【摘 要】
：
帝国竞争算法(imperialist competitive algorithm,ICA)是一种被广泛应用于求解各类理论与实践问题的随机搜索智能优化算法,但它收敛过快的特性令其容易在求解复杂问题时陷入局部最优,故对ICA进行有针对性的改进十分必要.引入二进制转换和克隆进化机制,为算法的进化种群提供新的上升通道和进化模式,帮助进化种群跳出局部最优,从而提出了一种改进的帝国竞争算法(decimal-binary conversion and clonal evolution oriented improved
【机 构】
：
福建工程学院 机械与汽车工程学院,福州 350118;福建工程学院 交通运输学院,福州 350118
论文部分内容阅读
帝国竞争算法(imperialist competitive algorithm,ICA)是一种被广泛应用于求解各类理论与实践问题的随机搜索智能优化算法,但它收敛过快的特性令其容易在求解复杂问题时陷入局部最优,故对ICA进行有针对性的改进十分必要.引入二进制转换和克隆进化机制,为算法的进化种群提供新的上升通道和进化模式,帮助进化种群跳出局部最优,从而提出了一种改进的帝国竞争算法(decimal-binary conversion and clonal evolution oriented improved imperialist competitive algorithm,DCCE-IICA).此外,为修正经典ICA早熟导致的算法过早结束和群体多样性快速降低的缺陷,DCCE-IICA还辅以帝国分裂和出界点替换策略,以确保进制转化和克隆进化机制在改进算法执行中充分发挥区域深度探索和平衡资源分配的初衷.随后,经典函数测试集、CEC2017测试集及CEC2020测试集被用于检验DCCE-IICA在多个维度下对不同类型复杂问题的寻优能力.选取分别在经典函数测试集、CEC2017测试集和CEC2020测试集中表现优异的共14种典型算法,与DCCE-IICA进行实验结果比较.实验结果显示DCCE-IICA引入的改进机制在大多数情况下能够稳定且高效地提升算法性能,使得算法同时具备较好的收敛速度、收敛精度和求解鲁棒性.
其他文献
Keccak哈希函数是第三代安全哈希函数,具有可证明的安全性与良好的实现性能.讨论基于代数系统求解的4轮Keccak-256原像攻击,对已有的4轮原像攻击方法进行了完善,有效降低了理论复杂度.目前,4轮Keccak-256原像攻击的理论复杂度最低为2239,通过充分利用二次比特的因式之间的关系,在自由度相同的情况下,线性化更多的二次比特,将理论复杂度降低至2216.
映射域漂移和偏见性预测问题使得现有的方案无法很好地应对广义零样本学习挑战.在CADA-VAE模型的基础上,提出了基于模态融合的半监督学习方案,就如何利用未标注样本及语义辅助模型进行模态内自学习提供了一种思路.该方案使用潜层向量空间作为视觉和语义模态融合的桥梁,提出了视觉质心和异类语义潜层向量概念,用以指导模态间互学习;在交叉重构环节,以视觉质心为轴,将语义潜层向量交叉重构为此类的视觉特征;在特征编码环节,沿异类语义潜层向量的负方向将视觉特征编码为潜层向量;保证了生成的样本具有多样性的同时不失类间区分度.通
方面级别的情感分析(ABSA)旨在确定句子中特定目标的情感倾向.大部分现有方法仅使用语义层面信息,不能很好地利用不同方面词的意见术语来达到精确的情感分类,且模型不具有可解释性.语法层面信息中词性信息和以特定方面术语为根节点的句法结构依存树可以用于捕获句子中特定方面的意见术语.提出了结合词性信息且具有模型可解释性的BG-CNN,并引入依存树作为辅助信息用于细粒度文本情感分析.提出了增强损失函数用于模型的训练.在三个经典数据集上进行验证,实验结果表明了该模型和增强损失函数的有效性.
随着保险行业的蓬勃发展,保险欺诈问题也显得日趋严重.车险欺诈一直是保险欺诈的“重灾区”,对保险行业的发展至关重要.因此,车险欺诈检测技术一直是国内外学者研究的热点问题.鉴于我国在机动车辆保险欺诈检测技术方相对滞后,而国外的研究成果又较少对我国车险业务数据进行有效建模与分析,首次针对机器学习模型应用在车险欺诈检测的研究工作进行了文献调研,对二十多年来的研究工作进行系统化的归纳与总结.通过引入车险欺诈流程的简介,对专家系统与智能理赔系统在车险欺诈检测的流程进行了叙述;依次从国外和国内的角度介绍了机器学习模型应
在Pythagorean模糊多属性决策问题中,以欧式距离等距离测度为基础计算各备选方案与正、负理想解的距离,可能产生与正理想解距离更近的待选方案却与负理想解的距离也更近,导致所得方案排序结果并不能真实反映各备选方案的优劣程度.为有效克服决策结果的逆序问题,提出满足对称性、有界性的Pythagorean模糊对称交叉熵,进而给出Pythagorean模糊加权对称交叉熵的定义;针对规范化的Pythagorean模糊决策矩阵,以得分函数确定正、负理想方案,通过计算各方案与正理想方案的对称交叉熵并依据各属性的灰色关
高性能计算中,硬件支持的多播操作对应用程序性能具有至关重要的影响.Infiniband网络中现有的两类多播路由算法中,MINIHOP-MC未考虑路由均衡性问题,导致链路edge forwarding index(EFI)指数很大,严重影响多播消息性能;SSSP-MC虽然部分考虑了路由均衡性问题,但其运行时间很长,不能满足超大规模互连网络的需求.提出一种负载均衡的快速多播路由算法FULB-MC,可用于存在大量多播组的超大规模互连网络环境.该算法采用自底向上的多播树构建方法,并综合利用两种负载均衡策略根据局部
车载自组织网络(vehicular ad hoc network,VANET)的固有特性使其存在诸多安全问题.特别地,当路边单元(RSU)的覆盖区域中出现大量车辆时,现有认证方法难以确保RSU快速对每辆车进行签名认证.因此,提出一种新的基于代理车辆的消息认证方法.代理车辆对其他车辆的消息进行验证,将验证结果传输给附近的RSU,RSU再验证代理车辆的输出结果,从而达到降低RSU计算开销的目的.在椭圆曲线离散对数问题下,证明了提出的方法满足消息认证的安全需求.仿真结果表明,与传统认证方法相比,采用所提出的认证
为探究客流分布不均的动车组部件维护策略的经济性,引入多项式拟合方法对波动客流进行分段量化,并提出客流分布不均的部件差异化停机损失成本函数,进而结合加速失效模型建立了以可靠度为约束条件的部件维护策略动态调整方法,通过对部件延迟维护可靠度阈值进行敏感性分析,确定了经济性最佳的维护策略调整方法.研究结果表明,考虑客流分布的维护模型能够更加准确地刻画部件的可靠度退化过程,在客流高峰期内对部件维护活动进行动态调整能够有效降低停机损失,该模型可为客流分布不均情况下制定维护计划提供参考.
为了提高涡扇发动机剩余使用寿命的预测精度,提出一种将变分自编码器(VAE)和双判别器对抗式生成网络(D2 GAN)相结合的预训练特征提取模型.在该模型中,VAE作为D2 GAN的生成器参与模型训练,形成双重嵌套生成结构,以提高中间特征的提取质量;利用长短时记忆网络进一步挖掘所提取特征的时序退化信息,预测发动机剩余使用寿命.为了验证所提模型的高效性,将模型在通用数据集上进行测试,并与当前最先进的研究比较,结果显示所提模型具有更优秀的预测表现,极大提高了发动机系统的安全性.
随着社交网络的不断发展,微博成为人们日常生活中分享观点和感情的重要平台,分析用户的情感倾向可以有效地应用于舆情控制、民意调查、商品推荐等工作.传统的深度学习算法在面对新的工作任务时,往往需要大量数据重新训练才能得到较好准确率.针对这一情况,提出了一种基于MAML(model-agnostic meta-learning)与BiLSTM(双向长短时记忆网络)的微博负面情感多分类方法.对微博文本进行词向量化表示,构建MAML与BiLSTM结合的模型,其中BiLSTM实现对微博负面情感的分类,通过随机梯度下降更