基于DEPSO 的模糊时间ZW多产品厂间歇调度

研究以最小化完工时间为目标的模糊加工时间零等待多产品厂间歇调度问题, 提出一种基于差分进化粒子群优化(DEPSO) 的间歇调度算法. 以基本粒子群算法为整体进化框架, 采用基于反向学习的方法初始化种群, 引入群体极值保持代数作为阈值, 利用基于排序的差分进化算法优化粒子个体极值位置, 改变粒子的搜索范围, 防止粒子陷入局部极值. 仿真实验验证了所提算法在解决模糊加工时间零等待多产品厂间歇调度问题上的有效性和优越性.

     

一种实数编码量子进化算法及其收敛性

基于量子计算理论和进化理论,提出一种新的量子进化算法---基于实数编码的量子进化算法(RQEA).不同于传统进化算法的单点编码和量子进化算法的量子比特编码,该算法以实数矩形区域表示基因,一条染色体携带多个个体信息.利用量子态叠加和相干机理,通过叠加,变异及自学习来完成进化过程.理论分析证明了算法具有全局收敛性.实验结果表明,该算法在函数优化上具有优异的性能.

     

自适应分区多代理模型交互式遗传算法

为提高交互式遗传算法的性能,提出一种自适应分区多代理模型交互式遗传算法&.该算法基于关键维分割进化初期的搜索空间,同时基于进化进程,逼近精度以及用户评价敏感度,自适应地分割进化中后期的搜索空间.在子空间上,采用多类代理模型学习用户对进化个体评价,并用于评价后续进化的部分或全部个体.将该算法应用于服装进化设计系统,实验结果表明,算法在种群多样性,减轻用户疲劳及用户对优化结果满意度等方面均具有优越性.

     

基于协同进化的平面追逃对策研究

建立了二维平面内动力学约束下追逃运动的数学模型.首先为追捕者设计了基于比例制导算法和进化算法的混合追捕策略,以提高其追捕能力;然后利用协同进化算法对追捕者和逃跑者的追逃策略进行进化.仿真结果表明,进化后的逃跑策略能有效规避比例制导的追捕者,逃跑者在协同进化过程中涌现出众多复杂多变的规避策略.

     

一类自适应混沌文化算法

混沌变异进化算法忽略了混沌规律性,未充分利用知识来提高算法的局部收敛能力.为此,借鉴文化算法的双层进化结构,在文化算法的进化引导函数中引入自适应混沌变异策略,提出一种自适应混沌文化算法.利用进化过程隐含知识控制变异尺度,使知识引导个体能跳出局部较优解,在保证种群多样性的同时,实现进化后期的精细搜索.仿真结果表明,该算法可以有效提高进化收敛速度,具有较好的计算稳定性.

     

基于项权值变化和SCCI 框架的加权正负关联规则挖掘

给出项权值变化的数据模型形式化表示, 构建新的加权项集剪枝策略及其模式评价框架SCCI (supportconfidence-correlation-interest), 提出基于项权值变化和SCCI 评价框架的加权正负关联规则挖掘算法. 该算法考虑了项权值变化的数据特点, 采用新的剪枝方法和评价框架, 通过项集权值简单计算和比较, 挖掘有效的加权正负关联规则. 实验结果表明, 该算法能够有效地减少候选项集数量和挖掘时间, 挖掘出有趣的关联模式, 避免无效模式出现, 挖掘效率高于相比较的现有算法, 解决了项权值变化的加权负模式挖掘问题.

     

面向知识管理系统的本体进化管理框架

如何建立知识管理系统的研究是目前的一个研究热点,其中系统的可重构（可配置）性以及适应环境变化的进化能力是研究中的难点。通过基于企业本体来建立知识管理系统的方法,可以实现系统的可重构性。但是随时间变化,企业领域知识的结构、内容也在不停变化,因而本体进化、知识进化方法及一致性模型的研究成为必须要解决的问题。该文分析了本体进化及版本管理的一些关键问题,讨论了相应策略和算法,给出一个本体进化管理框架并引入到知识管理系统的开发中,并介绍了实际的应用情况和今后的研究方向。     

本体映射的进化研究

本体映射的进化是本体研究中待研究的课题之一。本文首先给出本体和本体映射形式化定义,在此基础上讨论本体变化后的映射进化方法。将本体变化类型分为删除、增加、修改,针对不同的类型提出本体删除后的映射进化算法、本体增加后的映射进化算法和本体修改后的映射进化算法。实验结果表明该方法能基本解决本体映射的进化问题。最后指出算法中存在的挑战,并给出进一步研究的方向。     

基于混合双种群差分进化的电力系统经济负荷分配

针对电力系统经济负荷分配本质上的非线性约束优化问题,提出一种双种群混合差分进化算法．采用两个种群且以较小的计算量实现目标函数的寻优并保持解的可行性,同时引入单纯型法来提高算法的局部搜索能力．基于典型算例对该算法的进化行为进行测试,并通过仿真和比较验证了所提出算法的有效性．

     

一种有效的移动IP自适应主动预测邻居切换机制

现有的移动IP切换机制存在切换时延大,分组易丢失,安全性差等问题。该文从移动IP切换的关键问题移动检测出发,提出并实现了一种有效的自适应主动预测邻居移动IP切换机制,运用主动自适应预测算法,根据网络和移动主机的运动状态动态智能地预测移动主机的切换,实现快速平滑切换。仿真结果表明,该策略与现有机制相比,极大地减少了切换时延和切换次数,保证分组按时到达,提高了系统的切换性能,保证了系统的QoS。      

优化主题词本体的方法

为了解决利用主题词表构建的本体在描述上过于简单的问题,提出了一种优化主题词本体的框架.对主题词本体进行本体解析,在此基础上,对已有的相似度计算公式进行修改,给出了一种适合主题词本体的综合的相似度计算公式,并制订了优化主题词本体的规则,设计了相应的算法,将优化主题词本体功能发布成了语义Web服务.该方法弥补了主题词本体在描述上的不足,实验结果表明了该方法的可行性和有效性.     

MINI——一种可减小变更影响范围的本体演化算法

本体演化会影响依赖本体的服务,使其重新修订和重新部署.面对同一变更需求,不同演化实现方法造成的影响范围差别很大.当前的本体演化研究主要集中在如何实现变更需求以及维护变更前后本体的一致性,对于如何降低演化影响范围关注甚少.文中提出了一种可以有效减小变更影响范围的本体演化算法MINI.该算法首先分析了本体实体和服务之间的依赖关系并提出了量化变更影响范围的数学公式.根据这一公式,MINI算法将本体演化过程转变为图的启发式搜索过程,通过搜索一条影响值最小的变更路径来减小本体演化的影响范围.实验结果表明,MINI算法导致的平均变更影响范围大大小于现有的本体演化算法.该算法已在某实际项目中得以应用和验证.     

面向OML的本体进化框架

本体是知识共享和知识重用的桥梁．然而由于知识应用环境的不断变化,一层不变的本体已无法反映知识世界的新状态,因而本体也必须跟随外部世界的变化而不断进化．文中在介绍本体描述语言OML的基础上,分析了本体进化过程中需要解决的关键问题,介绍了相应的解决策略,剖析了本体进化对系统带来的潜在冲突,并构造了一个本体进化的框架EDOCOM．     

Understanding ontology evolution: A change detection approach

In this article, we propose a change detection approach in the context of an ontology evolution framework for OWL DL ontologies. The framework allows ontology engineers to request and apply changes to the ontology they manage. Furthermore, the framework assures that the ontology and its depending artifacts remain consistent after changes have been applied. Innovative is that the framework includes a change detection mechanism that allows generating automatically a detailed overview of changes that have occurred based on a set of change definitions. In addition, different users (such as maintainers of depending artifacts) may have their own set of change definitions, which results into different overviews of the changes, each providing a different view on how the ontology has been changed. Using these change definitions, also different levels of abstraction are supported. Both features will enhance the understanding of the evolution of an ontology for different users.     

一种支持可靠语义互操作的本体演化管理框架

准确描述本体之间的关联是保证信息系统语义互操作可靠性的关键。该文提出了一个本体演化管理框架MFI-3，它包括本体注册模型、变化模型、约束模型、演化信息模型和变化传播模型。这些模型能支持本体的基本内容注册、本体复用及复杂的演化。通过对基于本框架的本体演化信息进行计算，可以得到可靠的本体映射。     

基于特征本体的文本流主题演化

针对网络大数据时代文本流的主题演化研究大多基于经典概率主题模型,以词袋假设为前提导致主题的语义缺失问题和批处理问题,提出一种在线增量的基于特征本体的主题演化算法。首先,基于词共现和通用本体库WordNet构建特征本体,用特征本体对文本流主题进行建模;其次,提出一种文本流主题矩阵构建算法,实现在线增量主题演化分析;最后,依据该矩阵提出文本流主题本体演化图构建算法,利用特征本体的子图相似度计算主题相似度,从而获得文本流中主题随时间的演化模式。在科技文献上的实验上,满意度同传统在线潜在狄利克雷分配模型(LDA)不相上下,但时间复杂度降低到O(nK+N)。所提出的方法引入了本体,加入了语义关系标注,可图形化展现主题的语义特征,并在此基础上在线增量地实现了主题演化图的构建,在语义解释性和主题可视化方面更具有优势。     

知识管理框架ReKM在农业病虫害诊断中的应用

在农业病虫害诊断领域，传统的专家系统往往在设计时就硬编码好了知识结构，在不重新改动代码的情况下，具有很差的扩展性。介绍了一个基于本体和案例推理的可重构知识管理框架ReKM。该框架利用本体作为知识结构的描述，由知识存储层、本体层和应用层组成。利用本体模型的可重构特性，一定程度上克服了传统专家系统可扩展性不足的缺点。文中详细阐述了框架中基于案例的检索算法和简单推理的概念。最后介绍了基于该框架开发的一个系统在某农科院病虫害诊断领域的应用情况和今后研究的方向。     

基于石油领域本体的多源信息融合框架

对多源石油数据的分析是一个很复杂的过程,容易产生语义和语法上的冲突.通过利用本体在知识表达和自动推理上的优势,构建了一个基于本体的石油领域多源信息融合框架,并在该框架的基础上提出基于本体的元素的相似度算法及融合规则,经实验分析,能够提高多源石油数据分析的效率.     

本体演化的波及效应计算优化研究

鉴于使用Floyd-Warshall算法对规模较大的本体评估具有时间复杂度与空间复杂度较高且未考虑本体演化过程中各版本之间的关联,提出基于邻接表的SPFA（shortest path faster algorithm）优化波及效应的计算。该算法不仅在大规模本体计算中具有计算效率的优势,而且可以简化版本迭代过程中波及效应的计算过程。实验结果表明,使用SPFA在计算本体的波及效应相比于基于邻接矩阵的方式具有一定的时间优势,并且这种优势随着时间的变化逐渐增加;在本体演化的波及效应计算时间中,本体演化后的版本的计算时间大约与原有方法相差较少,证明了优化计算的有效性。     

基于Stacking方法的多策略本体映射*

将概念相似度的计算问题看做分类问题,提出一种基于Stacking方法的多策略本体映射框架;利用Stacking方法组合多种概念相似度算法,进而提出基于Widrow-Hoff理论的元数据分类算法LMSMC。该框架中,第0层分类器使用各种概念相似度算法对源本体进行分类,第1层分类器使用LMSMC算法对元数据进行分类,从而实现组合多种算法的本体映射。实验表明该方法比单独使用相似度算法在查全率、查准率上均有所提高。