用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

基于随机森林算法的信道场景分类模型研究

随着科技的进步移动通信产业已经与人类生活、社会发展产生紧密地结合在一起,对特定单一场景或一定区域内条件下的无线信道进行分类、识别,实现特定场景进行分析以及无线网络的优化,具有重要意义。针对这一背景,提出了一种结合随机森林算法的信道场景分类模型。对不同的信道场景物理特征进行提取与降维,基于多分类器集成的原理,结合多个决策树与随机向量决策树的构造原理,创建信道场景的随机森林分类模型。实验结果表明:所采用的分类方法的总模型准确率约为89.90%,能有效地实现信道场景的分类识别。     

基于决策类划分多变量决策树算法的最优逻辑约简法则

基于决策类划分多变量决策树是一种新型的决策树算法,该算法对训练集分区进行多变量决策运算后,可能取得多个决策逻辑规则。最优逻辑约简法则使用逻辑运算及选择运算构造出一种择优运算方式,以取得最优的逻辑约简规则,是对该算法的一种有效补充。实验证明该算法在取得最优决策逻辑规则方面效果明显,但在现实情况中可依据实际情况不同对引用此法则进行取舍。     

解非线性不等式约束优化问题的非精确光滑牛顿法

针对非线性不等式约束优化问题,提出了一个基于Kanzow磨光函数的非精确光滑牛顿法.利用约束问题解的KKT条件及变分不等式将约束问题转化为求解方程组的问题,在适当的条件下,证明了算法的全局线性及局部二次收敛性.     

基于随机森林的N1+N2结构语法关系判定方法研究

提出了一种基于随机森林的N1+N2结构语法关系分类判定方法,在自建熟语料库的基础上,为每个短语结构建立用于分类决策树的7个特征,使用C4.5方法生成决策树,构造随机森林算法,通过投票原则给出最终判断结果。经训练集学习后,在含有1 020条语料的测试集中进行测试,正确率达到94.8%。结果表明:使用随机森林算法进行汉语短语结构语法关系分类判定是行之有效的。     

解不等式约束优化问题的一种修正的SQP方法

提出了一个解不等式约束优化问题的新方法,克服了SQP方法中线性化约束不相容的问题,同时利用Li-Fukushima提出的求解无约束问题的MBFGS公式对Hessian矩阵进行修正,在适当的条件下,证明了算法的全局收敛性.     

非线性规划一般约束条件的SQP方法

提出了一种新的处理等式和不等式约束条件优化问题的SQP方法，计算过程中每一步迭代只需解一个二次规划。在一定条件下，证明了算法的全局和二步超线性收敛性，其优点是具有较小的计算量，避免了Maratos现象的发生。     

线性矩阵不等式问题的进化计算解决方法

针对决定模糊控制中稳定性的线性矩阵不等式问题,提出了用进化计算来解决模糊控制中线性矩阵不等式的新算法。实验证明,该算法解“用于实现模糊控制的增益调度和稳定性的线性矩阵不等式”是有效的。     

一种基于机器码存储的改进遗传算法的应用研究

提出了一种基于机器码存储的改进遗传算法，适于优化大型多变量问题。开发的C 基本位操作算子，使此算法仍可沿用传统二进制遗传算法的交叉变异操作。这一算法在内存和时间上占优势，是一种稳健的、全局搜索能力较强的优化算法，并在建立河北省某地区的年降雨神经网络预测模型的实践中得到了验证。     

动态分群的微粒群优化算法

在分析基本微粒群优化算法的基础上,引进分群思想,提出了一种动态分群的微粒群优化算法(DPSO)。根据适应值的大小将微粒群分成两个或多个分群,然后,每个分群采用不同的策略分别搜索,得到输出最优值。将动态分群的微粒群优化算法用于一些常用测试函数的优化问题,实例计算表明:DPSO具有较强的全局寻优能力。将DPSO用于延迟焦化装置粗汽油干点软测量,所建模型的泛化性较好,模型具有较高的精度。     

一类新的自适应非单调谱投影梯度法

给出了求解凸约束优化的一类新的自适应非单调谱投影梯度法.通过引入具有自适应性的权重参数,使算法在迭代过程中能自动调节非单调策略. 在适当条件下证明了算法的收敛性.数值试验结果表明,该算法在一定程度上能减少在线搜索过程中对非单调参数M的依赖.     

求解非线性方程的一个全局收敛算法

首先将求非线性方程的解的问题转化为相应区间上的全局最优化问题,在迭代产生的当前点处通过构建一个辅助函数,并寻求辅助函数的局部极小点,逐步求出非线性方程满足一定精度的解.由此给出了一种求解非线性方程新的全局最优化方法,证明了算法的收敛性,并给出了算法的数值结果.     

基于决策树的经典算法综述

决策树是一种重要的数据挖掘方法。本文对几种经典的决策树算法进行了综述,并对其进行了分析比较,为决策树的优化研究提供了借鉴。     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

快速路由器的路由查找和流分类算法研究

分析了路由器的体系结构发展,研究了路由查找算法和流分类算法在快速路由器中的应用。研究表明,基于分段压缩的路由查找算法支持IPv6路由查找,具有合理的存储容量和快速的查找时间;采用按值分支树的多维综合流分类算法支持前缀和范围匹配,可扩展性强,适合大容量规则数据库。两种算法适合在快速路由器中应用。     

带有混沌变异的双种群伪并行PSO-DE混合算法

在求解全局优化问题时,采用单个PSO、DE算法有一定的不足,为了弥补这些不足,给出一种带有混沌变异的双种群伪并行PSO-DE混合算法（MPSODE）。通过对六个标准测试函数进行测试,结果表明,该混合算法是一种鲁棒性较强、求解精度高、收敛速度快的全局优化算法。     

供应链二级分销网络的优化研究

在综合考虑各种费用要素的基础上,提出了供应链二级分销网络优化模型,该模型属于一类选址-分配问题,文章采用遗传算法对其进行求解,从中选出预建立的分销中心,然后采用蚂蚁算法对建立起的二级网络优化运输路线,从而使得总成本更小,文章中用具体的例子进行了仿真,验证了优化模型的正确性和算法的有效性。     

基于决策树法的我国商业银行信用风险评估模型研究

结合我国商业银行的实际,基于数据挖掘中决策树C4.5算法的分析框架建立了商业银行的信用风险评估模型,通过此模型可以根据贷款企业的财务指标,得出企业是否违约的分类。此分类将对商业银行信用风险控制工作具有很好的指导意义。还通过案例进行了实际的风险评估分析。     

无约束优化DFP算法的全局收敛性

讨论了无约束优化问题的ＤＦＰ算法的全局收敛性．在适当的条件下，证明了对一致凸目标函数，在非精确线搜索下ＤＦＰ算法具有全局收敛性     

基于SVM的多类模拟调制方式识别算法

提出了一种基于支持向量机的多类模拟调制方式识别算法。该算法通过分析模拟调制信号的特点,提取有效的特征向量以区分不同的调制方式,并基于支持向量机和判决树分类思想,将特征向量映射到高维空间中加以分类。仿真结果表明:在具有加性带限高斯噪声的环境下,信噪比不小于10dB时,识别正确率大于90%。