【摘 要】
：
近年来,NP-hard问题普遍存在于各种应用领域,使该问题受到了越来越多研究者的关注。传统方法在求解此类问题时,在计算成本、时间消耗上都面临着巨大的挑战。群智能算法所具备的灵活性、通用性、自学习能力以及对外部变化的适应性等优秀特征,同时该算法在求解NP-hard问题时所展现出来的高效性、稳定性等优良特性而被众多学者广泛研究。其中,蚁群优化算法作为一种群智能算法,结合了随机算法和局部搜索算法的优点,
论文部分内容阅读
近年来,NP-hard问题普遍存在于各种应用领域,使该问题受到了越来越多研究者的关注。传统方法在求解此类问题时,在计算成本、时间消耗上都面临着巨大的挑战。群智能算法所具备的灵活性、通用性、自学习能力以及对外部变化的适应性等优秀特征,同时该算法在求解NP-hard问题时所展现出来的高效性、稳定性等优良特性而被众多学者广泛研究。其中,蚁群优化算法作为一种群智能算法,结合了随机算法和局部搜索算法的优点,为NP-hard问题提供了一个高效可行的解决方案。与其他群智能算法相比,蚁群优化算法还具有良好的正反馈性和鲁棒性,在求解NP-hard问题时具有良好的性能。然而,蚁群优化算法在搜索的过程中,通常存在过早收敛和种群多样性迅速丧失等问题。因此,鉴于上述蚁群优化算法存在的问题,本文对该算法进行了深入研究,包括从相关理论基础的分析到组合优化问题领域的研究,以及在实际问题中的应用,设计了几种进化策略。主要研究工作如下:（1）讨论蚁群优化算法相关理论和优化问题,分析蚁群优化算法的基本原理和使用蚁群优化算法求解相关应用型问题的问题模型,为本文后续的研究与算法的改进提供理论支撑。（2）提出一种基于自适应贪婪策略的蚁群优化算法。针对蚁群优化算法在前期种群多样性下降较快和后期局部搜索能力丧失等问题,本文设计了一种基于自适应贪婪策略的蚁群优化算法。在连续迭代过程中,参数自适应策略控制算法参数不断调整和改变,从而扩大种群的多样性。通过贪婪策略不断改变蚁群的偏好程度,使其向信息素浓度较高的地方移动,加快算法的收敛速度。采用组合优化问题标准测试数据进行实验,实验结果表明该算法在收敛速度,求解精度上表现突出。（3）提出一种基于混合贪婪策略的蚁群优化算法。结合蚁群优化算法的鲁棒性和随机森林算法的高效性,本文设计了一种基于混合贪婪策略的蚁群优化算法。该算法针对随机森林在求解应用问题方面受到超参数影响的问题,采用蚁群优化算法优化随机森林超参数,通过贪婪策略改变蚁群在迭代过程中种群的进化方向,加快蚁群优化算法的收敛速度,从而提高该算法在求解应用方面的预测精度。采用供暖系统问题采集得到的数据进行实验,实验结果表明该算法在求解精度等方面表现优秀。无论是求解组合优化问题还是参数优化问题,蚁群优化算法一直作为高效的群智能搜索算法帮助人们求解最优解或近似最优解。本文针对蚁群优化算法的缺陷,讨论了蚁群优化算法的相关理论和优化问题,提出一种基于自适应贪婪策略的蚁群优化算法,设计了一种基于混合贪婪策略的蚁群优化算法。从组合优化问题和供暖系统问题的实验结果来看,该算法在收敛速度,求解精度等方面表现突出。
其他文献
近年来,新型二维纳米材料在多个领域展现出越来越大的应用潜力。石墨烯因拥有很高的载流子转移速率、优异的导热导电等特性,而深受广大研究学者的青睐;但由于石墨烯的光吸收率较低且禁带宽度为零,这限制了其在光电子器件领域的进一步应用。与石墨烯相比,二维过渡金属硫族化合物（TMDCs）拥有较宽的带隙,在实验和理论研究上都表现出了良好的物理特性。二硒化钨（WSe2）作为TMDCs中带隙相对较大的重要成员,其是首
近年来,随着计算机网络技术、数据存储技术的迅猛发展,各行业数据量都呈现爆发式的增长,我们进入了大数据时代。如何高效处理这些海量数据,并从中挖掘潜在价值信息,是近年来一直热议的话题,而数据挖掘技术成为人们探讨解决此话题的主流方向。分类算法是常用的数据挖掘技术之一,在分类算法中,支持向量机（Support Vector Machine,SVM）由于具有良好的泛化能力、很好的克服维数灾难以及非线性解决问
近几年,随着计算机视觉和人工智能技术的飞速发展,通过计算机来识别人体动作已经成为了人工智能领域内热门的课题之一。它的主要任务是从输入的视频中提取有效的时空特征,然后根据同类相似异类相斥的原则对不同的特征进行分类。目前,动作识别研究已经被广泛研究于智能监控、人机交互以及运动检测等多项应用领域。本文基于时空特征融合对目前主流的动作识别算法进行了总结和归纳,并以提取表达能力强、鲁棒性高的视频特征为目的,
阐述信息建筑模型的可视化、仿真性、协调性特点，探讨BIM技术在工程造价控制中的应用，工程建设中合理运用BIM技术，可以大大提高工程的科学性，并降低成本。
视觉问答（Visual Question Answering,VQA）是基于计算机视觉和自然语言处理的跨领域交叉方向。VQA需要检测图像中包含的信息并理解与图像匹配的问题语义,输出符合人类语言逻辑的答案。其关键在于目标图像和问题文本之间语义对齐的学习,即通过神经网络提取图像特征和相对应问题文本的特征,然后将多模态特征映射到多模态特征空间中融合,最后在分类器中得出预测答案。目前的VQA模型大多采用全
近年来周期驱动系统展现出的丰富物理现象受到学界广泛关注,此类体系在物理学的各分支,如量子混沌和凝聚态物理,有重要研究意义。非厄米物理是量子理论的一个根本修正,在量子线路、超冷原子气体和光波导管具有真实对应体系。非厄米效应诱导新奇物理现象,如拓扑新物态、非互易输运和趋肤效应,吸引了广泛研究兴趣。其中,一类Parity-time reversal（简称PT）对称系统所展现的奇异点（Exceptiona
近年来,图像的目标检测与语义分割作为计算机视觉领域发展的基石,对图像理解分析起着至关重要的作用。目标检测主要关注的是图像中需要识别的物体类别信息,并标注出这些类别物体所在空间位置;而语义分割是指在图像的像素层面对目标物体实现分类,不仅要明确物体的类别、位置还要区分各个物体之间具体的形态信息。这两种方法在工业图像检测领域都具有十分优秀的应用前景。基于此,本文针对医学图像的血细胞检测与遥感图像的云检测
作为计算机视觉领域中重要的研究课题,目标跟踪的主要任务是根据给定的目标信息从输入的视频序列中追踪目标,并输出该目标在视频序列中不同时刻所处位置。随着目标跟踪算法性能的逐步提升,目标跟踪应用也从雷达跟踪逐步延伸到军事调查、准确制导、战地评估、医学诊断等领域。但被跟踪目标处于复杂场景中时,导致的跟踪漂移、生成边界框尺度错误等问题仍然需要研究人员进行深入研究。因此,本文利用注意力机制、集成方法、特征融合
智能优化算法被应用于人们生活的各个领域中,其中在无线传感器网络中,节点定位技术与网络覆盖技术是重要研究方向。本文对群居蜘蛛优化算法进行改进,并将其应用于无线传感器网络的覆盖与节点定位中。针对群居蜘蛛优化算法中存在的局部与整体间搜索能力的不平衡,算法在运行过程中蜘蛛的位置上逐渐向当前最优位置移动导致位置多样性降低,收敛精度低的不足之处,提出一种混合改进策略的群居蜘蛛优化算法。改进策略为:在算法的初始
“教—学—评”一体化整合了教师教学、学生学习和效果评价，对于深化教育评价改革，推动英语学科核心素养落地具有重要的意义。研究发现，“教—学—评”一体化的概念包含过程完整、手段多样、主体多元等多层涵义，由目的、手段、解读、使用四要素构成，可以按照明确思想、研读文本、分析学情、一体化设计与实施、反思教学五个流程实施。通过呈现并分析具体高中英语课例，旨在为一线教师提供理论依据和实践参考。