函数优化

摘要： 针对海鸥算法(SOA)在求解最优化问题中的不足和算法性能依赖于参数的选取等缺点,提出一种基于惯性权重的海鸥优化算法(Inertia Seagull optimization algorithm, I-SOA),采用非线性递减的惯性权重计算附加变量A的值来调整的海鸥的位置,通过莱维飞行和随机指数值增加海鸥飞行的随机性,增强算法搜索寻优的全局能力,避免算法寻优搜索陷入局部优值;通过12个基准测试函数将I-SOA与标准PSO,SOA,GA算法进行测试比较.实验对比结果表明,所提出的I-SOA优化算法具有较快的收敛速度、较高的求解精度和全局收敛能力.

摘要： 针对人工鱼群算法(AFSA)不能完美地平衡局部寻优与全局寻优,且缺乏跳出局部最优能力等问题,提出了一种基于基因交换的自适应人工鱼群算法(AAFSA-GE)。首先利用自适应的视野和步长提高搜索的速度及精度,然后利用混乱行为和基因交换行为增强跳出局部最优的能力并提高搜索效率。为了证明算法的有效性,在实验中使用了10种经典的测试函数将所提算法与规范鱼群算法(NFSA)、基于扩展记忆粒子群优化算法的人工鱼群算法(PSOEMFSA)、综合改进人工鱼群算法(CIAFSA)等改进鱼群算法进行了比较。实验结果表明,AAFSA-GE较PSOEM-FSA、CIAFSA具有更优秀局部寻优能力和全局寻优能力,较NFSA具有更高的搜索效率以及更好的全局寻优能力。

摘要： 萤火虫算法因具有结构简单、控制参数少、易于实现的特点而得到广泛的关注和应用,但其易陷入局部最优导致过早收敛,从而影响寻优精度。针对这一问题,本文在位置更新规则中加入随机扰动因子,并剔除了冗余的随机项,以提高算法搜索能力;引入位置置换变异和差分进化算法中的最优变异策略,在保持种群多样性的同时,增强算法跳出局部最优的能力。采用马尔可夫过程证明了算法以概率1收敛到全局最优。利用基准函数和装箱问题对算法进行仿真测试,结果表明,改进后的算法能够有效跳出局部最优,对给出的所有问题均能找到理论最优解,寻优精度和成功率有明显提升。

摘要： 针对基本蝴蝶优化算法迭代速度慢,容易陷入局部最优解的问题,提出一种具有动态方差高斯变异的蝴蝶优化算法.首先引入线性函数的动态切换概率来平衡迭代过程中全局搜索和局部搜索的相对比例,其次利用动态方差高斯变异改进了全局搜索和局部搜索的公式,有利于加快算法的收敛速度,跳出局部最优解,在迭代后期提高寻优的精度.使用了6个基准函数进行仿真实验,实验数据对比发现,提出的算法比其他五种算法具有更好的寻优效果和更强的稳定性.

摘要： 针对基本樽海鞘群算法(Salp Swarm Algorithm,SSA)在求解复杂函数时存在求解精度差和易陷入局部最优等缺陷,提出一种改进的樽海鞘群算法(Improved Salp Swarm Algorithm,ISSA)。首先,在领导者位置引入随机维度以拓展种群多样性;其次,改变追随者方式,即在算法前期以较大概率执行差分进化操作,进一步增强种群多样性,在算法后期较大概率执行黄金正弦算法,较好地平衡了算法的全局搜索和局部勘探能力。通过23个基准函数测试表明,本研究改进算法在收敛速度、计算精度和稳定性方面优于基本樽海鞘群算法和黄金正弦算法(Golden Sine Algorithm,Gold-SA),同时与其他改进樽海鞘群算法相比,该算法也具有一定优势。

摘要： 针对原始鲸鱼优化算法(WOA)收敛速度慢、全局搜索能力弱、求解精度低且易陷入局部最优等问题,提出一种混合策略来改进的鲸鱼优化算法(LGWOA)。首先将莱维飞行引入鲸鱼全局搜索的公式中,通过莱维飞行加大全局搜索步长,扩大搜索空间、提高全局搜索能力;其次,在鲸鱼螺旋上升阶段,加入一个自适应权重参数来提高算法的局部搜索能力和求解精度;最后结合遗传算法的交叉变异思想平衡算法的全局搜索和局部搜索能力,维持种群的多样性,规避陷入局部最优。通过对12个基准测试函数从2个角度进行实验对比分析,结果表明,基于混合策略改进的鲸鱼优化算法在收敛速度和求解精度上均有明显提升。

摘要： 针对樽海鞘群算法求解精度不高和收敛速度慢等缺点,提出一种多子群的共生非均匀高斯变异樽海鞘群算法.根据不同适应度值将樽海鞘链群分为三个子种群,各个子种群分别进行领导者位置更新、追随者共生策略和链尾者非均匀高斯变异等操作.使用统计分析、收敛速度分析、Wilcoxon检验、经典基准函数和CEC 2014函数的标准差来评估改进樽海鞘群算法的效率.结果表明,改进算法具有更好的寻优精度和收敛速度.尤其在求解高维和多峰测试函数上,改进算法拥有更好性能.

摘要： 提出基于反向学习的人工蜂群算法(简称OABC算法).在人工蜂群算法的跟随蜂阶段,种群依概率进行反向学习代替跟随蜂搜索方案.保留标准人工蜂群算法中雇佣蜂和侦察蜂阶段以保证种群的探索能力以及种群的多样性,增设参数控制一般的反向学习过程中对位搜索范围,充分利用种群信息和个体信息优化种群,提高对位点的有效性,从而提高反向学习的成功率.仿真实验结果表明,OABC算法有效提升了算法寻优速度和收敛精度.

摘要： 针对萤火虫算法在全局寻优过程中求解精度差,且容易陷入局部最优的问题,文中提出了一种优化的萤火虫算法。采用离散-连续的方法将传统萤火虫算法的空间连续化,在传统萤火虫算法的基础上定义新的吸引度计算式以及相应的更新策略,实现待求的离散问题的空间连续化,改善萤火虫单体相应的移动方式。实验仿真结果证明了该改进算法的有效性。文中对改进的萤火虫算法及其适用范围作了总结,并指出了今后研究方向。

摘要： 蝗虫算法(Grasshopper optimization algorithm,GOA),是一种以蝗虫群体行为为理论基础的新群智能算法,其性能优越,但仍然存在求解精度不高,收敛速度慢,陷入局部最优的不足。为了提高蝗虫算法的求解精度和收敛速度,减低其搜索盲目性,提出了一种基于差分进化改进的蝗虫优化算法(DE-GOA)。在蝗虫算法的迭代后期,加入差分进化策略增加种群多样性,提高整个算法的全局寻优能力。最后将改进的差分进化蝗虫算法与基本蝗虫算法GOA,PSO算法,GA算法,FPA算法,FA算法,BA算法在11个标准测试函数进行寻优实验对比,实验结果表明DE-GOA算法相比其他算法具有明显的优势。

摘要： 为了解决某些函数优化问题,基于具有脉冲毒素输入的生态毒理动力学模型提出了可全局收敛的函数优化算法.在该算法中,令环境系统与优化问题的搜索空间相对应,该环境系统存在污染现象,污染源定期地向环境系统注入有毒污染物.有多种不同类型的种群生活在该环境系统中,不同类型的种群之间存在竞争关系和捕食-被捕食关系,每个种群对应着优化问题的一个试探解.将生态毒理动力学模型映射成对种群的特征的变化规律的描述,利用环境和种群以及种群与种群之间的相互作用构造种群的进化算子,这些算子从多种角度实现了种群与环境以及种群与种群之间的信息交换.结果表明:因环境污染影响的是种群的很少部分特征,当种群演化时,只涉及到很少一部分特征参与运算,故收敛速度可得到提升;环境系统脉冲式注入毒素,可以导致种群的特征状态值发生突然改变,这种特点有利于使搜索跳出局部最优解陷阱;使能够抵抗污染的强壮种群获得生长,而无法抵抗污染的虚弱种群则停止生长,此特点确保了该算法具有全局收敛性.测试结果表明:对某些函数优化问题的求解,本算法与已有的群智能优化算法相比,均具有较高的精度和性能.

摘要： 本文主要对求解函数优化问题所用的生物智能进化算法进行概述,同时还对求解函数优化问题的前景作出进一步的展望,可以看出求解函数优化问题采用多种生物智能进化算法相结合的方式具有更宽广的发展前景.

摘要： 随着互联网用户数量的不断增长,互联网应用逐渐进入了大数据时代.如何存储和分析这些大数据成为了互联网应用中的难题.融合数据存储和数据分析的内数据库分析(In-Database Analytics)技术,受到了越来越多企业和研究者的关注.Window(窗口)函数作为关系数据库领域中内数据库分析技术的一种解决方案,其精妙的语义特征使其能代替自连接(Self Join)和相关于查询(sub Queries)等完成传统复杂查询功能,现已被广泛应用到互联网应用的数据管理和分析中.在目前互联网应用步入大数据时代的背景下,针对高吞吐和实时响应等需求,已有的Window(窗口)函数的处理性能已经出现了瓶颈.本文基于PostgreSQL数据库中原有MAX/MIN Window(窗口)函数执行框架,提出了一种基于临时窗口的专门针对MAX/MIN函数优化的方法,来优化SQL Window查询针对MAX/MIN函数的处理,并给出了查询代价的分析模型,从理论上证明了该算法的性能.通过与现有商业数据库SQLServer进行性能上的对比,验证了该方案的有效性.

摘要： 基于现有研究,提出了环境约束条件下区域氮氧化物排污权分配方法。通过引入"潜在污染分布因子"和延用"有效环境容量"的概念来确定区域氮氧化物初始排污权的上限值;基于氮氧化物年排放量,采用带有环境约束条件的函数优化方法进行区域氮氧化物排污权分配,实现了氮氧化物排污权分配的总量可控性,同时为排污权分配的合理性和排污权交易的可行性提供了保障。

摘要： 针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.

摘要： 针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.

摘要： 针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.

摘要： 针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.

摘要： 程序的过程间分析是静态分析中的难点之一,本文针对过程间分析框架中出现的精度以及效率问题,基于Clang内存模型对原有的过程间分析策略进行了改进,提出了针对C语言检测的过程间分析模型AccurateIPA.该原型一方面采用了精确的内存建模技术,可以精确的模拟指针算术,多级指针解引用,区分数组的每个不同的元素以及结构体的不同的域,使得算法的精度有了很大的提升.另一方面在路径信息的提取和函数摘要生成时进行优化,大大减少了算法的内存消耗和时间消耗.

摘要： 程序的过程间分析是静态分析中的难点之一,本文针对过程间分析框架中出现的精度以及效率问题,基于Clang内存模型对原有的过程间分析策略进行了改进,提出了针对C语言检测的过程间分析模型AccurateIPA.该原型一方面采用了精确的内存建模技术,可以精确的模拟指针算术,多级指针解引用,区分数组的每个不同的元素以及结构体的不同的域,使得算法的精度有了很大的提升.另一方面在路径信息的提取和函数摘要生成时进行优化,大大减少了算法的内存消耗和时间消耗.

摘要： 在利用光学相干层析成像系统对被测样品进行成像时，样品臂与参考臂的色散失配会影响系统分辨率，因此进行深度分辨的色散补偿是非常重要的。此时需要将样品不同深度处的干涉信号从A‑line信号中截取再做傅里叶变换(FFT)，通过对截取所用的矩形窗函数进行优化，可有效减小信号加窗FFT中加窗产生的相位误差，准确提取被测样品在不同深度处的色散系数，提高色散补偿精度。

摘要： 本发明提供一种基于约束概率分布函数优化的自由能微扰方法，包括：根据热力学循环构建自由能计算分子模拟窗口，自动化添加约束，对于每个窗口进行分子动力学模拟，统计得出相邻窗口之间的势能差，对于添加约束步骤的势能差统计得到概率分布，基于约束概率分布函数针对添加约束过程的概率分布的拟合，根据拟合后的概率分布重新生成势能差，最终统计得出药物‑靶标绝对结合自由能。本发明提供的自由能微扰方法，实现全自动得到添加约束所需的复合物拓扑文件，约束概率分布函数用于拟合实验中的概率分布，使FEP得到的约束窗口内的自由能变化自由值更精准，在保证计算精度的前提下，极大减少了约束步骤的窗口数，减少了计算量，提高了计算效率。

摘要： 一种基于知识能量函数优化的膜蛋白三维结构预测方法，分别根据输入序列的多序列比对结果结合统计知识得到对残基距离的约束、根据输入序列的二级结构预测结果结合蛋白质结构数据库PDB中的已知结构，构建结构片段查询库、根据输入序列的残基接触预测结果计算知识基础的能量函数；然后在能量函数和残基距离约束的条件下对初始结构迭代地进行片段替换并得到若干候选结构；最后对候选结构进行筛选得到最终预测膜蛋白三维结构。本发明基于从头预测方法，使用多序列比对(MSA)、二级结构预测、残基接触预测等多项技术，具有操作方便，准确度高等优点。

摘要： 本发明公开了一种基于双目标函数优化的变分模态分解信号降噪方法，属于数字信号降噪方法技术领域。本发明解决了现有技术中存在的传统VMD算法的分解质量取决于主观人工经验进行参数设置，导致无法得到最优分解质量，从而影响信号的降噪效果的问题。本申请基于皮尔逊相关系数和融合冲击指数作为目标函数对变分模态分解进行参数优化的算法，可以有效实现信噪分离，抑制模态混叠，解决原始VMD方法需要人工设置参数问题，使得VMD可以根据不同输入信号的特性自适应地选择主要分解参数，无需再对各个IMF分量与原始信号进行相关性的评估以及筛选，通过分解得到的IMFs直接进行重构即可达到良好的降噪效果。

摘要： 本发明公开了一种基于奖励函数优化的多无人机分组协同判断方法，包括以下步骤：步骤一、计算可飞行路径长度区间；步骤二、构建协同矩阵M；步骤三、检验是否满足最大补偿率；步骤四、检验是否进防空圈；步骤五、构建决策矩阵D进行分组协同寻优。本发明方法灵巧，通过路径长度区间、最大补偿率、防空圈计算出每架无人机理论可飞行的路径长度，进而基于奖励函数寻优得到无人机分组协同的结果。在保证尽可能多的无人机协同的同时，又兼顾了总路径长度最短，提高了航路规划效率，方法扩展性好。

摘要： 本发明公开了一种敏感核函数优化的全波形反演速度建模方法，涉及勘探地球物理领域。反演方法在迭代早期增大正向散射角信息，用于恢复模型低波数部分，随着迭代次数的增大逐渐增强反向散射角信息，用于构建模型中的中高波数部分。该反演流程既能够自然减弱反演的非线性，避免陷入局部极值，又可以降低多尺度反演的计算成本，具有较好的应用前景。

摘要： 本发明涉及智能计算领域，尤其是一种基于改进粒子群优化算法的数值函数优化算法。主要技术特点是：改进了粒子群优化算法，该算法增强了种群的多样性，扩大了粒子的寻优范围。按照粒子群优化算法的寻优模式，初始的搜索空间在经过少数几次迭代之后便对整个算法失去了指导意义，易于造成容易收敛到局部最小值，多样性下降过快、参数敏感等问题。提出的算法从扩大寻优范围和增强种群多样性两个方面进行考虑，加入了局部搜索和全局搜索相结合的空间搜索策略，即利用伯恩斯坦粒子和反向学习的策略对粒子群算法的初始化阶段和速度及位置的迭代公式进行修整。

摘要： 本发明涉及农业数据处理技术领域，尤其为基于人工蜂群算法的多维函数优化加速方法，其方法包括如下步骤：为了评估ABC算法的性能，采用四个不同求极值的多维函数来测试ABC算法性能，利用CPU+DCU的异构架构模式，采用HIP异构语言的多线程技术并行优化，在DCU平台上，计算任务划分到不同的线程；本发明提高了ABC算法对多维函数求最优解的效率，相对于串行ABC算法和GPU‑ABC算法，该方法能够得到较好的性能，提高了对多维函数的运算效率，能够进一步高效处理农业农村发展带来海量数据，接下来将扩充到多个运算节点，同时，还可以进行向量化的优化方法，更加充分的发现算法中的并行性，最大程度地提升算法的执行效率。

摘要： 使用反指数函数优化的边缘保留噪声降低算法。一种装置包括存储器和处理器电路。存储器可以被配置为存储图像的图像数据。处理器电路可以被配置为：(a)将图像的图像数据从存储器拷贝到处理器电路的第一存储器缓冲器；(b)使用被存储在第一存储器缓冲器中的图像数据来针对图像中的每个像素位置计算第一向量值；(c)使用被存储在第一存储器缓冲器中的图像数据以及第一向量值来针对图像中的每个像素位置计算第二向量值；(d)通过将第二向量值添加到对应的图像数据来变换被存储在第一存储器缓冲器中的图像数据；(e)将变换后的图像数据存储到存储器；以及(f)重复步骤(a)到(e)，直到图像的图像数据已经被变换为止。

摘要： 本发明提供一种应用程序的函数优化方法及系统，包括：若应用程序中第一函数的耗时大于第一预设阈值，则将所述第一函数的特征指标输入机器学习模型，输出所述第一函数的类型；其中，所述机器学习模型，以样本函数的特征指标为样本，以所述样本函数的类型为标签进行训练获得；根据所述第一函数的类型获取所述第一函数的类型对应的第二函数，使用所述第二函数替换所述第一函数；其中，所述第一函数的类型和所述第二函数预先关联，所述第二函数的耗时小于所述第一函数的耗时。本发明实现自动优化第一函数，不仅使得替换后的第一函数的耗时降低，还降低了整个应用程序的耗时，使得优化后的应用程序具有良好的性能，有效提升用户的体验感。