关于电力企业员工激励的一些思考

激励问题作为人力资源管理的核心已成为决定企业成败的重要因素。积极创新员工激励手段，构建科学有效的激励机制，充分发挥人才在电力企业的作用，有利于保障电网的安全可靠运行，实现电力企业的可持续和谐发展。本文就电力企业员工激励现状进行分析，并对如何创新员工激励手段进行深入思考，提出一些想法。     

基于学习者画像的数据库课程教学改革研究

针对现有数据库基础课程教学无法满足学生多样化需求为背景,本文引入问卷调查获取学生个性化特征,根据学习者的基本信息、行为数据、态度数据以及学习结果对其进行画像,将具有相同学习行为的学生形成群体,按学生个人能力和需求给予个性化教学,并及时对学生学习过程进行干预,设计形成以人为本的差异性和多元化数据库课程教学新模式。     

变步长自适应的改进人工鱼群算法

针对人工鱼群算法在函数优化中存在陷入局部最优、后期收敛速度慢及结果精度不高等问题,通过改进鱼群算法中觅食行为及自适应调整人工鱼步长,提出了一种变步长自适应的改进人工鱼群算法。证明了该算法的全局收敛性,从而增加了其理论基础。最后,10个标准函数测试结果表明,改进后的人工鱼群算法在跳出局部最优、收敛速度、精度和稳定性方面都优于原鱼群算法和萤火虫算法,在结果精度和稳定性方面优于文献[9,23,24]的方法。     

融合改进二元萤火虫算法和互补性测度的集成剪枝方法

差异性和平均精度是提高分类器集成性能的两个重要指标。增加差异性势必会降低平均精度,增大平均精度一定会减小差异性。故在差异性和平均精度之间存在一个平衡状态,使得集成性能最优。为了寻找该平衡状态,该文提出融合改进二元萤火虫算法和互补性测度的集成剪枝方法。首先,采用bootstrap抽样方法独立训练出多个基分类器,构建原始基分类器池。其次,采用互补性测度对原始基分类器池进行预剪枝。接着,通过改进萤火虫的移动方式和搜索过程,引入重新初始化机制和跳跃行为,提出改进二元萤火虫算法。最后,采用改进二元萤火虫算法对预剪枝后的基分类器,进行进一步剪枝,选择出集成性能最优的基分类器子集合。在5个UCI数据集上的实验结果表明,较其他方法,使用较少的基分类器,获得了更优的集成性能,具有良好的有效性和显著性。     

二元蚁群优化算法研究综述*

二元蚁群优化算法作为蚁群算法改进的一种,其独特的随机二元网络结构在离散域及连续域优化问题中均得到较好的应用,但探索和利用的冲突、单一种群寻优的局限性以及算法评价次数的增加均限制了二元蚁群算法更好的发展。从一维细胞自动机入手,首先对二元蚁群优化算法的基本模型进行描述,然后讨论了近年来对二元蚁群优化算法的若干改进及应用;最后评述了二元蚁群优化算法未来的研究方向和主要研究内容。     

连续空间二元粒子群算法理论研究综述

连续空间的二元粒子群算法通过搜索空间与解空间相分离,在离散域及连续域优化问题中均得到较好的应用,但标准二元粒子群算法离散化机理存在的缺陷以及"探索"和"利用"的冲突均限制了二元粒子群算法更好的发展。从离散化机理的改进、算法的融合、协同控制以及算法的描述工具等方面入手,讨论了近年来对二元粒子群算法的若干改进及应用;最后评述了二元粒子群算法未来的研究方向和主要研究内容。     

n元蚁群算法求解组卷问题

组卷问题是一个多约束目标问题的求解。通过分析组卷的数学模型及目标函数,抽象出组卷模型实质是一个多目标线性规划模型,并在二元蚁群算法基础上,设计了一种求解组卷问题的n元蚁群算法,并与贪心算法相结合,对非法个体进行合理化修正。实验结果表明,该算法很好的解决了一次产生多套满足要求的标准化试卷,具有较强的实用性。     

信息交互多任务粒子群算法

不同于现有的云平台和并行计算机等多任务处理方式,文中充分挖掘粒子群算法(PSO)的“隐”并行性,引入2种不同的信息交互策略——种群内信息交互和种群间信息交互,同时引入等级因子、标量因子和技能因子参数,在算法每次迭代过程中,始终让最合适的个体求解最合适的任务,提出信息交互多任务粒子群算法(IEPSOM). 对于多任务函数优化问题、多任务多约束工程优化问题及多任务关键指标体系构建问题的测试表明,在IEPSOM多任务环境中,有效信息的传递不仅可以提高解的质量,还可以加速各任务的收敛速度.     

基于细胞自动机模型的二元群智能算法研究

从一维有趣的Bug人工生命模型出发,并对该模型进行扩展,让agent(Ant或Particle)运动在一维细胞自动机上,通过设置细胞自动机中细胞的内部状态以及细胞的转换函数,提出了适于求解二元离散优化问题的二元蚁群算法和二元粒子群算法模型,这不仅体现了计算的本质,而且具有较强的实用价值!