融合智能算法的变形体碰撞检测算法研究

针对变形体碰撞检测算法的准确性与实时性问题,提出了一种融合智能算法的变形体碰撞检测算法。在随机碰撞检测的基础上,使用层次包围技术缩小粒子搜索空间,采用一种融合基于量子行为的粒子群算法与差分进化算法的混合智能算法进行搜索。该方法以局部吸引子作为差分变异基础,在扩大种群多样性的同时加快了算法收敛速度,有效地解决了传统智能算法不适应离散空间计算问题以及早熟收敛问题。针对随机碰撞粒子搜索空间特点,混合算法的引入大大提高了碰撞检测算法的检测效率,解决了检测过程中的穿刺与遗漏现象。经实验验证该方法在很大程度上提高了变形体碰撞检测的实时性与准确性。     

新型群智能优化算法综述

传统群智能算法在解决复杂实际多目标优化问题中存在不足,近年来学者提出诸多新型群智能算法,适用性强,在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线,对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述,并对群智能算法未来的研究发展方向进行了探讨。     

萤火虫优化算法理论研究综述

萤火虫算法作为一种模仿自然界萤火虫捕食求偶行为的群体智能算法,在离散域优化问题及连续域优化问题中均得到较好的应用,但易“陷入局部最优”这种所有启发式算法均存在的固有缺陷在萤火虫算法中依然存在.从算法的改进、算法的融合、多种群思想以及离散化机理等方面讨论了近些年萤火虫算法的若干改进,最后评述了萤火虫算法未来的研究方向和主要研究内容.     

一种基于群智能算法的图像匹配算法

图像匹配是图像处理技术中的重要研究领域,也是图像融合的基础。现有的图像匹配方法存在匹配速度慢、匹配精度低等问题。为了提高匹配效率,笔者采用群智能算法作为搜索策略搜索最优参数,提出了一种基于群智能算法的图像匹配算法。基于此,介绍了图像匹配的三个基本要素、分类以及性能评价指标,阐述了布谷鸟算法,并利用布谷鸟算法改进了原有的匹配算法。实验结果证明,基于群智能算法的图像匹配算法合理有效。     

共享式全局寻优算法的研究

首先分析了目前主要用于全局优化的智能算法和群智能算法的特点,针对多极值问题,指出他们相互融合发展的趋势,提出了一种体现大融合思想的共享式全局寻优算法.进行智能优化算法和群智能优化算法有机组合,使它们共享优化信息,协同寻优,从而形成最丰富的寻优机制,达到最强的全局寻优能力.最后通过算例验证了该算法的有效性,实用性.     

GA与PSO的混合研究综述

传统算法无法满足现代大规模、多变量、多约束的复杂问题求解,使得智能算法的应用越来越广泛。但单一智能算法在解决很多复杂问题时依然存在不足,利用算法之间互补性的混合算法便应运而生,并且取得了较好的实验效果,被越来越多的国内外学者所关注。以混合方式为研究主线,对智能算法中的遗传算法（GA）和粒子群算法（PSO）的融合方式进行分析与综述,并对其进一步的研究发展方向进行了探讨。     

人工蜂群算法综述

近年来群智能算法发展较为迅速并解决了很多大规模的复杂问题。人工蜂群算法是一种新型的群智能算法, 以其很强的全局收敛性、贪婪启发式的搜索特征以及求解问题的快速性等优越的性能受到广泛关注。简单介绍了人工蜂群算 法提出的生物学背景;由蜜蜂觅食行为与现实问题的求解类比给出了该算法的建模思想;并详细介绍了人工蜂群算法实现的 算法模型;从基于算法的改进以及基于算法的应用两方面讨论了近年来很多学者对人工蜂群算法研究的现状;最后对人工蜂群 算法的研究进行展望,从算法的弱点分析提出了该算法改进的方向以及进一步应用的领域。     

自动化算法推荐的风险审视与规制

智能算法推荐越来越被大量应用于数字网络平台，在算法推荐服务提供者的商业趋利与算法技术的加持下，其原始的自动机制也日益精细化、个性化甚至黑箱化，其中包括内容生成的自动化、算法推荐执行的自动化。在此前提下智能算法推荐带来了一系列隐忧，其表现为个人与算法推荐服务提供者之间权利侵犯或公平失衡风险。为此，寻求智能算法推荐的规制主张从主体出发，分别在算法控制者层面、用户层面、第三方层面，强化技术源头的风险防控和严格化数据流转、应用两方面来加强算法控制者算法行为的规制；完善用户画像有关权利义务的配置以创新用户权利配置；最后应注重构建与完善第三方审核机构。如此形成三方的良性互动，方能更好地促进算法推荐领域的良性循环与可持续发展。     

整数规划问题智能求解算法综述*

为了对大规模整数规划问题的求解方法提供参考,对基于智能算法求解整数规划问题的研究进行了分析和评述。鉴于现有算法的缺陷与不足,讨论了应用智能算法求解整数规划问题未来可能的研究方向。     

PSO优化算法演变及其融合策略

分析了粒子群优化算法公式的演变以及相关参数，包括基本算法、加惯性权重的PSO以及加收缩因子的PSO。并对它与其它智能算法（模拟退火、遗传算法、蚁群算法等）的融合进行了探讨，指出目前PSO的数学研究范畴仅限于收敛性的研究。     

蚁群算法与粒子群算法的融合策略

蚁群算法和粒子群算法是群智能算法的两种主要算法,本文介绍了两种算法的原理,总结出两种算法的优缺点,并针对这两种算法的不足,着重分析了两种算法的混合策略以提高算法性能。     

多元智能算法控制结构综述

为了更好地模拟人类智力的特点,针对智能控制的结构理论与特点提出了智能算法的多元控制结构。将已有的遗传算法、人工神经元网络算法、免疫算法、代谢算法集成为一个统一的整体智能学习、推理、发育体系。通过对各智能算法功能之间的相互配合来弥补传统单一算法的不足。通过阐述算法的切换与集成的思想说明,集成后的多元控制算法能更好地模拟人类的相关功能。并且通过机器的编程又可以较大限度地弥补生物体功能上的不足。     

融合粒子群与蚁群算法优化XML群体智能搜索

随着Web技术及其应用的快速发展,XML已经成为互联网上信息表示和数据交换的一个重要标准,其作用已深入到网络社区的每个角落;针对XML文档进行群体搜索的特点与不足,提出利用群智能算法的概率变换规则对其进行改进,首先采用路径离散化规则,结合XML半结构化的特点及概率知识,再融合粒子群算法与蚁群算法进行动态群体搜索,而群体自适应杂交、多次编码、迭代选择等不仅可以提高数据搜索的范围、精度和收敛的效率,而且可以避免早熟,降低算法的复杂度.仿真实验表明这种融合方法具有更好的查询效果.     

CSO-PID算法在空压机控制系统中的应用

针对普通空压机普遍存在的耗能过高且控制效果不佳的问题,在研究比例—积分—微分(PID)算法和鸡群算法的基础上,对空压机的控制算法进行了改进,利用鸡群算法对PID的三个参数进行整定,并将这种智能算法应用到PLC控制器中。仿真实验和实际测试表明:该智能算法不仅实现了对空压机系统的有效控制,而且增强了系统的抗干扰能力,节能效果更佳。     

基于差异演化算法和郭涛算法的文化算法

针对数值优化问题,对差异演化算法进行改进,获得多子差异演化算法。将多子差异演化算法和基于自适应搜索子空间的郭涛算法融合到文化算法的框架中,提出一种新的文化算法。实验结果表明,与多子差异演化算法、差异演化算法和基于自适应搜索子空间的郭涛算法相比,该算法收敛速度快,不易陷入局部最优,所得解的质量更好。     

基于免疫克隆文化算法的关联规则挖掘

关联规则挖掘是数据挖掘中的一个重要任务,传统关联规则挖掘方法计算复杂度高、效率较低,而智能算法在搜索过程中具有保持种群多样性、鲁棒性等优点。本文提出基于免疫克隆文化算法的关联规则挖掘模型,该模型将免疫克隆算法嵌入到文化算法的框架中,利用免疫克隆算法的全局收敛性在数据库中迅速搜索频繁项目集,进而提取用户感兴趣的关联规则;利用文化算法信念空间的知识结构指导种群的进化,增强了搜索的目的性和方向性。实验表明,该模型具有较快的运行速度,提高了所得关联规则的准确率。     

基于信息熵和混沌理论的遗传—蚁群协同优化算法

为了融合遗传算法和蚁群算法在解决组合优化问题方面的优势,提出一种基于信息熵和混沌理论的遗传.蚁群协同优化算法.利用信息熵产生初始群体,增加初始群体的多样性,并将混沌优化的遍历特性引入融合的遗传.蚁群算法,改进相关参数,实现参数的自适应控制以及遗传算法与蚁群算法混合优化策略的有机集成.通过仿真实例表明了混合智能算法在解决...     

约束满足型智能规划算法研究

为解决约束满足型任务规划问题具有约束条件多、计算复杂的问题,建立了约束满足型任务规划模型,根据模型特点,借鉴遗传算法和禁忌搜索算法的优缺点,对遗传算法进行改进,通过把遗传算法和禁忌搜索算法进行融合,形成了遗传禁忌搜索融合算法,通过对比分析进行性能比较,显示该算法能够显著的提高计算效率,减少计算成本,是解决约束满足型任务规划的高效可行的智能算法。     

浅谈几种智能优化算法

该文首先介绍介绍了几种典型的群体智能算法,具体包括遗传算法、蚁群算法和粒子群算法,并对它们进行了详细的分析。     

基于改进樽海鞘群算法的含瓦斯煤破裂过程信号特征识别

针对标准樽海鞘群算法存在的计算精度不足、易陷入局部停滞等缺陷,提出一种多策略融合的樽海鞘群算法。在初始化阶段,引入线性同余法随机发生器;利用野马算法优化樽海鞘领导者位置;采用金豺算法改进樽海鞘种群追随机制。通过测试函数寻优对比实验,证明多策略融合的樽海鞘群算法相比于其他智能算法在鲁棒性与稳定性方面均有显著提升。将多策略融合的樽海鞘群算法应用到含瓦斯煤破裂过程信号特征识别,实验结果表明：提出的含瓦斯煤破裂过程信号特征识别模型具有更好的表现,准确率可达93.33%,相比其他识别模型,识别率更高。