贝叶斯网参数学习中连续变量离散化方法研究

连续变量离散化是贝叶斯网络参数学习中面临的一个重要问题,它的好坏将直接影响到贝叶斯网络的推理效果。目前缺少一种有效的手段用于评价连续变量离散化的好坏,通过研究,提出了推理信息量的概念,并采用作为衡量连续变量离散化好坏的标准。在连续变量离散化的过程中,采用遗传算法通过迭代的方式寻求最优解,其中,推理信息量作为衡量个体适应度的标准。实例分析证明,推理信息量大的推理效果好要优于推理信息量小的推理效果。     

支持MCO的算法组件化设计与调度方法

多方法协作优化是解决复杂系统优化问题的一种有效途径,但在实际应用中,算法开发以及算法调度运行不能有效支持多方法协作优化方案的自动执行。为此,通过分析面向对象的组件技术,提出一种基于组件的优化算法,给出优化算法组件的接口规范及其运行机制,在优化算法组件化设计的基础上,借鉴并行分布计算领域中有向无环图调度的思想,提出多方法协作优化方案的调度运行算法,并通过一个算例演示该调度算法的一般过程。     

电子大赛交流文章不用单片机的智能往返小车的设计与制作

智能往返小车控制电路大多是基于单片机的,本文介绍的基于模\数电路的小车控制。较之单片机控制电路有如下特点:1)电路简单,器件成本低;2)无须编程,亦不用考虑接口、抗干扰等问题。读者通过此电路的制作,能更好地掌握基本模、数器件的应用及电路设计。同时,给低年级电子专业学生以启示,基本模数电路也能完成较复杂的控制。     

约束优化问题的改进遗传算法设计

遗传算子是影响遗传算法优化效果的重要因素,针对目前遗传算法研究中对约束优化问题求解的不足,提出基于退火思想的退火选择算子和加权适应度算子,并给出了退火选择算子和加权适应度算子设计方法及其计算过程.在此基础上与现有的遗传算子结合,提出一种新的改进遗传算法,分析了改进遗传算法与基于罚函数遗传算法之间在原理上的区别.最后以两个测试函数为算例对算法进行了性能测试,结果表明改进的遗传算法具有良好的优化性能,能获得更好的优化结果.     

时间约束优化问题的解空间压缩方法研究

在对时间约束优化问题的求解中,普通优化方法的计算效率较低。为此,提出一种时间约束优化问题的解空间压缩方法。获得其对偶时间约束网络,结合路径一致性的求解方法,判断可行解的存在性并剔除非可行解。实验结果表明,该方法能有效减少迭代次数,提高计算效率。     

基于点图的作战任务时间协同一致性检验方法

针对作战计划制定过程中任务时间协同一致性的问题,提出基于点图推断并校验时间的方法。构建描述作战任务时间协同关系的点图模型,通过顶点聚合运算、顶点折叠运算和顶点时间运算3种基本运算进行检验,给出了作战任务时间协同一致性检验方法,并结合测试案例对方法的有效性进行验证。验证结果表明,该方法能有效地检验作战任务时间协同的一致性。     

战时多阶段备件供应保障优化

战时备件供应保障优化研究战时备件在供应保障网络中如何配置以及储运的问题。根据网络的层次性及作战的时序性,抽象出一个典型的多阶段三级战时备件供应保障系统的规划模型。针对战时作战单元对备件需求的不确定性,在确定性规划模型基础上给出了战时备件供应保障系统的机会约束规划模型,最后给出了采用随机模拟的遗传算法求解模型的步骤,并给出了应用实例。     

引入学习机制的自适应遗传算法设计与实现

目前遗传算法研究中,缺乏对历代群体进化规律的充分利用,因此引入学习机制,设计反映个体自主学习进化规律的自适应算子,并且结合现有的改进遗传算法,提出一种新的自适应遗传算法。最后以两个通用的测试函数为例对算法进行性能测试,结果表明,在采用相同参数的条件下,自适应算子能够以较低的代价提高遗传算法的收敛速度,并获得更好的最终优化结果。