【摘 要】
：
灰狼优化算法在优化后期易陷入局部最优,在求解高维函数时因其复杂度更高,陷入局部最优概率更大,针对上述问题提出基于醉汉漫步和反向学习的混合灰狼优化算法(DGWO)。在迭代过程中对每代种群中优势狼与最差狼进行反向学习并进行比较、重新排序后保留前3的狼,同时将采用醉汉漫步机制更新领导狼,参数A和C采用系数标量而不是GWO原始算法中的系数向量。通过10个标准测试函数(100维、500维和1000维)以及10维的CEC2013测试函数验证了算法的性能,并与PSO、GWO-CS和GWO算法进行了比较,结果表明,该混合
论文部分内容阅读
灰狼优化算法在优化后期易陷入局部最优,在求解高维函数时因其复杂度更高,陷入局部最优概率更大,针对上述问题提出基于醉汉漫步和反向学习的混合灰狼优化算法(DGWO)。在迭代过程中对每代种群中优势狼与最差狼进行反向学习并进行比较、重新排序后保留前3的狼,同时将采用醉汉漫步机制更新领导狼,参数A和C采用系数标量而不是GWO原始算法中的系数向量。通过10个标准测试函数(100维、500维和1000维)以及10维的CEC2013测试函数验证了算法的性能,并与PSO、GWO-CS和GWO算法进行了比较,结果表明,该混合
其他文献
针对暗通道先验算法在图像的明亮区域去雾时存在色偏严重、色彩失真等问题,提出一种改进的暗通道先验图像去雾算法。先将待去雾图像利用三通道明亮区域分割法获得全局大气光强度值;再通过边界约束条件得到透射率图像,并运用高斯型同态滤波对图像进行平滑处理;最后用色阶补偿原理结合小波变换对透射率图像与原图像进行融合,之后将融合后的图像与去雾后的图像进行多次融合补偿,得到最佳色阶图像,达到复原图像的目的。仿真结果表
针对传统能量优化方法没有进行节点分簇处理,导致可配置能量低、能量配置效率低的问题,提出基于粒子群算法的物联网可配置服务能量优化方法。根据物联网一阶无线电模型计算可配置服务所需要消耗的能量,利用惯性权重和学习因子改进传统粒子群算法,解决其容易陷入局部最优的问题。采用改进后的粒子群算法获取合理的适应度函数,通过最小生成树模型获得连通图的权重,得到可配置服务传输数据的最优路径。根据最优路径上节点之间的簇
将卷积计算转化为矩阵乘法是FPGA上一种高效实现,而现有的转化方法无法根据卷积参数的不同动态调整,限制了卷积计算的并行度。提出一种新的动态余数处理映射模型。该映射模型包含有3个子模型:特征值映射模型,权值映射模型,和输出映射模型。特征值映射模型将特征值转化为特征值矩阵,权值映射模型将权值转化为权值矩阵,特征值矩阵和权值矩阵通过乘累加计算阵列得到卷积计算结果,由输出映射模型将卷积计算结果存储到内存中。在卷积计算过程中,卷积的输出通道数通常不是乘累加计算阵列行数的整数倍,3个子映射模型会根据产生的余数动态调整
传统网络信息推荐算法的推荐结果数据单一且重复,无法深层挖掘用户偏好,导致推荐结果误差较高,召回率以及准确度均较低。提出基于知识图谱的网络用户长短期偏好推荐算法。通过构建知识图谱,深层次挖掘网络用户的潜在语义信息,并完成及时的语义辅助与补充。匹配网络用户历史行为与推荐结果,最终将项目嵌入到网络用户长短期学习中,实现网络用户长短期偏好推荐。实验结果表明,所提方法的推荐结果平方根误差和平均绝对误差较低,
在高性能处理器中,I/O带宽需求不断增加,一方面高速接口的通道数目不断增加,另一方面接口传输速率也在逐渐提升。高性能处理器的片上网络必须能够匹配各种高速I/O的带宽需求,且必须保证DMA请求能够正确完成。然而各种高速接口协议与片上网络协议在通信机制上存在较大的差别,可能导致死锁等现象的产生。首先对匹配高性能I/O的片上网络存在的问题进行分析,然后提出一种高带宽I/O设计方法及死锁解决方法。采用解死锁方法的片上网络增强了I/O系统的鲁棒性,同时可以减少片上网络设计及运行时的各种限制,提升I/O性能。最后,将
由于传统算法城市防灾空间单元划分合理性较低,存在着城市防灾能力评分低的缺陷,提出城市防灾空间单元风险分区防控算法仿真研究。在分析防灾空间要素(救灾路线、避难场所、消防系统、医疗救护系统与其它基础设施系统)基础上,获取城市防灾空间单元的合理布局,采用模糊综合评价法计算防灾空间单元风险防控性能,以上述获得的防灾空间单元风险防控性能等级数据为依据,推出防灾空间单元分区算法,对防灾空间单元进行分区操作,从
面向边缘计算环境中设备信任度评估的准确性和时间开销等问题,提出一种边缘设备动态信任度评估模型—DTEM。首先,利用时间退化因子表达直接信任度时效性,引入满意度函数修正贝叶斯方程,并结合激励机制评估边缘设备间的直接信任度。其次,利用改进的灰关联分析法确定指标权重,解决了间接信任度评估过程中推荐设备权重的问题。最后,通过信息熵融合直接信任度和间接信任度得出设备综合信任值,同时利用动态更新因子,动态更新综合信任值。仿真分析表明,相比RFSN模型,DTEM在检测恶意设备中误检率平均降低5.7%,设备间交互成功率平
针对传统图案几何纹样提取方法无法得到最优特征向量,导致提取精度低、提取时间长、提取过程抗干扰性较差的问题,提出基于Bhattacharyya(简称B氏)距离准则的图案几何纹样提取方法。分析常见的图案几何纹样特征;利用Bhattacharyya距离准则算法,非线性映射图案几何纹样样本至高维核空间,获取最优特征向量,线性映射最优图案几何纹样样本至低维特征空间,并将核函数应用于映射过程中,提升算法全局收
卷积神经网络因其对图像识别准确率高而在图像检索领域备受青睐,但处理大规模数据集时,基于卷积神经网络提取的深度特征维度高,容易引发"维度灾难"。针对图像检索中深度特征维度高的问题,提出一种基于自适应融合网络特征提取与哈希特征降维的图像检索算法。由于传统哈希处理高维特征复杂度高,因此本文在卷积神经网络中加入自适应融合模块对特征进行重新整合,增强特征表征能力的同时降低特征维度;然后应用稀疏化优化算法对深
为解决暗通道先验算法在处理图像的天空区域时容易出现颜色过饱和、亮度整体偏暗和光晕等问题,提出了一种融合亮度模型和梯度域滤波的图像去雾算法。首先,选择整幅图像中亮度最大的前0.1%像素的平均值作为大气光值;然后,利用自适应最小值滤波的改进暗通道模型和亮度模型分别对前景区域和天空区域求解透射率,在将其加权融合得到粗透射率的基础上,使用梯度域导向滤波对透射率进行细化;最后,通过大气散射模型和伽马校正复原