检索结果-南通市图书馆

作者：齐逸西南大学

学位级别：硕士

联想记忆的实现一直是人工神经元网络研究的方向之一，其中一个重点就是实现多对多联想记忆。多对多联想记忆的核心是如何实现一对多联想记忆，也即是如何识别记忆模式中的公共项。针对这一关键问题，在他人研究的基础上，本文提出了基... 详细信息

联想记忆的实现一直是人工神经元网络研究的方向之一，其中一个重点就是实现多对多联想记忆。多对多联想记忆的核心是如何实现一对多联想记忆，也即是如何识别记忆模式中的公共项。针对这一关键问题，在他人研究的基础上，本文提出了基于模式关联的一对多联想记忆模型并讨论了新模型在实现一对多联想中的联想记忆特性。本文内容主要涉及以下三方面的创新工作： 1构造了一个基于模式关联的一对多联想记忆模型。本文首先分析了现有的一对多和多对多联想记忆模型及其联想记忆特性;在经典离散Kosko二极型神经元网络中引入了待存储的记忆模式中各分项间的位置关联信息，实现了利川相对简单的BAM组成多模块结构进行一对多联想记忆。 2在理论上保证了新模型对存储的记忆模式可以正确回忆。由于现有的一对多和多对多联想记忆模型自身的局限，都没能在理论上保证模型可以正确回忆已经存储的记忆模式。由于引入了记忆模式分项间的关联信息，使得新模型的正确回忆能力理论上得到保证，在一定程度上避免了离散Kosko二极型神经元网络所面临的所谓“连续性假设”的限制，提高了新模型的实用性。 3分析了新模型的增殖能力。神经元网络结构的动态调整和增殖学习是神经元网络的研究发展方向。对于经典的二极型神经元网络而言是不具有增殖能力的。但本文提出的基于模式关联的一对多联想记忆模型，通过增加网络的神经元，扩大了模型的记忆信息，同时不会遗忘已记忆的信息，具有了一定的增殖能力。本文的研究工作为基于经典神经元网络的一对多联想记忆以及多对多联想记忆的实现进行了有益的尝试。利用结构简单的模型实现一对多联想记忆对于工程实践具有积极的意义。

关键词：模式关联神经元网络联想记忆

面向计算思维培养的初中Python项目式教学模式构建与实践研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向计算思维培养的初中Python项目式教学模式构建与实践研究

作者：谭笑盈西南大学

学位级别：硕士

随着人工智能、信息技术的高速发展,我们感受到真正的人工智能时代已经悄然来临。跨入人工智能时代,我们想要更好地与科技相融、开创未来,计算思维几乎是21世纪每个人需要掌握的技能之一。2022年3月《义务教育信息科技课程标准》强调信... 详细信息

随着人工智能、信息技术的高速发展,我们感受到真正的人工智能时代已经悄然来临。跨入人工智能时代,我们想要更好地与科技相融、开创未来,计算思维几乎是21世纪每个人需要掌握的技能之一。2022年3月《义务教育信息科技课程标准》强调信息科技课程的设计要围绕数据、算法、网络、信息处理、信息安全、人工智能六条逻辑主线,而每条逻辑主线无不与编程有关,中小学生在校内开展编程学习的重要性凸显。学习编程是一个抽象、建模、解决实际问题的过程,可以让大脑更高效地运转,通过编程教育能够有效地培养学生计算思维。Python作为时下流行的编程语言,由于其特点它被广泛地应用到了各地初中的教科书中,走进了初中学生的课堂中。但经调查发现,目前初中Python教学模式十分单一传统。教师讲授Python语法,操作演示打代码,学生照着模板练习。以教为主的传统接受式的教学模式使得Python教学的质量不尽人意,课堂效率较低,学生成为了代码的“打字员”。学生的编程能力没有得到很好的提升,更是限制了学生计算思维的培养。项目式教学摒弃了以教师为主的教学方法,以学生为中心,根据学生的特点开展教学活动,在学生进行项目学习解决问题的过程中达成教学目标,并且学生可以使用Python完成项目。义务教育信息科技课程标准中也倡导使用项目式教学作为培养计算思维能力的重要教学途径。因此,本研究尝试构建适用于初中Python的教学模式,以提升学生编程能力从而培养学生的计算思维。本研究主要采用了文献研究法、调查分析法、访谈法等研究方法。首先整理和分析了计算思维和Python教学的国内外研究现状,根据《计算思维养成指南》和美国国际教育技术协会(ISTE)的研究,提出计算思维的五个维度内涵:算法思维、工程思维、批判性思维、创造力、合作能力,结合《义务教育信息科技课程标准(2022年版)》和周以真教授的观点将基于Python教学实现培养计算思维的过程分为5个步骤:分析问题、问题抽象和建模、算法设计、问题实施和评估迁移。其次,根据建构主义学习理论、实用主义教育理论、发现学习理论、初中生认知水平、《湖南省义务教育信息技术课程指导纲要(试行)》、现有的信息技术项目式教学模式,依次构建计算思维培养教学模式和初中Python项目式教学模式,直至构建出面向计算思维培养的初中Python项目式教学模式。最后,对构建的教学模式进行实证,采用双组前后测的研究方法,以长沙市某学校八年级两个班级的学生为研究对象,以《口算练习器》为教学内容,设计项目式教学案例,让同一位教学经验丰富的老师采取“同课异构”的形式开展Python教学。研究综合计算思维测试量表前后测数据、实验班和对照班的Python测试题成绩的数据和学生作品、实验班的学生访谈等,验证了该教学模式的有效性。研究结果表明,该项目式教学模式的有效实施能在一定程度上,提升学生的编程能力,培养学生的计算思维。

关键词：计算思维初中Python教学项目式教学

基于深度学习和柯西—施瓦茨散度的多视图多聚类算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习和柯西—施瓦茨散度的多视图多聚类算法研究

作者：韦绍玮西南大学

学位级别：硕士

聚类,也称为聚类分析,是最基本和最重要的无监督学习范式之一。它旨在根据数据样本间的相似度情况,将样本划分到不同的簇(组),分配到同一个簇中的样本的相似性高,不同簇中的样本的相似性低。传统的聚类算法仅能从给定的数据中找出一个... 详细信息

聚类,也称为聚类分析,是最基本和最重要的无监督学习范式之一。它旨在根据数据样本间的相似度情况,将样本划分到不同的簇(组),分配到同一个簇中的样本的相似性高,不同簇中的样本的相似性低。传统的聚类算法仅能从给定的数据中找出一个聚类结果。然而,由于数据采集和存储技术的进步,人们所分析的数据更为复杂,其中可能包含不同种类的异构特征。例如,数据集中的特征可能包含不同量纲的特征或采集自多个来源。这些特征的不同组合可能提供数据的不同分析视角,而多聚类算法就旨在从不同视角发现隐藏在数据中的多个有意义的聚类结构,为用户提供更多不同角度的聚类信息。因此,多聚类成为近年来聚类研究的热点和难点,不同的多聚类方法相继出现。传统的多聚类算法模型主要是为单视图数据设计。随着信息技术的发展和大数据时代的到来,越来越多的多视图数据得以产生。同一个样本的数据可以从不同来源获取,从而产生多视图的特征表示。而这些多视图数据很难直接适用于传统的多聚类算法。而目前的多视图多聚类算法存在着以下不足:(1)属于直推式的聚类模型,难以处理增量数据;(2)主要关注控制聚类间的差异性,而忽略了聚类的质量性;(3)无监督学习,存在生成琐碎解的风险。针对上述多聚类研究中存在的问题,本文基于多视图数据,进行多视图多聚类深度学习模型建模,以获取具有质量和差异性的聚类结果,扩展多聚类的研究维度,主要工作如下:1.提出了一种基于深度学习的归纳式多视图多聚类算法(IMVMC,Inductive Multi-view Multiple Clusterings)。IMVMC首先利用深度网络对异构的多视图数据进行编码对齐,把对齐的特征向量进行特征聚合后,将其作为一组深度编码器网络的输入,以归纳的方式生成多个公共聚类子空间,进而得到多个聚类结果。此外,为了控制聚类间的差异性,IMVMC引入冗余控制项,最小化这些子空间之间的冗余。最后,为了提高模型的鲁棒性,避免模型陷入琐碎解,IMVMC进一步引入岭回归正则项来约束模型参数。在常用的真实多视图数据上的实验结果表明,IMVMC相对于其它的多聚类算法,能以归纳式的方式生成具有差异性的多聚类结果,而且还保持了较高的聚类质量。2.提出了一种基于柯西-施瓦茨散度的多视图多聚类算法(MVMC-CS,Multi-view Multiple Clusterings using Cauchy-Schwarz Divergence)。MVMC-CS同样是先利用深度网络对异构的多视图数据进行编码对齐。而在视图聚合的时候,由于不同视图在聚类时的重要性不同,采用加权聚合的方式。这些聚合的特征通过下游的神经网络,以端到端的方式同时得到样本的特征表示和聚类分配向量。除了设置冗余控制项约束聚类的差异性之外,MVMC-CS还引入柯西-施瓦茨散度和自正交正则化项来提升聚类的质量性。与现有的多聚类方法在不同的多视图数据集上的多种评价度量比较结果显示,MVMC-CS不仅能以端到端的方式得到多个聚类结果,而且这些结果还能保持较高的质量和差异性。

关键词：聚类多聚类多视图学习深度学习柯西-施瓦茨散度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于归属度的社团结构发现算法研究

基于归属度的社团结构发现算法研究

作者：李见西南大学

学位级别：硕士

复杂网络的社团结构是复杂网络的一个重要拓扑特征,网络中的社团是网络中连接比较紧密的节点的集合,在社团内部节点间的连接比较紧密,社团与社团之间的节点连接比较疏松。根据复杂网络中节点间的逻辑关系来寻找网络中的社团结构的过程,... 详细信息

复杂网络的社团结构是复杂网络的一个重要拓扑特征,网络中的社团是网络中连接比较紧密的节点的集合,在社团内部节点间的连接比较紧密,社团与社团之间的节点连接比较疏松。根据复杂网络中节点间的逻辑关系来寻找网络中的社团结构的过程,就是复杂网络的社团发现。复杂网络的社团发现能够帮助更好的分析复杂网络中的功能模块,更深的理解复杂网络的拓扑特性,并能够有助于发现复杂网络的隐藏特性。复杂网络的社团发现对于计算机科学、社会科学等具有重要的意义,本文就复杂网络的社团发现做了如下工作 (1)提出节点与社团的归属度定义。节点与社团的归属度就是节点的邻居节点属于社团的数目与节点邻居节点总数目的比值,节点与社团的归属度表明了节点与社团内部节点的连接紧密程度,本文提出的算法都是基于归属度的。 (2)提出了基于节点与社团的归属度的算法。只需要知道网络的局部信息,求得节点与已知社团的归属度,在与设定的归属度阈值比较后判定是否将此节点划分到已知社团。对于寻找已知节点所属的社团问题,本算法具有更大的优势。 (3)提出了边与社团归属度定义。从边的角度考虑,将社团视作关系比较紧密的边的集合,而不是通常定义的关系紧密的节点的集合。与此边直接相连的边中属于社团的边数和与此边直接相连的边的总数的比值就是边与社团归属度。 (4)提出了基于边与社团的归属度的算法。和基于节点与社团的归属度的算法相似,本算法也是只需要网络的局部信息,求得边与已知社团的归属度,与设定的归属度阈值比较后判定是否将此边连接到已知社团。

关键词：复杂网络社团结构发现节点与社团归属度边与社团归属度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

卡尼曼认知理论下选择任务中的推理研究

卡尼曼认知理论下选择任务中的推理研究

作者：毛位亮西南大学

学位级别：硕士

推理是人类智能活动的重要组成部分,是运用智能从一些前提中得出结论的过程,关于推理的研究,是逻辑学、认知科学、人工智能等学科所共同关注的一个领域。在认知科学所设计的如沃森选择任务、THOG任务、硬币任务等诸多实验中,发现个体并... 详细信息

推理是人类智能活动的重要组成部分,是运用智能从一些前提中得出结论的过程,关于推理的研究,是逻辑学、认知科学、人工智能等学科所共同关注的一个领域。在认知科学所设计的如沃森选择任务、THOG任务、硬币任务等诸多实验中,发现个体并不会完全按照逻辑学、概率论进行推理,而出现或多或少的错误,表现出个体的规范性推理(个体应该如何推理)与描述性推理(个体实际在如何推理),两者之间经常会出现一定的“分歧”,由此引发了一系列问题,微观上,为什么个体会在这些看起来较为简单的任务面前频频出错?个体在做这些推理行为时具体是如何思考的?宏观上,又能否从这些任务中不太合逻辑规范的推理行为,上升到对人理性本身的质疑?本文主要就这些问题,想试着寻求一些较为合理的解释。微观方面,本文依次介绍了三个任务的具体内容,与已有理论,接着引入卡尼曼的认知理论来结合分析,最后得出的结论分别是,沃森选择任务中,用易得性启发式理论来解释“漏选卡片7”的现象,与用双系统理论解释“错选卡片2”的现象;THOG任务中,用注意资源有限理论,来进一步解释个体为什么会容易混淆“一开始选择的图案”和“符合条件的THOG图案”这两个不同的概念;最后是硬币任务,本文在卡尼曼的代表性启发式理论基础上,做一点辅助性整理工作,结合概率的频率解释,以更进一步分析该问题。宏观方面,关于从这些选择任务中表现出的非逻辑,能否上升到人就是非理性的问题,本文列举了不同的理性标准观,并做出了评述,最后得出结论:(1)非逻辑与非理性的范围是有所不同的。(2)“情有可原”的启发式思维。各种启发式思维很大程度上确实是造成这些错误推理的一个原因,但是由这些思维方式而造成的错误是情有可原的,这些思维方式是有其适用范围的,超出了这个范围则不太适用,不能因为这种思维方式有缺点,就把这种思维方式给全盘否定掉、给批评得一无是处。(3)水桶论似的理性观。本文还给出了自己关于理性的一些浅薄思考,认为理性更像是一种水盛在水桶里的状态,其中有理性的程度问题与理性的表现问题等等。

关键词：沃森选择任务 THOG任务赌徒谬误卡尼曼推理逻辑认知

改进的细菌觅食优化算法及其在0-1背包问题中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进的细菌觅食优化算法及其在0-1背包问题中的应用

作者：何妙妙西南大学

学位级别：硕士

人们常常在生产生活中遇到大量的优化问题,国内外广大学者已经对这些优化问题进行了全面的研究,并将其发展成为了一门不可或缺的学科门类。解决优化问题的传统方法主要包括最速下降算法、线性规划、单纯形法等一系列以梯度为基础的算法... 详细信息

人们常常在生产生活中遇到大量的优化问题,国内外广大学者已经对这些优化问题进行了全面的研究,并将其发展成为了一门不可或缺的学科门类。解决优化问题的传统方法主要包括最速下降算法、线性规划、单纯形法等一系列以梯度为基础的算法,这类算法只有在待优化问题的目标函数是凸集且连续可微可导的情况下计算效率较高。但在实际应用中,面临着许多大规模、非线性、多极值的复杂优化问题,传统的优化算法对这类复杂优化问题的求解精度已经不能满足生产生活需求。群体智能优化算法由于其参数少,效率高,操作简单,对待优化问题本身的数学性质要求较少等优点,被广泛应用于求解各类复杂的优化问题。细菌觅食优化算法（Bacterial Foraging Optimization Algorithm,BFO）是一种新发展起来的群体智能优化算法,该算法具有鲁棒性强,易于实现等优点,现在已经在某些领域被成功使用,但应用深入度还尚浅,并且该算法在某些应用过程中存在求解精度不够精确、收敛速度慢等缺点,尤其在求解多峰优化问题时易陷入局部最优,很难得到全局最优值。因此,分析BFO算法的理论、改进BFO算法的机制和发展该算法的应用对于科学研究和现实生产中的各个领域的优化问题求解都具有重大的意义。为此,本文主要从该算法的改进和应用方面做了一些工作。主要研究内容如下:1.提出了一种基于贪心逐维更新评价策略的细菌觅食优化算法细菌觅食优化算法对解采用整体更新评价策略。BFO算法在解决连续型多维优化问题时,因为各维之间彼此干预,采用整体更新评价策略会降低求解精度,影响收敛速度。针对以上问题提出了逐维改进细菌觅食算法（Bacterial Foraging Optimization Algorithm with Dimension by Dimension Improvement,DDIBFO）。实验结果说明,引入逐维更新评价策略后能够有效地提高解的质量。2.步长改进的细菌觅食优化算法在经典的细菌觅食优化算法中,采用固定步长进行细菌位置的更新导致算法的搜寻效率低,容易陷入局部最优。针对这一缺陷,本文把莱维飞行机制引入到BFO算法当中,提出了一种基于莱维飞行的细菌觅食优化算法（LBFO）。莱维飞行机制产生的步长具有很大的随机性,有利于细菌个体在更加广阔的区域进行搜索,提高了算法的全局探索能力。实验结果表明,LBFO算法性能有了很大提升。由于莱维飞行产生的步长过于随机,缺乏自适应性,使得算法后期局部寻优能力弱,收敛速度低。为此,本文再次对步长进行改进,在传统BFO算法的基础上采用指数型自适应步长策略,提出了一种自适应步长的细菌觅食优化算法（Self-adaptive Step Bacterial Foraging Optimization Algorithm,SSBFO）。通过使步长随迭代次数的增加呈指数衰减,保持了算法全局探索与局部探索之间的平衡性。实验结果表明,SSBFO算法具有较强的竞争力。为了检验SSBFO算法的实用性,本文还把SSBFO算法应用到AJM工艺中脆性材料和延性材料的参数估计上面,取得了很好的成效,进一步证明了SSBFO算法的有效性。3.改进的细菌觅食优化算法在0-1背包问题中的应用0-1背包问题是生产管理、投资选择及材料分割等领域的热点问题之一,也是典型的NP难问题。大多数启发式算法都是针对连续型问题的,细菌觅食优化算法也不例外,而0-1背包问题是典型的离散型问题。为了让BFO算法适配该问题,首先对物品进行编码,其次在本文所提SSBFO算法的基础上引入贪心逐维更新评价思想,提出了一种求解0-1背包问题的细菌觅食优化算法。在物品个数为20、50、100、200的0-1背包问题上进行了仿真实验,实验说明,改进的细菌觅食优化算法寻优结果良好。

关键词：细菌觅食优化算法逐维更新莱维飞行自适应步长 0-1背包问题

基于小世界体系的模糊自联想记忆神经网络研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小世界体系的模糊自联想记忆神经网络研究

作者：颜本伟西南大学

学位级别：硕士

联想记忆网络是一类特殊的人工神经网络,能够从不完整、含噪信息中获得全部信息。模糊联想记忆是模糊系统和神经网络的结合,兼具两种优点,已广泛应用在人工智能,模式识别等领域。模糊联想记忆网络结构大都是全互联的,随着神经元数量增加... 详细信息

联想记忆网络是一类特殊的人工神经网络,能够从不完整、含噪信息中获得全部信息。模糊联想记忆是模糊系统和神经网络的结合,兼具两种优点,已广泛应用在人工智能,模式识别等领域。模糊联想记忆网络结构大都是全互联的,随着神经元数量增加,网络的连接边增多,硬件实现困难。因此,对模糊联想记忆网络结构研究成为近几年研究热点,同时,生物学研究证明：生物脑神经中普遍存在小世界效应,因此,从生物学角度出发,将小世界体系结构应用到模糊联想记忆中并非偶然。本文从网络结构角度出发,深入研究小世界体系结构生成算法,对一种权值择优小世界生成算法进行改进,并通过实验验证其可行性和有效性。再将其应用到模糊自联想记忆网络中,构建了基于小世界体系结构的模糊自联想记忆网络模型。本文具体的研究工作和创新之处体现在以下几个方面： 1.介绍了模糊联想记忆网络的概念和研究现状,指出了现有模糊联想记忆神经网络学习算法及硬件实现的问题,分析了从网络体系结构出发,对全互联模糊神经网络结构进行稀疏互联的可行性。2.研究了复杂网络中典型的小世界网络,分析指出原始小世界体系结构生成方式具有随机性,缺乏确定性的缺陷,借鉴复杂动态网络中和谐统一的混合择优模型构建思想,对一种具有目的性的权值择优生成方法进行改进。 3.将小世界理论和模糊联想记忆神经网络结合起来。运用最大-T模蕴含算子对全互联神经网络进行学习,确定权值矩阵。以权值矩阵为指导,运用权值择优捷径生成算法生成具有小世界体系结构的模糊自联想记忆网络,这样生成的小世界体系结构不乏确定性,由于是以权值矩阵为依据,所以生成的小世界网络保留了有用边删除了无用边,在减少连接代价的同时最大程度的保持了网络性能。 4.将基于小世界体系的模糊自联想记忆网络应用到简单的人脸图像识别。结果证明了其可行性和有效性,对含燥信息恢复的鲁棒性。

关键词：小世界网络模糊联想记忆网络权值矩阵择优生成算法人脸识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于BA的混合演化模型研究

基于BA的混合演化模型研究

作者：章琴西南大学

学位级别：硕士

随着网络科技的迅猛发展,人类的生活与生产活动越来越多的依赖各种复杂网络系统的安全可靠和有效运行。现实社会生活中,大量复杂系统都可以形式化成一个大型的复杂网络,并且大量研究表明,自然界、生物界、工程界和人类社会界的复杂系统... 详细信息

随着网络科技的迅猛发展,人类的生活与生产活动越来越多的依赖各种复杂网络系统的安全可靠和有效运行。现实社会生活中,大量复杂系统都可以形式化成一个大型的复杂网络,并且大量研究表明,自然界、生物界、工程界和人类社会界的复杂系统形式化的复杂网络虽各不相同但却有很多的共性,在拓扑特性上有惊人的相似之处。复杂网络的无标度性即是研究人员发现的许多复杂网络所共有的拓扑特性,这一发现在复杂网络研究中掀起了一股热潮。目前,对于复杂网络的研究主要有两方面：一是基于网络模型的演化机制及拓扑特性研究;二是网络动力学行为。网络动力学行为是基于网络模型研究基础之上的,网络模型的研究主要是希望网络的演化机制更接近现实网络,能够很好的模拟现实网络的演化过程,并且使网络能向动力学行为更好的方向发展。而BA模型是网络中的经典模型,引入了增长与择优连接两大特性,很好的模拟了实际网络的动态演化过程,但是BA模型还存在局限性,网络连接机制单一,新节点每次附带的边数是固定不变的,这些都是与现实网络不符的。本文在此基础上,针对BA的缺陷,考虑实际网络,提出了两类新模型：一类是对BA模型中已经存在的边引入WS小世界网络模型的重连机制,提出了无标度网络的重连演化模型,使网络中已存在的边都有重新选择连接的机会;另一类是针对BA模型新增节点的连接机制进行改进,提出了一个混合演化模型。考虑到在实际网络中,并不是只有连接度最高的节点获得的连接概率高,有些度值高的节点可能已经过时,连接概率并不高,所以本文提出了最近活跃度优先连接,即最近获得连接边数多的节点的连接概率相对比较高,与实际网络中某些度值不高但连接概率却比较高的节点相符。因为实际网络的演化过程中,边的连接策略是多样性的,所以本文的混合演化模型采用度优先连接、随机连接、最近活跃度优先连接三种策略混合的模式,并采用指数函数来描述边数加速增长,更好的模拟现实网络的演化过程。本文在仿真无标度重连演化模型中发现,随着重连概率的增加,网络度值高的节点的连接数降低,部分度值低的节点的度值增高,增强了网络的异质性,使网络抗干扰能力加强。混合演化模型,随着连接指数θ的增加,网络中度值高的节点的连接数增多,当θ→1时,网络近似于完全耦合网络;随着随机连接概率β的增加,网络中随机连接的边数增加,当β→1时,网络近似于随机网络,整个过程中网络的异质性先增强后减弱,说明适当的增加随机连接概率能够增强网络抵抗外界干扰的能力;随着最近活跃度优先连接概率增大,网络中度值高的节点的连接数增大,整个网络节点度值之间的“贫富差距”急剧增加。研究本文提出的基于BA的混合演化模型,发现以度优先连接策略为主,随机连接与最近活跃度优先连接为辅,形成的网络不仅能很好的模拟现实网络演化,保持了BA模型的无标度性,并且随机连接与最近活跃度连接机制的引入使网络的异质性增强,从而增强了网络抵抗外界干扰的能力。

关键词：无标度 BA模型无标度重连演化模型最近活跃度优先连接

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于兴趣值的适应度模型研究

基于兴趣值的适应度模型研究

作者：杨俊涛西南大学

学位级别：硕士

现实生活中的许多系统都可以用复杂网络来进行描述并表现出来,比如社会领域中的电影演员网络、科学家合作网络、电子邮件网络、学生关系网络,信息领域中的万维网、因特网、引用网,生物领域里的代谢网络、蛋白质网络、神经网络等等。近年... 详细信息

现实生活中的许多系统都可以用复杂网络来进行描述并表现出来,比如社会领域中的电影演员网络、科学家合作网络、电子邮件网络、学生关系网络,信息领域中的万维网、因特网、引用网,生物领域里的代谢网络、蛋白质网络、神经网络等等。近年来,复杂网络理论的研究取得了突破性的进展,一些经典的复杂网络模型也先后被提出来,并且这些模型也已经有了非常广泛的应用。经典不意味着完美,以BA无标度网络模型和适应度模型为例,这两模型就存在着一些问题。这两个模型在考虑网络增长的过程中,只考虑了网络中已经存在的节点的内在属性,而没有注意到新加入到网络中的节点的内在属性。其实,复杂网络中的节点对应到现实中的网络,每个节点都直接或间接的与人为的因素有关,人是有自己的主观能动性的,有自己的兴趣偏好等等,所以在考虑网络增长的过程中,考虑新加入节点的兴趣爱好等问题非常有必要。本文注意到了这一点提出了基于兴趣值的适应度网络模型。基于兴趣值的适应度网络模型相较于BA无标度网络模型和适应度模型在两方面有所改进。 (1)在网络的增长过程中,BA无标度网络模型和适应度模型都认为节点的到达应该服从均匀分布,因此在网络增长阶段,这两个模型都规定每次网络新增加一个节点且节点有m条边与其他节点相连。而大量的人类动力学研究文献表明,节点的到达是应该服从泊松分布的,同时,也有很多学者利用节点的到达服从泊松分布建立了网络模型。所以在本文引入了节点的到达服从泊松分布的性质。 (2)考虑到新加入到网络中的节点是应该有自己的兴趣的问题,本文提出了基于兴趣值的适应度模型,并且针对兴趣值引入的必要性,兴趣值如何选取,模型如何建立等问题进行了深入讨论。而且还用了大量篇幅进行了论证与实验,最后通过对比试验验证了本文提出的基于兴趣值的适应度模型的有效性。

关键词：复杂网络适应度模型泊松过程

基于IA与TS的带时间窗车辆路径优化算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于IA与TS的带时间窗车辆路径优化算法研究

作者：王容西南大学

学位级别：硕士

研究车辆路径问题(Vehicle Routing Problem, VRP)的相关理论和算法是为了降低物流的成本。该问题通过规划出合理的行驶路线来实现运输成本的最小化。这个问题是运筹学和组合优化领域的研究热点。对这个问题的不断深入研究使得它已经延... 详细信息

研究车辆路径问题(Vehicle Routing Problem, VRP)的相关理论和算法是为了降低物流的成本。该问题通过规划出合理的行驶路线来实现运输成本的最小化。这个问题是运筹学和组合优化领域的研究热点。对这个问题的不断深入研究使得它已经延伸出了许多新的研究分支。本文首先分析了目前车辆路径问题的研究现状,再结合实际提出了本文的研究问题——带时间窗的车辆路径问题(VRPTW)。通过对带时间窗车辆路径问题的数学建模,明确定义了问题的目标函数和约束条件。在考虑了配送的距离、配送的时间性和配送的车辆数等因素的影响,最后构建了以配送总路径最短为目标。在分析了目前多种求解方法后,本文采用的是免疫禁忌搜索算法的混合策略。首先,对禁忌搜索算法和免疫算法分别进行了分析。了解了禁忌搜索算法的求解思想,重点是渴望水平的设计,针对车辆路径问题目标函数的特点求解最短路径,将禁忌搜索算法渴望水平设计为与目标函数相同的函数。对TSP问题分别用禁忌搜索算法、遗传算法和蚁群算法进行了求解。用平均值,方差和平均计算时间进行了比较,实验验证了禁忌搜索算法的有效性,同时验证了对初始解的依赖性。其次了解了免疫算法的算法思想,免疫算法的特点是疫苗的提取。用TSP问题验证了免疫算法能够在全局范围内求得最优解,从实验的结果验证了免疫算法改进了遗传算法的不足。最后介绍了免疫禁忌搜索算法的混合策略的算法,本文是通过免疫算法产生的最优解作为禁忌搜索算法的初始解,设计了适合建立的数学模型的编码方式和渴望水平和亲和度等。本文应用solomon benchmark测试数据集进行了仿真实验,利用MATLAB软件计算出了最优目标函数值和最优配送路径方案,通过对实验结果的分析,验证了所建模型和求解算法对solomon benchmark测试集中的R类和RC类数据是合理并有效的。

关键词：车辆路径问题时间窗禁忌搜索算法免疫算法