基于自适应蚁群算法的组合式特征选择算法

提出一种基于自适应蚁群算法的组合式特征选择算法.将自适应蚁群算法用于特征选择,以特征作为位置点,采用支持向量机分类器评价特征子集的性能,指导特征进行信息素的计算和更新,为特征与特征子集的选择提供了依据,避免了盲目搜索,使搜索算法能够快速收敛.在8组实际数据集中的实验结果表明,从分类正确率、特征子集大小以及运行时间三个角度考察,该算法具有良好的综合性能.同时,给出了该算法应用在孤立肺结节CT图像的检测和诊断中的分类结果.     

基于H/A/α分解的全极化HRRP目标识别方法

针对现有基于H/A/α分解提取全极化高分辨率距离像（high range resolution profile, HRRP）特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,并剔除特征子集中的冗余特征;在此基础上,结合Bagging和Boosting算法,提出一种宽带全极化雷达目标识别方法;最后在多类飞机目标HRRP样本集上验证了该方法的有效性。     

内嵌多准则的遗传算法用于尿沉渣红白细胞的特征选择

针对尿沉渣检测中红白细胞的特征选择问题,提出了结合双向选择的内嵌多准则的改进遗传算法(NMGA)(通过多代进化逐步选中优良特征,在每一代进化中基于多种评价准则进行遗传,分别得出各自的最佳特征子集,然后对其进行"多票投选",得出一个最佳特征子集,然后继续下一代进化,该方法可结合小生境技术共同搜索最佳特征子集。文末采用多个尿沉渣红细胞和白细胞样本进行验证实验,实验结果表明,算法优选的特征集与未进行特征选择和经过普通遗传算法(SGA)特征选择得到的特征集相比,识别率较高,并且优选后的特征子集的特征数较少,明显降低了分类器的维数复杂度。     

最小化车辆数的供应商直接配送策略

研究零售商具有周期性需求, 供应商采用直接配送策略情形下以最小化车辆数为目标的供应商配送问题. 给出并证明了一辆车存在可行日程安排时零售商最大配送周期满足的充分条件, 在此基础上, 运用将零售商集合划分成尽量少的子集合的思想, 保证每个子集合中零售商都可用一辆车配送货物, 设计了子集划分策略. 证明在任何情况下, 子集划分策略给出的车辆数都不会超过最少需要的车辆数的2.29倍.     

一种新的基于NGA/PCA和SVM的特征提取方法

提出了一种使用小生境遗传算法(NGA)和主成分分析(PCA)对支持向量机(SVM)进行封装的方法来选择特征子集。该方法首先使用PCA得到特征向量,然后产生若干随机特征向量子集,从而得到新的特征空间,将所有训练样本映射到这个特征空间来训练支持向量机,再使用支持向量机的半径间隔方法对每个特征向量子集的性能进行评价,最后使用小生境遗传算法来共享适应度,以及进行选择、交叉和变异操作得到新的特征向量子集,重复这个过程直至得到最优的特征向量子集。使用UCI数据集进行了相关的实验,实验结果表明了该方法可以减少特征的数量以及提高分类正确率。     

卫星观测系统整体调度的收发问题模型及求解

探讨了一类涉及多星、多地面站、多任务的卫星观测系统整体调度问题,该问题要求从过多赋权卫星观测需求中,选择有能力完成的一个任务子集,并为相应的拍照和数据下传活动安排资源和时间,以实现特定的优化目标.用一种变体形式的收发问题模型描述了该问题,并给出了其约束规划和禁忌搜索相结合的求解方法.最后用随机生成的问题示例检验了求解算法的性能.     

基于奇异摄动理论的非仿射非线性系统的渐近稳定

基于奇异摄动理论结合动态逆设计的控制方法,研究了一类非仿射非线性系统的渐近稳定问题.通过将控制律定义为一个快动态系统的解,使原系统的状态能够准确地跟踪参考系统,且跟踪误差为零.同时给出了系统吸引区内的一个正不变子集,并证明了系统状态能够在有限时间内进入该子集,最终实现渐进稳定.用该方法构造的控制器实现起来较为简单,仿真结果表明了理论方法的有效性.     

基于高斯隶属函数的模糊定性仿真

通过分析发现模糊定性仿真系统存在两个缺陷,即模糊子集距离定义和相似原理的不完善。这两个缺陷存在的根本原因是采用了四元数表示的模糊定量空间。用高斯隶属函数代替梯形隶属函数研究模糊定性仿真,并对模糊子集的距离定义以及相似原理作了改进。在FuSim的基础上,给出了到达时间、持续时间的具体表达式并用于时间过滤。仿真实例证明了此算法的有效性。     

微阵列高维特征选择的多策略混合人工蜂群算法

传统的特征选择方法对于高维微阵列具有较大的局限性，难以准确高效地提出最佳特征子集。针对该问题，提出了基于wrapper的多策略混合人工蜂群算法，该算法混合了混沌反向学习策略、精英引导策略、Mantegna Lévy分布策略，分别在雇佣蜂与观察蜂阶段提出了两种新的搜索策略。针对于微阵列高维特征选择问题，提出新的平衡模型性能最优与特征子集规模最小化目标函数。实验结果表明：该算法能够达到较高的分类准确率，可在一定程度上取得特征子集规模最小化的目标，且优于GABC等改进算法与樽海鞘群等六种新型智能算法。     

广义有界上下文无关语言与Petri网语言

提出了广义有界上下文无关语言的概念,该类语言是上下文无关语言的真子集;证明了广义有界上下文无关语言与上下文无关Petri网语言的等价性;进一步给出了上下文无关Petri网语言的一种形式描述--上下文无关Petri网语言表达式,对上下文无关Petri网语言给出了较完整的结构特征.     

基于粒子群算法的开关系统最优控制问题的数值算法

针对开关系统,给出了数学模型并引出了其最优控制问题,提出开关系统最优控制问题的加权粒子群算法,给出了相关的推理过程及算法步骤。加权粒子群算法不必找出支付泛函关于时间的显式表达,就可以找到其最优解,同样适用于其子系统为非线性的情形。分析了粒子群算法快速全局优化的特点,说明该算法能找到优化问题的全局最优解。以开关动态系统和一般开关线性二次问题的数值算例验证了该方法的有效性。     

准循环LDPC好码设计

现有准循环(QC)LDPC码的设计未考虑避免短环问题与校验矩阵的行相关问题.第一个问题使准循环LDPC码的误码率性能远低于随机LDPC码,第二个问题使得构造生成矩阵非常困难.为解决第一个问题,提出避免短环的准循环LDPC码的设计约束条件,根据四、六环检验结果调整校验矩阵中循环子矩阵的维数和移位因子.为解决第二个问题,提出一种不规则准循环LDPC码的设计方法,该方法将校验矩阵中的特定位置的子矩阵用零矩阵和循环矩阵置换,获得一非奇异方阵,用于构造生成矩阵.虽然在校验矩阵中采用双对角线子矩阵可解决校验矩阵的行相关问题,但是会产生低码重的码字,导致误码率性能不能随码长增加而提高.计算机仿真结果表明,设计的准循环LDPC码具有良好的误码率性能.     

Adjustable entropy method for solving convex inequality problem

To solve the inequality problem, an adjustable entropy method is proposed. An inequality problem can be transformed into a minimax problem which is nondifferentiable; then an adjustable entropy is used to smooth the minimax problem. The solution of inequalities can be approached by using a BFGS algorithm of the standard optimization method. Some properties of the new approximate function are presented and then the global convergence are given according to the algorithm. Two numerical examples illustrate that the proposed method is efficient and is superior to the former ones.     

基于两阶段算法的大规模成品油二次配送优化

本文以大规模成品油二次配送路径规划为对象,研究了具有成品油物流特征的多车场带时间窗的车辆路径问题的数学模型,提出了新的基于子问题分解的两阶段优化算法.首先采用改进的系统聚类算法将配送需求合并分载,随后设计了改进的遗传算法生成最终的配送路径.针对客户划分问题,提出了‘期望节约里程'指标,用以描述客户的地理空间分布特征,并以此为特征信息设计了启发式的遗传算子,提升了大规模问题优化收敛的速度、质量和稳定性.仿真实验结果验证了模型和算法的可行性和有效性.     

前景理论下的末端物流干扰管理方法研究

针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理感知度,建立了末端物流配送干扰管理模型,并设计了基于前景理论的价值函数曲线和扰动度量策略;在此基础上,为优化干扰管理模型和寻求用户满意度、配送成本以及配送效率等多目标优化问题的较优解,提出了一种融入量子理论的改进细菌觅食方法;最后,将所提出的方法与已经存在的经典算法进行比较,验证了该方法的可行性和有效性.     

能力限制条件下内河集装箱枢纽港选址问题研究:以长江为例

相比于海洋运输,内河运输中集装箱船舶较小,船舶装载能力受到一定的限制.本文研究能力限制条件下内河集装箱枢纽港选址问题,建立一个混合整数非线性规划模型.不同于传统的枢纽选址问题的研究大多是基于枢纽之间的运输折扣因子的假设,本文采用基于流量的非线性费用函数来表示规模经济.从而使得所研究的问题是一个凹函数优化问题.为简化本文的问题,将目标函数分段线性化.基于线性化后的模型,根据能力限制的条件,提出一个启发式求解算法,以及一个加速技巧.最后,通过以长江为例,进行算例分析,来说明模型和算法的效果.     

知效用的测度方法研究

针对知识效用的定量测度问题,提出以知识解决的问题量来计算知识效用,使用选择权值、状态转移概率、模糊隶属度直接计算问题量,获得了与信息熵计算相似的知识效用测度公式。数值计算结果与人们使用知识的印象一致。如果一个知识解决多个问题,其效用数量不变,符合知识的共享性和可重用性,可用于教育、情报、管理和经济等领域定量评价核心知识或原始知识创新。     

基于n序访问解析逻辑的协同过滤冷启动消除方法

协同过滤是目前个性化推荐系统中广泛使用和最成功的推荐算法,但在用户评分极端稀疏的情况下将面临冷启动问题, 具体包括新用户问题和新项目问题.针对新用户问题,提出了一种基于n序访问解析逻辑的冷启动消除方法, 首先通过Web日志来获取用户访问项序,进而定义了n序访问解析逻辑将其分解为用户访问子序集; 在此基础上设计了用户访问项序的相似性计算方法来搜寻新用户的最近邻集合, 进而提出了改进最频繁项提取算法IMIEA (improved most-frequent items extracting algorithm)来生成面向新用户的top-N推荐. 实验结果表明,本文提出的新方法能够有效实现面向新用户的个性化推荐,消除了协同过滤冷启动中的新用户问题.     

基于PEV准则的I-UMOP问题求解方法

针对传统方法在求解不确定多目标规划问题过程中存在的不足,提出了该问题在新准则下的求解方法。首先,提出了求解方法的基本框架,并通过引入不确定变量之间的序关系定义了不确定多目标规划的帕累托有效解;其次,根据线性加权或理想点法将原问题转化为不确定单目标规划问题,再利用期望方差准则将不确定单目标规划问题转化为确定的单目标规划问题;再次,通过相关理论推导证明了在该准则下转化后的问题求得的最优解是原不确定问题的帕累托有效解;最后,设计了决策变量分别为连续型和离散型的数值算例对该方法的有效性加以说明,考虑算例的复杂度,分别采用遗传粒子群算法和二进制狼群算法进行了求解。     

仿真系统校核中的动态AHP网研究

传统的层次分析法(analytic hierarchy process, AHP）不能解决仿真系统校核中存在的不确定性问题。为此在明确了不确定性问题的主因是AHP的静态特性后,建立了AHP网的概念和数学基础。针对传统静态AHP网的缺陷,进一步提出了动态AHP网及相关定义、图例等;在网络定义的基础上,给出了动态AHP网的计算式和评估节点的优先级算法。提供了一个应用动态AHP网的仿真校核实例,获取了量化的评估结果并进行了分析,针对传统AHP的评估结果进行了比较。计算结果表明,动态AHP网能够解决仿真校核中的不确定性问题。