决策规则简洁有效。     

改进型蚁群算法在Job Shop问题中的应用

应用改进型蚁群算法解决车间作业调度问题。在原有标准蚁群算法的基础上采用了新的状态转移规则,讨论了各种不同的轨迹更新规则对仿真结果的影响,并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法。由于算法中的参数对算法的求解效率和求解结果都有一定的影响,所以对此也进行了初步的研究,得到了运行较好的参数取值范围。     

基于非随机初始种群遗传算法的分类规则挖掘

数据挖掘中分类问题一直是数据挖掘领域中研究的热点问题,先后提出了各种分类算法;其中遗传算法被认为是一种高效的分类算法.但是,传统的GA存在着易于陷入局部最优,致使得到的分类规则概括性不强的问题.提出了一种基于非随机初始种群的遗传算法分类规则挖掘算法.算法利用均匀种群方法生成非随机的初始种群,并通过均匀算子确保连续迭代过程中种群的多样性,从而达到防止GA早熟的目的.采用两个标准的公共领域的数据集验证了算法的有效性.实验结果表明,该算法能消除遗传算法在分类挖掘任务中收敛于局部最优的局限性,且能快速挖掘出易于理解的分类规则,提高对知识的理解力.     

基于图的主动数据库规则模型E-RG

针对两种典型的主动数据库系统HiPAC和Starburst系统中主动规则模型的不足,提出主动数据库的E-RG规则模型.该模型由规则间基本时序关系导出控制结构,形成高层次的主动规则,既支持CA规则的并发执行,又易于规范规则集的行为特性.同时给出由规则间基本时序关系导出S,Y与P的关系,并保证时间语义无损的转换算法.     

基于遗传算法和信息熵的文本分类规则抽取方法研究

针对数据挖掘中的文本分类问题,提出了一种基于遗传算法和信息熵的文本分类规则抽取算法Genet-ic-Miner(简称GM),该算法的目标是在数据集中发现分类规则。首先利用信息熵生成初始种群,然后利用优化的遗传算法抽取相应规则。采用六个标准的公共领域的数据集比较了GM与其它两个非常著名的同类算法Ant-Miner和CN2,实验结果表明,无论是预测准确性和规则的简单性,GM都明显优于Ant-Miner和CN2,并且该算法能大大提高对知识的理解力。     

Simulating FAS-induced apoptosis by using P systems

In contrast to differential equations, P systems are an unconventional model of computation which takes into consideration the discrete character of the quantity of components and the inherent randomness that exists in biological phenomena. The key feature of P systems is their compartmentalised structure which represents the heterogeneity of the structural organisation of the cells, and where one can take into account the role played by membranes in the functioning of the system, for example signalling at the cell surface, selective uptake of substances from the media, diffusion across different compartments, etc. We show here that P systems can be a reliable tool for Systems Biology and could even outperform in some cases the current simulation techniques based on differential equations. We will also use a strategy based on the well known Gillespie algorithm but running on more than one compartment called Multi-compartmental Gillespie Algorithm.     

一种新的信息合成规则及其消去算法

利用DS合成规则及由其导出的消去算法进行信息的融合或消去时,可能会得出不合常理的结果.对此提出了一个新的合成规则及相应的消去算法,理论上证明了这个规则的合成与消去具有可逆性,并通过几个例题进行对比,可以看出新的规则比DS规则更为合理.