基于群体智慧的排序任务多聚合方法比较研究

为解决排序任务聚合方法效果不明确的问题, 在群体智慧概念下, 对排序任务问题群体智慧效应发生的条件即集中化机制进行聚合方法的比较研究, 试图找到已知基本事实排序任务问题中使群体智慧效应最显著的排序聚合方法。 创新性提出评估群体智慧的概念即群体智慧效度。 运用实证研究方法对群体进行排序任务重建实验, 以实验测试的排序数据为基础, 使用 7 种不同的排序聚合方法对排序任务问题的所有个体排序进行聚合, 得到相应的群体排序。 测量7 种群体排序和真实排序之间的偏差, 并根据群体智慧效度大小判断不同聚合方法的表现。 实验结果显示, 在基于群体智慧效度的重建排序任务聚合方法中, 众数法的表现最好, 中位数法和 K-Y 方法表现次之。     

一种基于比较网络模型的排序算法的构造

介绍了一种并行的排序算法：排序网络算法．在比较网络模型的基础上，该算法使用二分法思想，利用双调序列，构造出了一种并行的排序算法：双调排序网络．     

工件排序的改进蚁群算法优化

就工件排序问题中的一种类型设计了融合局部改进策略的蚁群算法进行求解,并用Delphi在计算机上实现了相应的算法软件.经大量算例测试,获得了较好的效果,验证了算法的可行性和有效性.     

单机调度问题在终端区排序中的应用研究

当终端区比较拥挤的时候,就需要对到达流航班着陆顺序进行调整,以有效缓解终端区的压力、缩短队列完成时间、提高飞行的安全性.飞机排序问题(ASP)属于NP-hard问题,通过将飞机排序问题表示成单机调度问题,设计了求解ASP的蚁群算法,以减少飞机队列总的完成时间最小为优化目标.通过与FCFS调度方法进行对比来验证基于蚁群算法的单机调度问题在单跑道机场终端区到达流排序中具有更好的适用性.     

SIMD-SM模型上的奇偶排序算法

Batcher排序网络在排序深度上不是最优的,但由于有较好的并行性和时间复杂度,因此许多并行排序算法都基于Batcher排序网络.通过观察Batcher奇偶排序网络,提出在SIMD SM模型上的一种奇偶排序算法.该算法占用n/2个处理器,在○(log22n)时间里排序n个关键字.     

基于群体智能的蚁群算法原理及应用研究

自然界中群居性生物通过协作表现出的宏观智能行为特征被称为群体智能,群体智能已成为人工智能及相关领域的研究热点.蚁群算法(Ant Colony Optimization,ACO)是一种新颖的组合优化算法,它具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法相结合等优点.主要介绍了蚁群算法的原理,探讨了蚁群优化算法及其应用.     

基于共识主动性的群体机器人目标搜索与围捕

群体机器人系统的目标搜索和围捕任务是智能机器人领域一个典型的复杂问题,大多数现有的解决这一问题的方法依赖于一些不现实的假设,如可靠的通信链接、全局坐标信息、已知的环境信息以及机器人之间的中央协调控制. 为此,本文提出了一种基于共识主动性的群体机器人目标搜索与围捕框架. 该框架对反蚁群算法进行了改进,加入了多种信息素来帮助群体机器人协作探索环境,并生成信息素地图. 同时,该框架把在前一阶段生成的信息素地图和分层基因调控网络(hierarchical gene regulatory network,H-GRN)模型相结合,完成了群体机器人在环境信息未知且通信受限的场景中对动态目标的搜索和围捕任务. 仿真实验表明,该方法相较于传统方法具有更好的性能表现.      

群体智能及其融合算法研究

群体智能是一种由无智能或简单智能的个体通过任何形式的聚集协同而表现出的智能行为。它所具有的分布式组织模型对解决复杂组合优化问题、分布控制问题提供了很好的思路。本文首先介绍了蚁群算法和粒子群算法的原理和应用,并深入分析了它们与一些仿生优化算法的异同之处及融合算法的应用,最后提出了一些在将来需要解决的问题。     

微博转发者的个性化排序

转发行为是微博平台上信息传播的主要形式。目前已有的工作大多数聚焦在转发行为的分析和预测。针对给定的一条微博时如何找到其转发者这个问题并没有得到很好的解决。结合贝叶斯个性化排序优化标准(BPR-OPT)和分解机(FM),提出了一种通用的方法用于对微博转发者进行预测,并进一步对影响用户成为转发者的特征因素进行了细致分析,然后根据这些特征,在大规模真实数据集上对微博转发者进行了预测。实验证明该方法能够明显提高预测效果,同时也验证了基于pair-wise和特征相关的方法能更有效解决微博转发者预测问题。     

基于值域的快速排序法

对实际应用中常见的一类数据给出一个基于值域的快速排序算法．对于给定的Ｎ个数据记录，此算法的最大平均时间复杂度为Ｏ（Ｎ），优于Ｈｏａｒｅ快速排序法，且附加空间远小于Ｎ，也优于Ｈｏａｒｅ快速排序法．最后对几组随机数据进行验证     

基于群集智能的蚁群算法研究

指出了对蚁群算法为代表的群集智能的研究已经逐渐成为一个研究热点，介绍了蚁群算法的基本思想，分析了基本蚁群算法的特点和不足，针对这些不足讨论了多种改进方案，对改进方案与基本蚁群算法进行了比较，展望了该算法的工程应用前景．     

网络环境下集体智慧领域知识模型构建

为促进学习者的长时记忆和对知识的主动建构,通过阐述领域知识模型主要建模标准,提出了领域知识模型建构参考规范,并以联通主义学习理论为指导,关注学习者个体行为、主动参与及学习者共同参与生成的集体智慧在领域模型构建中的重要作用。由个体领域知识模型构建出发,将个体领域知识模型聚合为集体领域知识模型,实现知识点与知识点间的联结,集体领域知识模型又影响个体领域知识模型,实现个体领域知识模型的优化,进而完成领域模型的构建与优化,对“个人”与“集体”知识体系的建设具有很强的借鉴和指导意义。     

基于蚁群算法的混合优化算法在TSP中的应用

针对蚁群算法收敛慢,易陷入局部最优的问题,提出了基于蚁群算法混合优化算法。该方法将传统蚁群算法中的启发式因子α,β作为每只蚂蚁的属性,利用遗传算法对蚂蚁的种群进行自然选择,优胜劣汰,优秀蚂蚁被保留并产生后代,蚂蚁的启发式因子在求解问题的动态过程中收敛到合理的范围内。将改进的算法应用于旅行商问题,实验结果表明,利用这一方法可使解的性能有所改进,并有效地减少了计算时间。     

基于群智能的计算与仿真方法研究

随着人类认知范围的拓宽,已有的一些智能计算方法在处理复杂问题时,如高维度、多极值等,往往不能取得令人满意的效果.人们从生命现象中受到启示,发明了模拟生命系统的某些行为、功能和特性的群智能方法.对群智能的主要领域群智能计算和群智能仿真进行了阐述,同时还介绍了其相关研究领域.     

面向排名预测的电影媒体网站研究

结合排序学习方法, 对电影排名预测任务进行研究。通过挖掘和分析电影媒体网站数据, 完成对排名预测相关特征的抽取与扩展及排名标注的对齐和划分等, 并提出面向电影媒体网站的排名预测模型。实验结果显示, 该模型能有效地提高电影排名预测任务的性能, 在为影视院线合理规划同期电影的上映时间及排片比例、为观影者提供优质热门的电影推荐等方面具有一定的应用价值。     

一种基于潜变量的Ranking模型构造算法

现有的Ranking算法获得的模型全部来自训练数据，因为很多模型的有用信息并不能完全从训练数据中得到，因此这样得到的模型不够精确，对此，提出一种基于潜变量的Ranking算法。该算法以结构化SVM为学习工具，将除训练数据外的其他有用信息以潜变量形式引入算法的框架中，并在此基础上定义了面向INDCG的目标函数。针对该目标...     

基于CAS理论的群体协作维基词条编辑建模仿真

基于复杂适应性系统理论将维基百科用户抽象为内容添加者、内容修改者、内容删除者、多样编辑者和内容浏览者5种主体,建立了群体协作词条编辑模型;基于不同质量词条主体出现的概率配置,利用Netlogo仿真软件构建仿真平台,实现了对群体协作词条编辑的多主体建模仿真.仿真实验表明,多样编辑者是词条质量提升的重要驱动力,其出现概率越大,生成词条质量越高;编辑者“自我修改”行为对提升词条质量起到重要促进作用;主体出现概率配置遵循黄金分割律时,可使群体绩效趋于最大化.词条演化存在语量与语义之间此消彼长、最终达到动态平衡的过程,语量与语义平衡临界点近似为黄金分割点,词条编辑演化遵循着黄金分割律.研究深化了对词条编辑演化、网络群体智能和社会计算的认识.     

基于情感强度定律的社会情感优化算法

情感强度定律是在受到外界刺激作用时指导个体情感变化的理论基础。在社会情感优化算法的基础上引入了情感强度定律,考虑到情感在人类个体决策上所起的重要作用,我们对源于外界刺激的情感强度值进行了量化,使个体在自身认知和社会活动中表现了合理的自适应能力,完善了算法的全局、局部搜索协调能力。最后对算法的参数也做了分析和讨论。仿真实验结果表明,该算法有效地提高了求解的性能,能高效地解决高维复杂多模态优化问题。     

体验式培训模式对大学生情绪智力影响的实验研究

情绪智力受到社会各界越来越多的关注。本研究运用体验式培训课程对大学生进行团队训练,并采用《SCL-90》和《EQ-i》量表对学生的情绪智力进行研究。结论：体验式培训对学生的情绪智力起到积极作用,特别是情绪智力的个体成分、人际成分、适应成分、压力管理等维度得到显著性提高;女生情绪智力受良性影响程度高于男生;大一学生情绪智力受良性影响程度高于大二学生。     

基于答案结点的XML文档模糊检索

针对普通用户发出的面向XML文档的自然语言模糊查询,分析了模糊内容和结构检索(VCAS)的影响因素,充分利用预设答案结点的逻辑意义完整性,结合模糊抽取的查询表达式给出了如何找到模糊内容检索的最佳查找粒度.在此基础上,设计了VCAS检索的结果相关性排序模型,最后通过实验从不同角度对模型进行了验证.