检索结果-内蒙古大学图书馆

计算机工程与应用 2010年第22期46卷 165-167页

作者：任学惠周小健兰州理工大学计算机与通信学院兰州730050

首先给出求解决策表核属性集的算法,然后采用动态调节近邻子集的方法改进模拟退火遗传算法,应用于求解决策表的最小属性约简。该约简算法利用核属性集优化初始种群,并采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,... 详细信息

首先给出求解决策表核属性集的算法,然后采用动态调节近邻子集的方法改进模拟退火遗传算法,应用于求解决策表的最小属性约简。该约简算法利用核属性集优化初始种群,并采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,提高了算法在解空间中的探索能力和效率。实验结果显示该算法能有效求解决策表最小属性约简问题。

关键词：近邻子集模拟退火遗传算法属性约简

来源：评论

学校读者我要写书评

暂无评论

3种智能优化算法在设计洪水频率曲线适线法中的应用

引用

西北农林科技大学学报（自然科学版） 2008年第2期36卷 205-209页

作者：宋松柏康艳西北农林科技大学水利与建筑工程学院陕西杨凌712100

【目的】研究3种智能优化算法在设计洪水频率曲线适线中的适用性。【方法】根据我国水利水电工程设计洪水计算规范适线准则,应用模拟退火算法、遗传算法和模拟退火遗传算法,按照离(残)差平方和最小准则、离(残)差绝对值和最小准则及相对... 详细信息

【目的】研究3种智能优化算法在设计洪水频率曲线适线中的适用性。【方法】根据我国水利水电工程设计洪水计算规范适线准则,应用模拟退火算法、遗传算法和模拟退火遗传算法,按照离(残)差平方和最小准则、离(残)差绝对值和最小准则及相对离(残)差平方和最小准则,进行了设计洪水频率曲线参数的优化估计研究。【结果】实例验证表明,与传统的目估适线法相比,上述3种优化算法对设计洪水频率曲线参数估计可取得理想的适线效果。【结论】智能优化算法是一种推求设计洪水频率曲线统计参数的新途径。

关键词：设计洪水频率模拟退火算法遗传算法模拟退火遗传算法

来源：评论

学校读者我要写书评

暂无评论

差异工件平行机批调度问题的SAGA

引用

计算机应用研究 2010年第12期27卷 4526-4529页

作者：舒锋陈华平杜冰李小林操张进中国科学技术大学管理学院合肥230026

为了求解差异工件平行机批调度问题,提出了一种模拟退火遗传算法(simulated annealing genetic algo-rithm,SAGA)。将模拟退火算法(simulated annealing,SA)的状态转移操作引入基于最优保留的遗传算法(geneticalgorithm,GA)中,作为局部搜索算子,以避免算法陷入局部最优,也有效地发挥了SA和GA在局部搜索与全局搜索能力方面的优势。为了解决GA迭代后期适应函数难以区分一些适应度接近的个体这个问题,SAGA分两阶段标定适应函数,在进化后期采用了一个加速适应函数。同时,将缺点较多的单切点交叉方式改换为效果更好的双切点交叉方式。实验结果表明,与以往文献中的GA、BFLPT(best-fit longest processing time)和FFLPT(first-fit longest processing time)启发式规则等相比,SAGA是有效的。

关键词：调度批处理机模拟退火遗传算法组合优化

来源：评论

学校读者我要写书评

暂无评论

一种不规则零件排样的新粒子群优化策略

引用

计算机工程与应用 2007年第19期43卷 64-67,70页

作者：黄建江须文波董洪伟江南大学信息工程学院江苏无锡214122

基于图形扫描转换的启发式底左(Heuristic Bottom-Left,HBL)算法,把一种最大速度收缩策略(Maximal Velocity Contrac-tile Strategy,MVCS)的粒子群优化(Particle Swarm Optimization,PSO)算法应用于不规则零件的优化排样,给出了新的排样组合优化算法(MVCS-PSO)的粒子构造方法和零件排样过程,通过实例把该算法与模拟退火遗传算法(Simulated Annealing Genetic Al-gorithms,SAGA)进行优化排样比较,实验结果表明,具有良好的非线性和动态搜索性能的MVCS-PSO算法是求解排样问题的一种高效算法。

关键词：最大速度收缩策略粒子群优化不规则零件排样模拟退火遗传算法启发式底左算法

来源：评论

学校读者我要写书评

暂无评论

量子行为粒子群优化算法的布局问题研究

引用

计算机应用 2006年第12期26卷 3015-3018页

作者：黄建江须文波孙俊董洪伟江南大学信息工程学院江苏无锡214122

基于多边形扫描转换的启发式底左(HBL)算法,将量子行为的粒子群算法(QPSO)应用于布局问题——二维不规则多边形优化排样,给出了该问题的粒子构造方法及其布局优化过程。通过与模拟退火遗传算法(SAGA)进行布局优化比较,验证了该算法求解... 详细信息

基于多边形扫描转换的启发式底左(HBL)算法,将量子行为的粒子群算法(QPSO)应用于布局问题——二维不规则多边形优化排样,给出了该问题的粒子构造方法及其布局优化过程。通过与模拟退火遗传算法(SAGA)进行布局优化比较,验证了该算法求解布局优化问题的有效性。

关键词：量子行为粒子群算法布局优化二维不规则多边形模拟退火遗传算法启发式底左算法

来源：评论

学校读者我要写书评

暂无评论

基于高光谱图像的食源性植物叶部病害检测方法研究

基于高光谱图像的食源性植物叶部病害检测方法研究

引用

作者：芦兵江苏大学

学位级别：博士

植物病害具有多样性和周期性的特点,植物在病变初期,其外观的变化并不显著,病害特征多在大分子有机质层级显现,随着病情的加重,病害特征才能通过植物叶片的颜色、纹理、形态等方面的变化表现出来。要实现对患病植物的精准诊治,不仅需要... 详细信息

植物病害具有多样性和周期性的特点,植物在病变初期,其外观的变化并不显著,病害特征多在大分子有机质层级显现,随着病情的加重,病害特征才能通过植物叶片的颜色、纹理、形态等方面的变化表现出来。要实现对患病植物的精准诊治,不仅需要准确识别病害类型,还需要对病害所处病期进行准确判断,以便匹配到最佳的治疗方案。本文以食源性植物(文中统称为植物)生菜和茶叶为研究对象。首先对植物不同病期的病理特征和光谱特征之间的关系进行了研究,然后运用高光谱图像技术结合图像学特征提取方法对处于不同病害周期的生菜叶部常见病害(炭疽病、菌核病和白粉病)及茶叶叶部病(赤叶、炭疽病)进行了病害分类检测研究。对植物叶片基于光谱特征和图像学特征的病害信息进行提取,通过选取最优感兴区域(Region of interest,ROI)、优化数据预处理方法提高光谱数据质量,使用深度置信网络算法构建检测模型,最后通过空谱特征联合建模对植物不同病期的病害进行分类检测。本文研究结论对提高植物叶部病害及病期诊断准确率具有重要参考价值,对提高病害植物施救成功率具有重要意义。主要研究内容为:(1)基于高光谱图像技术的植物病害检测机理研究。首先对植物病害发展各阶段的病理和典型特征进行了研究,通过电子扫描电镜和扫描透镜对各病期叶片的微观组织结构进行了分析,研究了光谱特征和各病期病害典型特征之间的相关性。对不同病期光谱特性之间的相关性进行了研究,发现敏感波段谱线之间具有梯度不变的规律,提出了一种基于敏感波长的病期指数(Disease stage index,DSI)对病期进行表征。通过对比实验发现,基于病期指数的生菜和茶叶病期检测准确率分别达到了91.12%和92.57%,明显高于基于植被指数的准确率。(2)基于图像学的植物叶片病害特征提取方法研究。为了改善光谱检测限带来的病害信息丢失问题,充分利用高光谱图像空间维的病害特征信息,研究了从病害叶片图像中提取叶片形态、颜色和纹理特征的方法,提出了一种基于圆边矩的形变特征表征方法。采用最大类间方差法分割病害部位,提取病害形状特征。提取病害叶片一阶到三阶矩的颜色特征,使用LBP算子提取病害叶片的纹理信息。根据不同类型的病害特点合理运用图像学特征提取方法,并将得到的特征值和高光谱特征值一同作为模型的输入向量。实验表明,加入颜色和纹理特征后病害检测的平均准确率提高了6.77%,说明病害的图像特征可以强化病害信息,从而提高模型的检测准确率。(3)基于HSI色度空间的感兴趣区域(ROI)选取研究。为了准确识别病害区域,并以病害区域作为获取光谱数据的最优ROI,本研究提出了一种基于HSI色彩空间的最优ROI获取方法,通过色饱和度图像分量下的四个三维特征向量对病害区域进行表征,实现了病害区域的自动识别。利用不同颜色空间的特征向量对植物叶片病害区域的特征进行表征,发现HSI色彩空间的色饱和度(S分量)受外界环境的影响最小,对病害特征的描述效果最好。分别从病害区域和非病害区域提取光谱信息进行对比实验,结果表明,基于病害区域光谱信息的检测准确率较非病害区域提高了18.15%,说明病害区域提取的光谱信息具有更好的病害表征能力。(4)基于模拟退火遗传算法(Simulated annealing genetic algorithm,SAGA)的高光谱数据预处理技术研究。由于病害发展存在过渡期,从不同病期叶片上采集到的光谱数据存在重叠区域,同时光谱测量过程中的自吸收效应、基体效应以及环境因素也会导致光谱产生基线漂移和重峰干扰。这种数据交叠造成的干扰和失真严重妨碍了后期建模对病害检测的准确性。本研究对模拟退火遗传算法(SAGA)进行了优化,用于光谱数据的预处理。实验表明,经过聚类预处理,检测模型的均方根误差和相关系数分别提高了11.64%和23.12%,说明优化后的SAGA能够提高各类别样本组之间数据特征的区分度。(5)基于深度学习的病害检测模型研究。高光谱图像的波段范围广、分辨率高,每个像点都具有一组高维度的光谱信息,融合图像特征向量后,整个数据集的量级会成倍数的增长,客观上给检测分类造成了较高的难度。本文研究了基于深度学习架构的深度置信网络(Deep belief network,DBN),对网络结构和分类器进行了优化,基于空谱联合特征进行训练学习,利用DBN网络寻求分类精度最高的特征组合。实验证明,基于DBN模型的病害检测准确率达到了95.13%,说明深度置信网络可以自主的从各类特征值中学习最佳特征组合,在减少人工干预的同时提高特征提取能力,使模型的分类性能得到提升。

关键词：植物叶片病害特征高光谱图像感兴趣区域选择模拟退火遗传算法图像纹理空谱联合深度置信网络

来源：评论

学校读者我要写书评

暂无评论

基于混合智能算法的高校时间表及自动组卷问题研究

基于混合智能算法的高校时间表及自动组卷问题研究

引用

作者：管宝云天津大学

学位级别：博士

本文主要利用混合智能算法对高校管理中时间表和自动组卷问题进行了研究。概括说明了遗传算法、模拟退火算法的结构、功能、特征,并分析了混沌理论的主要特点及现状。针对单一智能算法存在的问题和不足,设计混沌遗传算法、遗传退火算法... 详细信息

本文主要利用混合智能算法对高校管理中时间表和自动组卷问题进行了研究。概括说明了遗传算法、模拟退火算法的结构、功能、特征,并分析了混沌理论的主要特点及现状。针对单一智能算法存在的问题和不足,设计混沌遗传算法、遗传退火算法、遗传模拟退火算法三种混合智能算法。并利用混合智能算法对高校排课时间表问题、考试组卷问题与考试时间安排问题进行了较为深入的研究。论文的主要研究工作如下: 分析了科学、合理地编排课程表原则。把混沌引入到遗传算法中,采用了混沌开关后的遗传算法,能充分地利用了沌序列的内在规律性,有效地引导交叉和变异操作;而在遗传算法中加入混沌搜索策略后,大大地拓展了算法的搜索空间,同时避免了标准遗传算法容易陷入局部极小的缺陷。利用设计的智能优化算法对排课表问题进行了求解试验,并分析比较不同算法不同参数取得的试验结果。在分析随机选取法和回溯试探法组卷功能的考试系统不足和缺点的基础上,提出一种新的具有通用性的自动组卷算法。算法的核心是将组卷系统应用矩阵理论方法建立多目标优化的数学模型,采用权重系数法将多目标转化成单目标,解决了多个目标相互冲突的问题,并对这个数学模型的各个约束条件进行了详细的讨论。将遗传算法引入模拟退火算法中,设计了求解组卷系统问题的混合算法。分析讨论了考试时间表问题的各种约束条件,对考试时间表问题建立了数学模型;提出了大学考试时间表问题拆分化简方案,使问题的数学模型适合分步求解,设计遗传模拟退火混合算法,对考试科目考试时间确定问题进行了求解试验,并分析比较不同算法不同参数取得的试验结果。　

关键词：时间表自动组卷混沌遗传算法遗传退火算法模拟退火遗传算法

来源：评论

学校读者我要写书评

暂无评论

基于SDN的数据中心网络流量调度机制的设计与实现

引用

中南民族大学学报（自然科学版） 2016年第3期35卷 135-140页

作者：王文涛郑芳王玲霞穆晓峰中南民族大学计算机科学学院武汉430074

针对SA算法中未考虑当前网络链路带宽资源引起的流冲突问题以及GFF算法中未考虑流带宽需求变化引起带宽资源分配不合理问题,提出了基于模拟退火遗传算法的按需自适应(SAGA-AO)流量调度机制.该机制首先依据流带宽需求变化筛选出网络中需... 详细信息

针对SA算法中未考虑当前网络链路带宽资源引起的流冲突问题以及GFF算法中未考虑流带宽需求变化引起带宽资源分配不合理问题,提出了基于模拟退火遗传算法的按需自适应(SAGA-AO)流量调度机制.该机制首先依据流带宽需求变化筛选出网络中需要调度的流,然后利用模拟退火遗传算法(SAGA)根据当前链路带宽资源状况对需要调度的流进行全局调度路径搜索.仿真结果表明:SAGA-AO算法在大多数通信模型下平均对分带宽高于SA和GFF算法.

关键词：数据中心网络流量调度按需自适应模拟退火遗传算法

来源：评论

学校读者我要写书评

暂无评论

混合模拟退火遗传和随机森林构建复杂碳酸盐岩储层渗透率测井解释模型

引用

油气地质与采收率 2022年第1期29卷 53-61页

作者：张亚男张冲孙康杨旺旺汪明锐长江大学油气资源与勘探技术教育部重点实验室湖北武汉430100 长江大学地球物理与石油资源学院湖北武汉430100

伊拉克H油田M层组巨厚型碳酸盐岩储层非均质性强、孔隙类型复杂,常规渗透率测井解释模型适用性差。为此,提出基于常规测井资料及衍生参数的混合模拟退火遗传随机森林算法(SA-GA-RF)渗透率评价模型。从测井响应特征分析出发,确定渗透率... 详细信息

伊拉克H油田M层组巨厚型碳酸盐岩储层非均质性强、孔隙类型复杂,常规渗透率测井解释模型适用性差。为此,提出基于常规测井资料及衍生参数的混合模拟退火遗传随机森林算法(SA-GA-RF)渗透率评价模型。从测井响应特征分析出发,确定渗透率敏感曲线,通过随机森林算法(RF)建立基于地球物理测井资料的渗透率评价模型,并利用模拟退火遗传算法(SA-GA)对RF中的参数进行寻优,消除RF中关键参数对模型精度的影响。应用该方法对研究区进行渗透率评价,与RF、优化后的BP神经网络预测结果进行对比,结果表明,基于SA-GA-RF构建的复杂碳酸盐岩储层渗透率评价模型既能充分利用常规测井曲线的响应特征,又能表征测井曲线随深度变化的趋势,在非均质性强的碳酸盐岩储层中有很好的适用性。相比优化的BP神经网络,SA-GA-RF模型预测的准确度明显提高,与岩心渗透率的相关性达0.83,比RF的评价精度提高了0.15。

关键词：复杂碳酸盐岩渗透率模拟退火遗传算法随机森林算法测井评价

来源：评论

学校读者我要写书评

暂无评论

基于人工智能方法的股票价值投资研究

基于人工智能方法的股票价值投资研究

引用

作者：李云飞哈尔滨工业大学

学位级别：博士

价值投资理论自其诞生之日起至今已有数十年的发展历史,目前已经成为西方成熟市场上的主流投资理念。随着我国股市的日益发展,市场回归理性的趋势日渐明显。在这样的市场环境下,价值投资逐渐受到我国股市投资者的青睐,在价值投资热潮兴... 详细信息

价值投资理论自其诞生之日起至今已有数十年的发展历史,目前已经成为西方成熟市场上的主流投资理念。随着我国股市的日益发展,市场回归理性的趋势日渐明显。在这样的市场环境下,价值投资逐渐受到我国股市投资者的青睐,在价值投资热潮兴起的同时,由于国内外股票市场和上市公司素质的差异性导致舶来的价值投资理论倍受非议。但是随着中国证券市场逐步走向规范化运作,价值投资必将成为市场的主流投资理念。在这样的背景下,从我国证券市场的现实状况出发,深化对价值投资的研究具有深远的理论和现实意义。基于以上认识,论文的研究工作从价值投资的理论与方法两个方面展开。从传统价值投资理论的基本观点来看,价值投资是依据股票内在价值与股价之间形成的“安全边际”作投资决策,特别关注股票的价值性,其对股票内在价值的判断,通常遵循威廉姆斯“股票内在价值等于公司证券持有者未来年份得到的分红和利息的现值”的投资理论,通过对预期的股票投资回报率的贴现值来衡量内在价值,该方法缺乏可操作性,而且关于价值投资的研究还有一种倾向,即通过单纯的市盈率或市净率指标来判断股票的“安全边际”,这种倾向有一定的合理性,但单纯的市盈率或市净率并不能全面反映股票的价值性和成长性,忽视股票的成长性也是传统价值投资理论的重大缺陷。针对传统价值投资理论的不足,本文从股票虚拟性的角度考虑,提出股票虚拟价值的概念,并具体分析股票虚拟价值的易变性和相对稳固性,在此基础上提出新价值投资框架,以此作为传统价值投资理论的补充和发展。与传统的价值投资理论相比,新价值投资是建立在股票虚拟价值的基础上的,而上市公司的运营状况通过市场的作用直接影响到股票的虚拟价值,进而影响到股票虚拟价值的易变性和相对稳固性的强弱,因此新价值投资可以通过对上市公司财务基本面信息的挖掘来把握股票虚拟价值和价格的关系和发展态势。新价值投资就是通过挖掘出那些价格低于其虚拟价值,并且价格向股票的虚拟价值回复的股票,以此来投资获利的股票投资策略。新价值投资能够兼顾股票的价值性和成长性,其投资策略可操作性强,特别适合我国现阶段股市,是对传统价值投资理论的有益补充。在新价值投资框架下,本文将模式识别与新价值投资相结合,设计了从科学选股到组合投资的一整套价值投资方法,其中人工智能方法贯穿始终。由于在具体的股票投资实践中,无法实现对股票价值信息毫无遗漏的占有,因此本文在新价值投资框架下,充分利用模糊聚类技术在处理海量数据方面的优势,从上市公司财务基本面信息中挖掘出有价值的关键信息,从实证角度为支持向量机股票选择模型的建立提取出相对简约的股票价值特征集,该特征集基本涵盖了股票价值投资所需要的有效信息。在此基础上,采用实证方法建立基于价值投资的支持向量机股票选择模型,该选股模型通过对股票价值信息的判断,能够实现对股票的有效筛选。在实证方面,利用支持向量机股票选择模型对上证180指数成分股票进行识别,将筛选出的10支股票的半年持有期、一年持有期、两年持有期和三年持有期的实际投资回报率与上证180指数的指数回报率作对比,超过指数回报率的股票略高于70%,该结果足以验证基于价值投资的支持向量机股票选择模型在投资实践中的选股能力。尽管支持向量机股票选择模型能够以较大的概率筛选出具有较大增值潜力的股票,但选股的结果中也可能包含若干没有增值潜力的股票,可见,对优选出来的股票构造投资组合来分散投资风险是必要的。因此本文在Markowitz投资组合的均值—方差模型框架下建立了RAROC目标优化的价值投资组合模型,并具体通过模拟退火遗传算法对投资组合求解。该模型以VAR作为风险度量工具,以RAROC作为目标优化函数,能够将投资决策的风险和收益二元目标约束整合为RAROC单目标约束,能够有效地分散单支股票集聚的风险。

关键词：新价值投资组合投资支持向量机模拟退火遗传算法 RAROC

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：