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

联合自监督学习强化的多行为多任务推荐算法

计算机应用研究 2023年第9期40卷 2688-2693页

作者：沈学利张荣凯辽宁工程技术大学软件学院辽宁葫芦岛125105

为解决多行为推荐研究存在的未能全面捕获多行为交互特征,忽略点击等隐式反馈数据存在的大量噪声标签等问题,提出了联合自监督学习强化的多行为多任务推荐算法。首先,从行为影响权重和行为隐含语义两方面感知多行为交互特征,并将特征融... 详细信息

为解决多行为推荐研究存在的未能全面捕获多行为交互特征,忽略点击等隐式反馈数据存在的大量噪声标签等问题,提出了联合自监督学习强化的多行为多任务推荐算法。首先,从行为影响权重和行为隐含语义两方面感知多行为交互特征,并将特征融合到嵌入传播过程,增强节点嵌入的表达能力;然后,构建自监督学习辅助任务,通过多视图对比学习避免模型对噪声标签过拟合;最后,联合有监督的多行为推荐任务和自监督学习辅助任务,采用多目标损失优化策略进行多任务学习,获取更加准确的用户、项目嵌入。通过实验分析表明,该算法在HR和NDCG指标上较对比算法均有一定提升,证明了算法的有效性和优越性。

关键词：推荐系统多行为推荐自监督学习多任务优化

面向路径规划问题的虚拟多任务共生生物搜索算法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2023年第12期40卷 3599-3605,3613页

作者：徐江程美英湖州师范学院信息工程学院浙江湖州313000 湖州师范学院经济管理学院浙江湖州313000

针对现有共生生物搜索(SOS)算法在求解路径规划等离散型优化问题时存在性能较差、收敛速度慢等问题,提出虚拟多任务共生生物搜索(VMTSOS)算法。首先根据双向映射解码策略,实现个体连续空间位置和离散城市序列转换;然后引入多任务优化思... 详细信息

针对现有共生生物搜索(SOS)算法在求解路径规划等离散型优化问题时存在性能较差、收敛速度慢等问题,提出虚拟多任务共生生物搜索(VMTSOS)算法。首先根据双向映射解码策略,实现个体连续空间位置和离散城市序列转换;然后引入多任务优化思想构建虚拟多任务环境,设计多种群同时优化同一任务,并通过停滞阈值控制种群间信息迁移频率,当主种群达到停滞阈值时,将辅助种群中部分优秀个体替换为主种群劣质个体;最后对VMTSOS算法时间和空间复杂度进行分析。仿真实验表明,VMTSOS算法在求解多数TSP时均能快速收敛至各测试实例目前的最优解,而在求解冷链物流配送问题时,具有多种群辅助机制的VMTSOS算法能较大程度地降低最优总成本。

关键词：共生生物搜索算法多任务优化信息迁移路径规划冷链物流配送

在线全文

学校读者我要写书评

暂无评论

机器学习模型驱动的演化算法研究与应用

机器学习模型驱动的演化算法研究与应用

作者：马玥琪西安理工大学

学位级别：硕士

演化算法是一类以种群的方式进行迭代搜索的启发式随机算法,其运行过程可视为算法与待求解问题迭代交互的过程,期间会产生大量关于问题信息的数据。在问题先验知识难以获取的情况下,如何利用先进的机器学习方法深入分析这些数据,获取并... 详细信息

演化算法是一类以种群的方式进行迭代搜索的启发式随机算法,其运行过程可视为算法与待求解问题迭代交互的过程,期间会产生大量关于问题信息的数据。在问题先验知识难以获取的情况下,如何利用先进的机器学习方法深入分析这些数据,获取并利用得到的知识,以此提升演化算法的问题求解能力,是近年来演化计算研究的一个重要趋势。有鉴于此,本论文旨在研究基于机器学习模型驱动的演化算法,并对其在演化生成算子、知识迁移策略以及种群多样性维护等方面展开系统研究,主要创新性工作如下:1.针对人工蜂群算法在求解变量不可分离问题时,遭遇搜索性能显著下降且极易陷入局部最优的瓶颈,提出一种自适应协方差偏好学习的人工蜂群算法。首先,针对雇佣蜂的搜索方程缺乏种群偏好信息的引导,设计一种基于适应度排序学习的搜索方程,以提高算法的开采能力;其次,针对观察蜂的搜索方程的改进区间迅速减小的缺陷,设计一种基于种群协方差学习的特征坐标系,以此降低变量之间的关联性,进而提高算法搜索的效率;最后,为降低算法陷入早熟收敛的风险,提出一种删除-重启学习策略,这可以弥补单一搜索模式的局限性,从而有助于算法在求解复杂问题上更易跳出局部最优。数值实验与16种改进的人工蜂群算法和7种其它同类算法在CEC2014测试问题上进行精度对比,实验结果表明自适应协方差偏好学习的人工蜂群算法的优化性能显著优于各种改进的人工蜂群算法,且与其它同类算法相比,同样具有较强的竞争力。2.针对现有知识迁移策略难以兼顾相似任务与不相似任务的问题,提出一种双迁移学习模型的自适应差分演化算法。首先,在演化的前中期,利用分类学习模型来实现知识转移策略,以此探索不同任务种群之间的相似性来提高算法的搜索效率;其次,在演化的中后期,通过构造仿射变换学习模型来实现知识转移策略,进而提高算法在低相似任务中的知识转移效率;最后,设计一种基于种群成功率的知识迁移概率的自适应调整策略,这有利于降低负迁移现象发生的风险。数值实验与6种不同的多任务演化算法在9组问题上进行精度对比,实验结果表明,提出的算法在解决不同类型的问题上均具有较强的鲁棒性。3.针对不平衡多模态多目标优化问题难以寻找到决策空间中全部PS的问题,提出一种局部离群学习模型驱动的不平衡多模态多目标演化算法。首先,利用基于物种形成的原理对演化种群进行分组,这为种群进行分散搜索奠定基础;其次,对子种群中的每一个个体,结合离群因子学习模型评估其在目标空间中的收敛性和在决策空间中的多样性;最后,利用随机排序的环境选择方法对每一个子种群进行独立更新,这有利于维护演化种群的多样性;数值实验与6种不同的多模态多目标演化算法在4类不平衡问题上进行精度对比,实验结果表明,所提出的算法在解决不平衡多模态多目标优化问题上具有较强的竞争力。

关键词：演化算法多任务优化多模态多目标优化知识迁移学习模型驱动

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于微搜索的进化抠图加速方法研究

基于微搜索的进化抠图加速方法研究

作者：刘泽洋华南理工大学

学位级别：硕士

图像抠图技术被广泛应用于影视制作、虚拟现实、图像增强等领域。基于进化优化的抠图算法可以提供高质量的透明度遮罩值,并且在一些实际应用中具有较好的鲁棒性。在基于进化优化的抠图算法中,抠图问题被建模为最优像素对选择问题,其本... 详细信息

图像抠图技术被广泛应用于影视制作、虚拟现实、图像增强等领域。基于进化优化的抠图算法可以提供高质量的透明度遮罩值,并且在一些实际应用中具有较好的鲁棒性。在基于进化优化的抠图算法中,抠图问题被建模为最优像素对选择问题,其本质是大规模组合优化问题。最优像素对选择问题的决策变量维度可达数万,进化算法在处理该问题时,会因其决策空间规模庞大而需要较高的计算代价来求得质量较好的解。同时,该问题还是一个多子问题优化问题,其中每个未知像素对最优像素对的搜索都可以被视作一个子问题。现有方法虽然可以通过协同优化、决策集缩减技术加速进化算法对于该问题的求解,但是往往不能有效避免相关子问题之间的重复计算,因而复杂度依然较高。本文针对进化算法求解最优像素对选择问题的复杂度过高的难点,开展了基于微搜索的进化抠图加速方法研究工作。本文的第一个研究内容,针对进化算法求解最优像素对选择问题时计算代价高的问题,提出了基于两阶段微搜索的进化抠图框架。通过对未知像素的图像特征向量进行聚类实现对相关子问题的识别,并根据相关的子问题具有相似最优解的假设,为每组子问题搜索出有效决策子集。通过将算力集中在该子集内进行搜索的方式,使进化抠图算法可以达到更快的收敛速度。本文的第二个研究内容,针对相关子问题划分中,边缘模糊区域划分错误的问题,设计了一种基于余弦距离的相关性评价指标来定量计算子问题之间的相关程度,根据相关程度的高低选择子问题中一定数量的个体用于构建有效决策子集,避免有效决策子集中包含过多不相关子问题的个体而造成的抠图性能恶化。同时提出了一种根据种群多样性和收敛性变化趋势来调节任务间知识迁移频率的策略,自适应的决定了何时构建有效决策子集来进行任务间的知识迁移,以此来平衡任务内的开发与任务间的探索。在实验部分,本文将所提方法与现有进化抠图方法在公开数据集上进行对比,并将现有多任务算法应用在最优像素对选择问题的求解中进行比较,验证了所提方法可以更快收敛,并在更少的计算代价情况下也可以获得更准确的图像透明度遮罩。

关键词：大规模进化优化图像抠图微搜索多任务优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

嵌入自学习策略的多因子进化算法

华中科技大学学报（自然科学版） 2021年第6期49卷 7-12页

作者：曹浪财许日东厦门大学自动化系福建厦门361005 厦门大学厦门市大数据智能分析与决策重点实验室福建厦门361005

为了解决多因子进化算法(MFEA)局部搜索能力不足的缺陷,提出将基于拟牛顿方法的自学习策略嵌入到MFEA中.结合MFEA的特性,设计了三种类型的嵌入策略,并应用于多任务优化问题的求解.结果表明:嵌入式MFEA的性能远优于同样基于拟牛顿方法改... 详细信息

为了解决多因子进化算法(MFEA)局部搜索能力不足的缺陷,提出将基于拟牛顿方法的自学习策略嵌入到MFEA中.结合MFEA的特性,设计了三种类型的嵌入策略,并应用于多任务优化问题的求解.结果表明:嵌入式MFEA的性能远优于同样基于拟牛顿方法改进的自适应模因多因子进化算法(AMA-MFEA);在相同迭代次数的条件下,完全子代嵌入可以发挥最好的效果;在相同优化时间的约束下,随机抽样嵌入最为有效.

关键词：多任务优化多因子进化算法自学习策略拟牛顿方法随机抽样嵌入

在线全文

学校读者我要写书评

暂无评论

面向车辆路径问题的智能优化算法研究

面向车辆路径问题的智能优化算法研究

作者：张凯凯华侨大学

学位级别：硕士

随着人工智能的发展,物流配送与车辆路径问题在大型商场,快递等领域有广泛的应用前景。因此,对车辆路径问题的深入研究,有较高的科学意义和工程应用价值。从已有的研究发现,面向车辆路径问题的智能优化算法研究中存在以下几个方面的不足... 详细信息

随着人工智能的发展,物流配送与车辆路径问题在大型商场,快递等领域有广泛的应用前景。因此,对车辆路径问题的深入研究,有较高的科学意义和工程应用价值。从已有的研究发现,面向车辆路径问题的智能优化算法研究中存在以下几个方面的不足:（1）优化算法未能充分利用局部搜索信息来指导算法的求解过程,从而影响算法的求解效率;（2）问题的相似性特征未能有效地通过知识的迁移机制来实现优化问题之间的协同效应;（3）智能优化算法求解现实生活中车辆路径问题的有效性还未得到充分的验证。针对以上不足,本文的具体研究工作有以下三个方面:（1）为了有效地使用局部搜索信息,提出了求解带时间窗车辆路径问题的多目标模因算法。在该算法中,一方面,使用多方向局部搜索策略,根据特定的问题知识下的局部搜索来执行面向多个方向的搜索。另一方面,利用增强的局部搜索链技术,将进化过程中得到的有潜力的解自适应地选择给后续的局部搜索算子。这样,多目标模因算法不仅可以有效地从多个方向探索解空间,而且通过基于链的方式充分利用有潜力的解决方案。（2）为了有效地迁移问题的相似性特征,提出了一种求解带路径平衡车辆路径问题的进化多任务算法。在该算法中,一方面,使用多任务优化策略来实现任务间沿搜索过程的知识转移;另一方面,使用多目标优化策略对种群中非占优的解进行后续的优化。这样,进化多任务算法不仅能够通过相似任务之间的信息迁移来增强算法性能,而且始终保持优化过程中种群的多样性。（3）为了解决实际车辆路径问题,提出了用于城际网约出行的智能订单分配算法,该算法使用订单的时空信息来构造初始的订单分配方案集合,然后采用局部搜索来优化订单分配方案,同时对新出现的订单根据预约时间进行动态分配,最后为决策者提供不同的订单分配方案。通过一边构造订单分配方案,一边优化订单分配方案的方式,算法可以在短时间内获得高质量的解。综上所述,本文从解的产生机制,到算法的搜索框架,再到实际工程应用,从三个不同的层次对车辆路径问题的求解方法和应用场景进行了探索和研究。同时通过大量的实验评估,验证了所提出的算法具有良好的优化性能,为科学研究与工程领域提供有效的参考。

关键词：车辆路径问题局部搜索链多任务优化多目标优化订单分配

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大数据清洗系统中优化技术的研究与实现

大数据清洗系统中优化技术的研究与实现

作者：李宁宁哈尔滨工业大学

学位级别：硕士

随着IT技术的发展,信息数据充满着现代生活的每一个角落,大数据时代的来临更使得这些数据更为耀眼。人们疯狂地从数据中汲取营养的同时,数据质量问题也逐渐暴露出来,例如数据冗余、数据不一致、错误数据、缺失数据等。因此数据质量在大... 详细信息

随着IT技术的发展,信息数据充满着现代生活的每一个角落,大数据时代的来临更使得这些数据更为耀眼。人们疯狂地从数据中汲取营养的同时,数据质量问题也逐渐暴露出来,例如数据冗余、数据不一致、错误数据、缺失数据等。因此数据质量在大数据时代显得尤为重要,海量信息的数据清洗与容错管理系统应运而生。现有的对海量数据处理的信息系统一般都运行在时下最流行的开源框架Hadoop上,但是由于各种各样的原因,往往效率低下。数据质量问题会对大数据的应用产生致命影响,因此需要对存在数据质量问题的大数据进行清洗。MapReduce编程框架可以利用并行技术实现高可扩展性的大数据清洗,然而,由于缺乏有效的设计,在基于MapReduce的数据清洗过程中存在计算的冗余,导致性能的降低。因此本文的目的是对并行数据清洗过程进行优化从而提高效率。本文做出了如下工作。首先,通过研究我们发现数据清洗中一些任务往往都运行在同一输入文件上或者利用同样的运算结果,基于该发现本文提出了一种新的优化技术——基于任务合并的优化技术。针对冗余计算和利用同一输入文件的简单计算进行合并,通过这种合并可以减少MapReduce的轮数从而减少系统运行的时间,最终达到系统优化的目标。第二,本文提出的FLI三层体系让我们从一个系统优化的视角去分析软件系统,和基于任务合并的优化技术一道,建立了一整套从系统分析到具体实施的数据清洗优化理论。第三,本文针对数据清洗过程中多个复杂的模块进行了优化,具体来说分别对实体识别模块、不一致数据修复模块和缺失值填充模块进行了优化。实验结果表明,本文提出的策略可以有效提高数据清洗的效率。

关键词：多任务优化海量数据数据清洗 Hadoop MapReduce

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于迁移学习的动态优化算法研究

基于迁移学习的动态优化算法研究

作者：邱立明厦门大学

学位级别：硕士

最优化问题在现实世界中普遍存在,目前对于一般的单目标和多目标的最优化问题的研究已经有了很多成熟的算法。但是在动态多目标优化和多任务优化等复杂问题上还存在着很大的发展空间。对于动态多目标优化问题,本文提出了基于流形的迁移... 详细信息

最优化问题在现实世界中普遍存在,目前对于一般的单目标和多目标的最优化问题的研究已经有了很多成熟的算法。但是在动态多目标优化和多任务优化等复杂问题上还存在着很大的发展空间。对于动态多目标优化问题,本文提出了基于流形的迁移动态多目标优化算法MT-DMOEA。MT-DMOEA的创新点有两个方面:其一是将基于流形的迁移学习方法与基于流形的多目标优化算法进行了深度的融合,其中迁移学习方法用于预测新时刻初始种群,而多目标优化算法用于求解新时刻下的多目标优化问题;其二是使用了一个新的记忆机制,它将前几代的最优解都记录到外部存储空间中,同样用于预测新时刻的初始种群。MT-DMOEA将两种方法预测得到的初始种群进行合并,然后在该初始种群的基础上使用多目标优化方法对新时刻下的问题进行求解。通过实验证明MT-DMOEA与一些流行的动态多目标优化算法相比,求出的最优解具有更好的收敛性和多样性。对于多任务优化问题,本文提出了基于粒子群的单目标多任务优化算法MTOPS,和基于粒子群的多目标多任务优化算法MTOMOPS,分别用于解决单目标的多任务优化问题和多目标的多任务优化问题。MTOPS和MTOMOPS都是基于粒子群进化的算法,在粒子群算法的基础上加入了粒子的自我复制和多方向进化的机制。这两个策略可以使粒子同时向多个方向进化,并且在不同任务之间得到的最优解进行信息交互的同时不会干扰粒子原来方向上已经得到的最优解。通过实验证明,MTOPS算法与现有的算法相比具有较高的收敛速度和精度,MTOMOPS算法同样具有较高的收敛速度,并且求出的解具有较高的多样性和收敛性。最后,本文还研究了一类比较复杂的优化问题——动态多目标的多任务优化问题,并提出基于粒子群的动态多目标的多任务优化算法d-MTOMOPS。d-MTOMOPS结合了本文前两个部分的研究成果:使用迁移学习方法预测初始种群,然后使用MTOMOPS对新环境下的问题进行求解。实验结果证明,d-MTOMOPS算法具有较高的收敛速度与收敛精度。本文的研究意义在于对三个最优化问题都提出了相应的优化算法,提出的算法得到的解在收敛速度和精度上都要比现有的算法更好,对最优化问题的实际应用也有十分重要的意义。

关键词：动态多目标优化多任务优化迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无人机集群的多群组避碰控制以及优化

无人机集群的多群组避碰控制以及优化

作者：汪新宇西安电子科技大学

学位级别：硕士

随着无人机集群技术的发展,大规模无人机集群的应用领域越来越广,对无人机集群的控制技术提出了更高的要求。目前大多数的无人机集群控制技术主要面向单个群组的无人机集群场景,对于越来越复杂的场景和任务需要,单个群组的无人机集群控... 详细信息

随着无人机集群技术的发展,大规模无人机集群的应用领域越来越广,对无人机集群的控制技术提出了更高的要求。目前大多数的无人机集群控制技术主要面向单个群组的无人机集群场景,对于越来越复杂的场景和任务需要,单个群组的无人机集群控制技术可能难以提供稳定和灵活的控制能力,因此为了拓展无人机集群控制技术的应用范围,需要支持满足多个群组的无人机集群协同控制技术,其协同控制既需要实现单群组内部的碰撞避免,也需要实现多群组之间的碰撞避免。本研究对多群组无人机避碰控制技术的现状进行了深入调查和分析,为了能够达到高效、稳定、安全的多群组无人机避碰控制,本研究从多群组无人机避碰控制模型设计和优化两个方面展开了研究。多群组无人机避碰控制模型主要通过设计多群组无人机避碰算法并借助无人机仿真技术对多群组的无人机避碰技术进行建模,检验各种场景下的多群组无人机避碰控制模型的高效性、稳定性以及安全性。同时,针对多群组无人机避碰控制模型的参数优化问题展开研究,通过设计稳定、高效的模型优化框架,实现模型参数的高效校准,以提高控制模型在不同场景下的适应能力和控制效果。以下几点是本研究的主要成果:（1）提出了基于最小包围圆的群组碰撞检测方法和基于潜在碰撞区域的自适应群组重构方法,通过计算每个群组包围圆之间的相对速度和相对位置间的关系,在线性时间内分析群组间潜在碰撞状态,并通过群组内成员分布状态重构群组,减少死锁的发生。（2）提出了群组间和群组内部的两层碰撞避免协同控制模型,通过计算群组间的最小绕行代价得到优选速度实现无人机群组间避碰过程中的稳定性维持,同时使用相应的群聚算法实现群组内部的稳定性维持。（3）构建了群组间和群组内部避碰模型控制参数设置的多任务优化框架,通过多因子进化算法实现群组间和群组内部避碰控制模型的协同参数优化,并通过在线训练机器学习模型动态替换基于仿真器的评价过程,减少任务评价时间和资源占用。（4）通过设计多种无人机多群组仿真场景,并和其他先进的无人机集群控制算法进行了比较,检验了我们设计的多群组无人机避碰控制模型的高效性、稳定性以及安全性,同时验证了多任务优化框架对于多群组无人机避碰控制模型参数优化的优越性。

关键词：无人机集群控制无人机仿真多群组无人机避碰多任务优化