基于鲸鱼优化改进算法的基站选址

基站选址优化是网络通讯中的重要优化问题,对网络通讯质量有着极大的影响。本文基于基站选址优化问题的约束条件,以网络覆盖率作为优化指标,构建一种基站选址优化模型。传统优化算法有着收敛速度慢、易于陷入局部最优等问题,为此本文提出一种鲸鱼优化改进算法。首先,引入收敛因子随着迭代次数非线性递减的自适应改变策略以提升算法收敛能力;然后,对部分个体施加服从正态分布的变异扰动,以避免算法早熟收敛。其测试函数和基站选址优化问题的测试算例的仿真结果表明,本文提出的改进算法能够获得更理想的优化解,且具有较快的收敛速度。     

双种群灰狼优化算法的物流配送中心选址策略

针对物流配送中心选址模型具有多约束和非线性的特点,导致难以求解的问题.提出一种改进灰狼优化算法的求解策略.文章通过引入交叉变异策略,改进了传统灰狼算法在迭代后期易早熟收敛的问题;通过加入双种群寻优策略,丰富了灰狼算法的种群多样性,提高了算法的收敛速度.将改进后的灰狼算法针对物流配送中心选址模型进行求解,实验结果表明,该改进灰狼优化算法具有较高的全局搜索能力,针对物流配送中心选址模型具有较高的搜索精度,很大程度的提高了物流配送效率.     

基于优化初始聚类中心的K中心点算法

针对K中心点算法的初始聚类中心可能过于临近、代表性不足、稳定性差等问题，提出一种改进的K中心点算法。将样本集间的平均距离与样本间的平均距离的比值作为样本的密度参数，精简了高密度点集合中候选代表点的数量，采用最大距离乘积法选择密度较大且距离较远的K个样本作为初始聚类中心，兼顾聚类中心的代表性和分散性。在UCI数据集上的实验结果表明，与传统K中心点算法和其他2种改进聚类算法相比，新提出的算法不仅聚类结果更加准确，同时也具有更快的收敛速度和更高的稳定性。     

一种基于市场真实情况的ATM选址模型的研究及应用

自动取款机(ATM)的部署受到人口密度、商业、同行竞争和已部署机具场景等诸多因素影响。针对ATM选址问题,提出和设计一种基于Voronoi图和修改的K中心点聚类的求解算法,构建更符合市场真实情况的ATM选址模型。该ATM选址模型已成功应用于深圳市某银行,仅选取了4个新ATM的部署地点,使用户到该银行ATM部署点的加权距离减小了11.8%,取得了合理应用效果。     

改进的遗传神经网络优化选址方法

针对当前遗传神经网络在选址研究中缺少考虑影响因子权重的问题以及算法在求解时易于过早收敛的缺陷,提出一种利用模糊C均值聚类算法改进遗传神经网络模型的优化选址方法。通过建立选址中心决策矩阵,确定相应影响因子及其取值范围,得到所有影响因子的权重,进行迭代计算得到最优选址方案。实验以黑龙江省物流公司选址为例,分别采用BP(back propagation)算法、GA-BP(genetic algorithm and back propagation)算法和C-GA-BP(fuzzy C-means and genetic algorithm and back propagation)算法对选址的建设成本进行优化计算,经过验证,该方法提出的C-GA-BP算法在选址方面具有优化精度高、优化效果显著等特点。     

PBIL算法在组合优化问题中的应用研究

基于群体的增量学习(PBIL)算法有效结合了遗传算法和竞争学习的优点,运行过程简单,解决问题快速准确。本文提出将PBIL算法应用于求解CMN组合优化问题,以物流中心选址优化问题为例,介绍了基于PBIL求解CMN组合优化问题的一般方法,提出了针对此类问题的个体产生算法。为了提高算法的收敛速度和寻优能力,提出了基于当代最优解与历代最优解比较结果的概率学习加速方法。最后,通过实验仿真验证了上述改进的有效性。     

基于改进的简化粒子群聚类算法

针对粒子群算法后期收敛速度慢、易陷入局部极值的缺点,提出一种基于粒密度和最大距离积法的简 化粒子群聚类算法.通过采用线性递减与随机分布相结合的惯性权重策略、添加极值扰动算子、优化粒子个体最优位置,使粒子群算法能够快速收敛于全局最优.再把改进后的粒子群算法与K-means算法相结合,解决K-means算法因随机初始聚类中心而导致聚类效果差、不稳定等问题.通过实验分析,该算法的聚类结果准确率更高、收敛速度更快、稳定性更强.     

求解CARP车场选址问题的混合随机搜索算法

针对环保车车场选址问题,提出了一种混合随机搜索算法(HRSA)。新算法利用当车场已知时计算环保车优化行使路线的CARP算法作为车场选址评估函数,为加快收敛速度采用改进的Dijkstra算法计算初始车场地址,进而采用一种局部搜索策略寻找当前车场附近的更优地址,同时为避免陷入局部最优采用一种随机跳变策略探测其他更优地址,实现对解空间的高效搜索。在洒水车车场选址问题上的实验表明,HRSA求解此类问题是有效的。     

基于局部纹理ASM模型的人脸表情识别

针对主动形状模型(ASM)迭代过程容易陷入局部最优解的不足,提出了一种基于局部纹理模型的改进ASM算法,即EWASM.在局部纹理模型构建中,以每个特征点的中垂线方向搜索其邻域信息以确定最佳匹配位置,对衡量匹配程度的马氏距离加以推广,进而得到改进的扩展加权局部纹理模型,它由中心局部纹理模型、前局部纹理模型和后局部纹理模型共3个子模型加权组成,并对加权参数进行实验优化,使各个特征点之间的联系更加紧密,模型的鲁棒性更好.通过表情识别实验对提出的EWASM算法和传统ASM算法进行对比,选用RBF神经网络分类器进行表情分类,实验结果表明EWASM算法收敛速度更快,识别率也得以提高,并解决了局部最小问题,能更有效地表征表情.     

模拟退火算法改进BP算法的区域物流中心选址

合理的区域物流中心选址是加速区域物流网络升级优化,促进经济持续、健康、稳定发展的基础。文中运用模拟退火算法改进BP学习算法构成一种新的优化算法,通过学习和迭代求出问题的解。首先,运用精确的数学模型描述BP学习算法,并通过图形阐明模拟退火算法改进BP算法的流程;然后,针对改进后的算法规划了6个选址步骤;最后,通过具体选址实例,验证改进算法和步骤的有效性。文中研究的算法在收敛稳定性、收敛速度、初值敏感性等方面具有良好的效果,表现出高效、实用、简洁的特性。     

一种群体智能融合算法及其在应急设施选址的应用

针对粒子群优化算法早熟及细菌觅食算法收敛慢的问题,提出了将量子粒子群优化与细菌觅食算法融合的一种群体智能融合算法。该算法将细菌觅食、量子计算理论及粒子群优化的优点进行融合,以细菌觅食算法为主体,将量子进化算法及粒子群优化算法嵌入其中,从而极大地提高了算法的性能。通过对三个标准函数求解和验证,结果表明该算法提高了收敛精度及速度。最后用该算法求解公共卫生应急服务设施点选址问题,取得了较好的效果,说明了该算法的有效性。     

3G基站选址的智能优化实现

基站的位置和数量影响网络的服务质量。针对传统选址方法的不足,提出了一种基于免疫遗传算法的选址优化方法;给出了基站选址问题的多目标优化数学模型和实现过程。算法中采用了浓度调节选择概率机制,有效保证了抗体的多样性,避免了早熟收敛,并使用记忆细胞集来保存每代所产生的Pareto最优解;提出了一种邻近排挤算法对记忆细胞集进行更新、删除,保证了Pareto最优解集的分布均匀性。仿真结果表明,算法可以有效找到可行的基站布置方案,为实际工程应用提供了解决思路。     

空间优化选址中的增强型人工蜂群算法

公共服务设施选址是一种复杂的空间优化问题,选址的好坏关系到公共服务设施能否发挥其最大作用。利用穷举算法难以对高维的数据问题进行求解。针对空间优化选址的特点及人工蜂群算法收敛速度慢的问题,提出了适合空间选址的邻域搜索新公式,并将交叉的思想引入到了算法中,加快了全局最优解的寻优速度。对算法的可行性和有效性进行了验证,实验表明增强型人工蜂群算法比基本的人工蜂群算法取得了较优的效果。     

混沌粒子群鸡群融合优化的RSSI质心定位算法

针对传统接收信号强度指示（RSSI）定位算法定位精度低及粒子群优化（PSO）算法容易陷入早熟和局部最优解的问题,提出一种RSSI质心定位算法。通过RSSI测距技术计算各传感节点之间的距离,选择离未定位节点最近的3个锚节点和已定位节点,建立以未知节点坐标为参数的数学模型。在PSO算法的基础上运用混沌优化思想避免搜索过程陷入局部极小,并利用鸡群算法进行优化从而得到质量更好的解。实验结果表明,与原始质心定位算法、加权RSSI质心定位算法和PSO-RSSI质心定位算法相比,该算法具有较快的收敛速度和较高的定位精度。     

采用位置混沌重构的入侵杂草优化在盲源分离的应用

传统盲源分离（blind source separation,BSS）优化算法的应用场合非常有限,而且分离性能不高,为此提出了一种新的采用位置混沌重构的入侵杂草优化算法（invasive weed optimization,IWO）,并对其在盲源分离的应用进行了研究。新算法在每轮更新的初期驱动选出的较优个体向此时种群的最优个体做适当距离的移动,这样不仅会增加种群的多样性,避免算法出现早熟,而且收敛速度也较快。盲信号分离仿真实验证实,与标准IWO、粒子群优化算法（particle swarm optimization,PSO）和自然梯度算法（natural gradient,NG）相比,新算法的性能优势明显,收敛速度较快,分离精度较高。     

基于连续查询的用户轨迹k-匿名隐私保护算法

随着移动服务和移动网络的持续发展,基于LBS的连续查询服务被广泛应用。基于单点的K-匿名位置隐私保护算法已经不能满足连续查询下用户位置隐私需求。针对用户轨迹隐私保护提出新的保护方法,该方法采用不可信第三方中心匿名器,用户获取自己的真实位置后首先在客户端进行模糊处理,然后提交给第三方匿名器,第三方匿名器根据用户的隐私需求结合用户某时刻的真实位置信息生成虚假用户,然后根据历史数据生成虚假轨迹。为了进一步提高虚假轨迹与用户真实轨迹的相似性,该算法提出了虚假轨迹生成的两个约束条件：虚假轨迹距用户真实轨迹的距离约束和相似性约束。经大量实验证明,该算法与传统的不同时刻K-匿名算法相比,不仅可以满足连续查询的用户轨迹隐私保护而且可以满足基于快照的LBS用户位置隐私保护。     

基于信息素的自适应连续域混合蚁群算法

针对连续域混合蚁群算法（HACO）易陷入局部最优和收敛速度较慢的问题,提出了基于信息素的自适应连续域混合蚁群算法（QAHACO）。首先提出了一种新的解更新方式,对档案中的解进行信息素挥发,扩大了搜索范围,提高了算法的全局搜索能力,并且自适应地调整信息素挥发速率,更好地平衡收敛速度和收敛精度,其次采用了一种信息分享机制,将当前解与其他所有解的平均距离和当前解与至今最优解的距离相结合,进一步加快收敛速度。通过对测试函数进行仿真实验,结果表明,和连续域蚁群及其改进算法相比,QAHACO算法的寻优能力明显提高,寻优速度有一定的优势。     

高速场景下基于位置信息的切换优化算法

高速场景下速度优化算法在提高切换成功率的同时，存在乒乓切换触发率急剧增加的问题。为了解决这一问题，通过分析迟滞余量和切换位置对乒乓切换率和切换成功率的影响，提出高速场景下基于位置信息的切换优化算法。该优化算法将迟滞余量与终端位置建立一次减函数关系，利用迟滞余量随终端远离源基站呈递减的趋势，解决在重叠带不同位置使用相同迟滞余量时所引发的乒乓切换触发率提高或切换成功率降低的问题。仿真结果表明，所提出的基于位置信息的切换优化算法与速度优化算法相比，可以实现在提高切换成功率的同时避免乒乓切换率增加。     

最小费用充电站选址问题的分支定界算法

电动汽车的充电站选址问题是当前社会的热点问题,其实质是组合优化中经典的NP-hard问题。基于最小开设费用对充电站选址问题进行研究,首先对该问题进行了数学建模,进而研究了该问题的数学性质并给予相应的证明,利用这些性质减小问题的规模,从而降低问题的求解难度;然后设计了上下界子算法以及降阶子算法,基于这些子算法提出了一种可以快速缩小问题规模同时得到最优解的分支定界算法,降低了时间复杂度,同时可以对解空间进行大量剪枝加快求解速度;最后通过分析和求解一个示例来进一步阐述所提算法的原理和执行过程。