组织进化算法求解SAT问题

来源 :计算机学报 | 被引量 : 0次 | 上传用户:ljiand
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于组织的概念设计了一种新的进化算法--求解SAT问题的组织进化算法(Organizational Evolutionary Algorithm for SAT problem,OEASAT).OEASAT将SAT问题分解成若干子问题,然后用每个子问题形成一个组织,并根据SAT问题的特点设计了三种组织进化算子--自学习算子、吞并算子和分裂算子以引导组织的进化.根据组织的适应度,将所有组织分成两个种群--最优种群和非最优种群,然后用进化的方式来控制各算子,以协调各组织间的相互作用.OEASAT通过先解决子问
其他文献
提出了一种新的分级筛选法用于快速的块匹配运动估计 .该方法中最佳匹配块通过若干个筛选过程得到 ,每个筛选过程用不同大小级别的子块作为基元进行匹配 .在初始的级别中用很少的运算代价通过简单的特征匹配先淘汰一部分候选匹配块 ;然后在上一级剩余的候选块中 ,逐级用更加细致的特征继续筛选 ;直至找到最佳匹配块 .对不同运动复杂性的视频的实验表明 ,在搜索范围为 (- 7,7)× (- 7,7)的情况下 ,
电子公告栏(BBS)的滥用是一种以信息污染为特色的社会问题,对BBS文档进行鉴别已成为信息安全重要内容之一.该文融合了数据挖掘技术、数理统计技术和自然语言理解技术,提出了
该文提出了一种基于支持向量域描述 (SVDD)的学习分类器 .在两类样本分类中 ,该算法在训练时通过对1类样本的描述求取包含 1类样本的球形边界 ,然后通过该边界对两类样本数据进行分类 ,并且在求取边界的优化问题中 ,采用乘性规则来直接求取Lagrange乘子 ,而不是用传统的二次优化方法 .该文所获得的学习算法和支持向量机 (SVM)与序列最小优化 (SMO)算法相比 ,不仅降低了样本的采集代价
首先通过分析HEMA模型,发现其中的若干设计缺陷,指出该模型存在的若干冗余,还分析讨论该协议中存储并加密传输密钥协商因子设计的不合理性.然后讨论一个该协议并发运行的实例