基于新选择机制的萤火虫算法

虽然萤火虫算法已经得了广泛的应用,但仍存在收敛精度不高、后期收敛速度慢、易陷于局部最优的缺陷,针对这些缺陷,笔者提出了一种结合吸引度和个体距离的选择机制。通过对经典测试函数的实验仿真结果的分析表明,新的选择机制在收敛精度和避免过早陷于局部最优等方面得到了明显改善,提高了算法性能。     

多目标优化算法在团体操队形变换中的应用

针对利用彩排方式编排团体操,成本高且可控性差的问题,提出一种基于元胞自动机的改进多目标粒子群算法,并将其应用于团体操的编排。该算法以元胞空间为单位进行环境建模,引入群体自适应机制,通过粒子适应度和环境标记信息寻找目标点,同时加入归档机制,实现团体操队形编排。仿真实验结果表明,该算法提高了团体操队形变换过程的寻优性、收敛性以及与环境或其他个体的交互性。     

支持强化学习的协同进化算法研究

基于GA的三个主要遗传算子,借鉴生物科学中神经元相互刺激与抑制的量化关系,采用数.学模型描述了多个体协同式强化学习的动力学行为;同时对传统GA的进化计算方法进行一定改进,提出了支持强化学习的新的协同进化算法;最后,仿真实验数据表明新算法增强了智能搜索的能力,并加快了种群的收敛速度.     

基于本体的数据挖掘在电子商务安全中的应用研究

本文分析了防火墙、入侵检测、跨域授权和蜜罐等电子商务安全技术,针对计算机取证和入侵检测中数据繁多、格式不统一等弊端,提出了基于本体的数据挖掘模型,利用此模型实现了高精度的语义挖掘,根据挖掘结果提供了预警防范服务。