检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

双尺度变异离散粒子群算法求解背包问题

系统仿真学报 2013年第1期25卷 12-17页

作者：陶新民付丹丹刘玉杨跃东哈尔滨工程大学信息与通信工程学院哈尔滨150001

针对传统离散粒子群算法求解背包问题早熟收敛、精度低等缺点提出一种解决背包问题的双尺度变异离散粒子群算法。利用对当前最优解进行双尺度速度变异,可以实现提高算法局部最优解搜索能力的同时,保持算法的全局搜索能力和逃出局部极值... 详细信息

针对传统离散粒子群算法求解背包问题早熟收敛、精度低等缺点提出一种解决背包问题的双尺度变异离散粒子群算法。利用对当前最优解进行双尺度速度变异,可以实现提高算法局部最优解搜索能力的同时,保持算法的全局搜索能力和逃出局部极值的能力。在算法初期利用粗尺度速度变异可使粒子快速定位到最优解区域,算法后期则通过逐渐减小的细尺度变异可提高算法最优解的精度。粒子位置初始化过程中,把采用贪心策略所得的结果作为一个粒子的初始位置。将改进算法与其他算法比较证明该算法不仅能够有效解决其他算法搜索能力差的问题,同时还提高了最优解的精度和收敛速度。

关键词：背包问题离散粒子群双尺度变异贪心策略

ad hoc网络中基于离散粒子群优化的权重分簇算法

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2010年第6期22卷 1437-1441页

作者：杨斌徐金梧阳建宏黎敏北京科技大学国家材料服役安全科学中心北京100083 北京科技大学机械工程学院北京100083

针对移动性较强的adhoc网络,提出了一种基于离散粒子群优化的权重分簇算法。该算法通过引入节点局部密度,仅利用节点局部拓扑信息来计算权重,然后通过离散粒子群优化簇头选举。在保证网络负载平衡的情况下,最大限度确保网络稳定性。仿... 详细信息

针对移动性较强的adhoc网络,提出了一种基于离散粒子群优化的权重分簇算法。该算法通过引入节点局部密度,仅利用节点局部拓扑信息来计算权重,然后通过离散粒子群优化簇头选举。在保证网络负载平衡的情况下,最大限度确保网络稳定性。仿真试验表明,与典型的权重分簇算法WCA比较,该算法提高了移动adhoc网络的稳定性,同时网络生命周期平均提高了88.28%。

关键词： adhoc网络权重分簇算法离散粒子群优化

基于离散粒子群和偏最小二乘的湖库型水源地水体悬浮物浓度和浊度遥感反演方法

在线全文

学校读者我要写书评

暂无评论

水力发电学报 2015年第11期34卷 77-87页

作者：曹引冶运涛赵红莉石玉波蒋云钟东华大学环境科学与工程学院上海201620 中国水利水电科学研究院水资源研究所北京100038 水利部水资源司北京100053

用离散粒子群优选反演悬浮物浓度和浊度的特征波段,可减少水质参数偏最小二乘反演模型的输入参数个数和建模过程的不确定性,提高偏最小二乘反演模型的预测精度。以2014年7月21—23日在南四湖获取的水体实测光谱数据和同步水质分析数据为... 详细信息

用离散粒子群优选反演悬浮物浓度和浊度的特征波段,可减少水质参数偏最小二乘反演模型的输入参数个数和建模过程的不确定性,提高偏最小二乘反演模型的预测精度。以2014年7月21—23日在南四湖获取的水体实测光谱数据和同步水质分析数据为例,分别建立南四湖水体悬浮物浓度和水体浊度的偏最小二乘(PLS)反演模型和离散粒子群-偏最小二乘(NDBPSO-PLS)反演模型并进行验证。结果表明:经NDBPSO优选之后,反演悬浮物浓度和浊度的NDBPSO-PLS模型输入特征波段由PLS模型的370个分别减少到127个和134个,输入特征变量由PLS模型的60个减少到21个,反演悬浮物浓度和浊度的NDBPSO-PLS模型建模精度和预测精度均优于PLS模型。该方法可以有效提高PLS模型反演水体悬浮物浓度和浊度的精度。

关键词：离散粒子群偏最小二乘悬浮物浊度反演

基于粗糙超立方体和离散粒子群的特征选择算法

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2022年第3期37卷 668-679页

作者：王思朝罗川李天瑞陈红梅四川大学计算机学院成都610065 西南交通大学计算机与人工智能学院成都611756

特征选择指在保持数据分类性能不变的同时,选出不含冗余特征的特征子集。粗糙超立方体方法可从特征相关度、依赖度和重要度这3方面对特征子集进行综合评估,已成功用于特征选择。特征子集组合的计算是一个NP⁃难问题,而传统的前向搜索策... 详细信息

特征选择指在保持数据分类性能不变的同时,选出不含冗余特征的特征子集。粗糙超立方体方法可从特征相关度、依赖度和重要度这3方面对特征子集进行综合评估,已成功用于特征选择。特征子集组合的计算是一个NP⁃难问题,而传统的前向搜索策略只能得到局部最优结果。因此,本文设计了一种新的离散粒子群优化与粗糙超立方体方法相结合的算法。该算法首先引入相关度用以生成一组粒子,然后对粗糙超立方体方法的目标函数改进后作为优化函数,最后由粒子群迭代优化,找到最优的特征子集。实验结果表明,相比传统粗糙超立方体方法和采用粒子群优化的粗糙集方法,本文算法能够得到具有更小特征数量和更高分类性能的特征子集。

关键词：粗糙集特征选择组合优化粗糙超立方体离散粒子群

在线全文

学校读者我要写书评

暂无评论

基于离散粒子群算法的动态网络路由重组

计算机工程与应用 2009年第29期45卷 96-98,143页

作者：成旭华赵知劲叶学义杭州电子科技大学通信工程学院杭州310018

寻找最优路由作为动态网络研究的一个重要方面,对于提高网络资源的利用率及可靠性具有现实的应用价值,但无论在理论上还是实际的网络条件下,最优问题一直都是研究难点。针对不同的网络实际条件,提出一种改进的离散粒子群算法来寻找网络... 详细信息

寻找最优路由作为动态网络研究的一个重要方面,对于提高网络资源的利用率及可靠性具有现实的应用价值,但无论在理论上还是实际的网络条件下,最优问题一直都是研究难点。针对不同的网络实际条件,提出一种改进的离散粒子群算法来寻找网络中任意两个节点间的最优路由。在以寻找最小路由总延时作为目标函数的情况下,仿真结果显示该算法能较准确地在网络拓扑结构变化的情况下较快地寻找到最优路径,且显示出了比蚁群算法更好的收敛性能,获得了较好的寻优结果。

关键词：路由重组离散粒子群

在线全文

学校读者我要写书评

暂无评论

当代学习自适应混合离散粒子群算法研究

小型微型计算机系统 2009年第9期30卷 1800-1804页

作者：余伶俐蔡自兴高平安刘晓莹中南大学信息科学与工程学院湖南长沙410083

针对NP-hard组合优化及粒子群算法离散化问题,提出一种当代学习自适应混合离散粒子群算法对其进行求解.依据粒子多样性的变化规律,引入自适应扰动算子,以保持种群进化能力;根据成功的粒子群社会学习能力和个体学习能力,提出粒子群当代... 详细信息

针对NP-hard组合优化及粒子群算法离散化问题,提出一种当代学习自适应混合离散粒子群算法对其进行求解.依据粒子多样性的变化规律,引入自适应扰动算子,以保持种群进化能力;根据成功的粒子群社会学习能力和个体学习能力,提出粒子群当代学习因子以体现粒子当代学习能力,进而改进其运动方程,使算法稳定性得到提高;最后融入近邻搜索变异策略,提升算法局部求精能力.实验表明:当代学习自适应混合离散粒子群算法较其他三种离散粒子群算法在解的质量方面有所改进,并首次在算法稳定性上得到了较大进步,为离散粒子群算法稳定性研究提供了新的思路.

关键词：离散粒子群自适应扰动算子当代学习变异策略

在线全文

学校读者我要写书评

暂无评论

基于蚁群混沌行为的离散粒子群算法及其应用

计算机科学 2010年第5期37卷 178-180,286页

作者：徐青鹤刘士荣吕强杭州电子科技大学自动化研究所杭州310018

考虑蚁群算法与粒子群算法的各自特点,在粒子群算法的基础上借鉴蚁群算法的信息素机制,对粒子群算法的速度位置更新公式重新定义,提出了一种基于蚁群混沌行为的离散粒子群算法,并将其应用到背包问题中。实验结果表明,该算法可以得到较... 详细信息

考虑蚁群算法与粒子群算法的各自特点,在粒子群算法的基础上借鉴蚁群算法的信息素机制,对粒子群算法的速度位置更新公式重新定义,提出了一种基于蚁群混沌行为的离散粒子群算法,并将其应用到背包问题中。实验结果表明,该算法可以得到较优解。

关键词：信息素机制混沌离散粒子群背包问题

在线全文

学校读者我要写书评

暂无评论

基于离散粒子群的WSN分簇路由算法

武汉大学学报（理学版） 2008年第1期54卷 99-103页

作者：邹学玉曹阳刘徐迅高洵武汉大学电子信息学院湖北武汉430072

在定义了包含邻居节点信息的粒子适应度函数的基础上,提出了一种基于离散粒子群(DPSO)的单跳路由分簇协议(DPSOCA).该协议应用DPSO优化簇首选择过程,采用无竞争开销的方式选举一组最佳节点担任簇首.研究结果表明,与LEACH算法相比,DPSOC... 详细信息

在定义了包含邻居节点信息的粒子适应度函数的基础上,提出了一种基于离散粒子群(DPSO)的单跳路由分簇协议(DPSOCA).该协议应用DPSO优化簇首选择过程,采用无竞争开销的方式选举一组最佳节点担任簇首.研究结果表明,与LEACH算法相比,DPSOCA能有效地均衡网络节点的能量消耗和显著地延长网络寿命;采用k-收敛准则和增加惯性权重的随机性有利于提高网络寿命与收敛代数的性价比.

关键词：离散粒子群无线传感器网络分簇路由协议网络寿命

基于离散粒子群和支持向量机的特征基因选择算法

在线全文

学校读者我要写书评

暂无评论

计算机与应用化学 2007年第9期24卷 1159-1162页

作者：张焕萍宋晓峰王惠南南京航空航天大学自动化学院生物医学工程系江苏南京210016

基因芯片表达谱信息,为识别疾病相关基因及对癌症等疾病分型、诊断及病理学研究提供一新途径。在基因表达谱数据中选择特征基因可以提高疾病诊断、分类的准确率,并降低分类器的复杂度。本文研究了基于离散粒子群(binary particle swarm ... 详细信息

基因芯片表达谱信息,为识别疾病相关基因及对癌症等疾病分型、诊断及病理学研究提供一新途径。在基因表达谱数据中选择特征基因可以提高疾病诊断、分类的准确率,并降低分类器的复杂度。本文研究了基于离散粒子群(binary particle swarm optimization,BPSO)和支持向量机(support vector machine,SVM)封装模式的BPSO-SVM特征基因选择方法,首先随机产生若干种群(特征子集),然后用BPSO算法优化随机产生的特征基因,并用SVM分类结果指导搜索,最后选出最佳适应度的特征基因子集以训练SVM。结果表明,基于BPSO-SVM的特征基因选择方法,的确是一种行之有效的特征基因选择方法。

关键词：离散粒子群特征基因支持向量机