公交查询算法的改进

本文主要研究公交换乘搜索算法的改进,通过将有穷状态自动机思想应用于公交换乘搜索算法中,研究更为高效、准确的公交搜索算法,方便市民日常乘车。     

Grover算法的非定域实现

用核磁共振技术目前只能做到对7个量子比特的演示计算。为此有人提出"分布式量子计算机"的方案。该文考察Grover搜索算法非定域实现,分析为实现这种非定域操作所需的Einstein-Podolsky-Rosen(EPR)纠缠对资源。以2个量子比特为例,说明非定域实现Grover搜索的全过程,并推广到N个量子比特情况下非定域实现的资源需求情况。N为要搜索数据库的大小。结果表明,某些情况下,非定域Grover算法耗用比经典Grover算法更多个EPR对,甚至比经典计算机所用的资源还多,此时的非定域量子计算失去了量子计算的优势。     

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.     

基于布谷鸟搜索的XGBoost算法优化及应用研究

为提高XGBoost算法预测精度,采用布谷鸟搜索算法全局优化XGBoost的超参数包括学习率、输出结点分裂的最小损失、树模型的最大深度和弱学习器的数量,构建CS-XGBoost模型训练数据集。实验结果表明,基于CS-XGBoost的收入分类模型的准确率、精确率、F1分数和AUC等指标分别为95.67%、97.17%、95.56%和97.96%,均优于Logistic回归、支持向量机、随机森林、XGBoost算法和基于网格搜索的XGBoost算法;基于CS-XGBoost的房价预测模型的决定系数、均方根误差及平均绝对误差分别为0.905 5、2.943 5及2.165 4,预测精度较XGBoost算法得到显著提升。     

消拖船节油航速优化研究

针对港口作业消拖船主机的高油耗问题,从船舶管理节能的角度出发,提出了基于改进天牛须算法的消拖船节油航速优化方法。通过分析消拖船的船、机、浆的能量传递机制,建立了其主机燃油消耗的优化模型,并对消拖船某航次中各航段的航速开展优化研究。天牛须搜索算法(beetle antennae search algorithm, BAS)是近年来出现的智能优化算法,在处理结构复杂的数学模型优化中优势很明显,但是也存在收敛慢、容易进入局部最优状态等问题,为此建立了一种改进的天牛须搜索算法(improved beetle antennae search algorithm, IBAS),以更好地满足应用要求。通过实例计算分析,采用所提出的优化算法进行消拖船主机燃油消耗优化。结果表明：所提算法的收敛速度快,寻优效率高。与天牛须算法和蚁群算法(ant colony algorithm, ACO)对比分析,所提出的优化算法保持较快的运算时间的同时,提高了优化结果的准确率。     

一个集中分布式资源搜索算法的改进

本文介绍了一个集中分布式资源搜索算法由近及远算法的改进算法,并分析了改进算法的性能,证实了改进算法比原来的由近及远算法有较小的通信量。     

一种基于插入法的禁忌搜索算法

结合插入法和禁忌搜索算法的优点，提出了一种基于插入法的禁忌搜索算法TIS(tabu-insert search)，该算法利用禁忌搜索算法较强的局部搜索能力和插入法在构造高质量解时的优越性来进行解空间的搜索．TIS能有效地帮助搜索程序跳出局部最优解，找到全局最优或次优解．以典型的组合优化问题TSP为例，验证了该算法的有效性，计算机实验的结果表明该算法有较好的寻优能力．     

基于网格搜索优化的XGBoost模型的股票预测

本文提出了一种改进的XGBoost股票预测模型GC-XGBoost,并将该模型运用到股票市场进行股票价格短期预测.实验结果表明GC-XGBoost模型在MSE,MAE,R2三个评价指标上优于没有进行参数优化的XGBoost模型,说明GC-XGBoost模型比XGBoost模型提高了预测能力.     

基于小批量梯度下降的布谷鸟搜索算法

布谷鸟搜索算法是一种解决函数目标优化问题的全局搜索算法,具有选用参数少、容易实现、搜索路径优、寻优能力强等特点。为了提高布谷鸟搜索算法的求精能力和收敛速度,改善后期收敛慢和搜索精度不稳定的问题,提出了一种基于小批量梯度下降的布谷鸟搜索算法。引入小批量梯度下降,优化寻找最优解的过程,加快局部最优的搜索,从而提高算法的求精能力和收敛速度。仿真实验结果表明,基于小批量梯度下降的布谷鸟搜索算法简单高效,在保持标准布谷鸟搜索算法优点的基础上提高了算法的收敛速度和寻优精度,具有较强的稳定性和鲁棒性。     

基于细胞型膜计算框架的和声搜索算法及其应用

和声搜索算法为一种元启发式算法,该算法具有参数少、可操作性强等优点,膜计算作为自然计算的一个分支,本身具有较大的发展潜力与完备的计算性.本研究将两者结合,提出一种基于细胞型膜计算框架的和声搜索算法,利用细胞型膜计算框架来构建算法的膜结构,并根据膜计算框架的结构,使用现存的和声搜索算法的迭代方式作为基本膜内的进化规则,设计通信机制使不同膜之间相互传递信息,有利于丰富种群的多样性与平衡算法的全局和局部搜索,并设置外部档案记录最优个体来控制种群进化的方向,从而提高算法的精准搜索能力.最后,在CEC基准函数下进行数值优化实验,仿真结果表明,HS-MC算法在求解数值优化问题上比其他算法具有更好的性能,并使用HS-MC算法优化Elman神经网络的权值和阈值来预测上证指数的开盘指数,预测结果表明,HS-MC算法具有较好的寻优能力和实用性.