分享到:

基于云模型的小生境MAX-MIN相遇蚁群算法

20世纪90年代初期,意大利学者Dorigo M等人通过模拟自然界中蚂蚁集体寻径的行为提出了蚁群算法(Ant Colony A lgorithm)[1],这是一种基于种群的启发式仿生智能算法。蚁群算法最早成功应用于解决NP难题中著名的旅行商问题(Traveling Salesman Problem,TSP)。它采用分布式并行计算机制,易于与其他方法结合,具有较强的鲁棒性[2]。近几年,蚁群算法开始引起了国内外专家学者的关注[3,4],但其易限于局部最优解、收敛速度慢的弱点一直制约着它在众多领域的进一步推广应用。作者对基本蚁群算法作了一系列改进,提出了一种基于云模型的小生境MAX-M IN相遇改进策略,使其能在较大搜索空间条件下避开局部最优解,从而在全局优化的实现过程中能够比较迅速地找到全局最优解。1基本蚁群算法的数学模型根据仿生学家长期的研究发现,蚂蚁虽没有视觉,但运动时会在路径上释放出一种特殊的分泌物———信息素(Pherom...  (本文共6页) 阅读全文>>

《河南科学》2007年03期
河南科学

支持向量机中核参数选择的Max-Min方法

支持向量机(support vector machines,SVMS)是20世纪90年代在Vapnik等人建立的以解决有限样本机器学习问题为目标的统计学习理论(SLT[)1]的基础上发展起来的一种新的学习机器.它是建立在统计学习理论的VC维理论和结构风险最小化原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以获得最好的推广能力[1-2].支持向量机是基于核的学习,其核心思想是在进行分类时,对于线性不可分的样本点集合,引进一个非线性映射,将原始空间的样本映射到高维特征空间中,使样本在此高维空间变成线性可分或近似线性可分,然后在此高维空间中进行线性分类(或其他线性算法),从而实现相对于原始空间的非线性分类算法.在这些算法中,关键是引入了核函数,这是由于样本点之间的内积能作为它们在空间中位置关系的度量,而满足Mercer条件的核函数描述的正是两个样本点在高维特征空间中的内积,因此核函数反映了高维特征空间中任意两...  (本文共4页) 阅读全文>>

《计算机科学》2016年S1期
计算机科学

基于Max-Min模型的无线体域网路由协议

本文受重庆市基础与前沿研究计划项目(cstc2013jcyjA40024)资助。无线体域网,一种新型的智能监测系统,在医疗、健身、娱乐、军事和电子产品等领域中引发了一股个性化的、先进的和综合的应用浪潮。它是由人体体表或植入人体内的传感器以及sink节点共同形成的一个无线传感器网络(WSN),其重要应用是医疗监测。在具体的医疗监测中,WBAN通过人体的传感器来采集人体的生理信息,并由sink节点将这些信息发送到远程服务器,从而获取到相应的诊断响应。WBAN的出现使慢性病人或有潜在健康危险的人不需要一直待在医院也可以随时监测到身体的各种生理参数,从而了解其身体状况。最近几年WBAN已经在医疗保健领域表现出越来越大的优势,也吸引了国内外很多学者的目光。然而WBAN中传感器的能量是有限的,它们几乎是不可充电和不可替换的,尤其是那些植入人体内的传感器。因此如何设计一个WBAN的高能效路由协议成为一个很有挑战性的工作。在过去几十年里,人们对...  (本文共5页) 阅读全文>>

《电信科学》2010年12期
电信科学

分层多播中加权max-min公平准则的研究

针对分层多播会话与TCP会话共存网络的公平性问题,本文提出了一种新的加权max-min公平准则。定义了分层多播加权max-min公平的概念,给出了具体的分层算法,为分层多播在公平性原则下的有效实施提供了保障。(1.贵阳学院计算机科学系贵阳550005;2.南京邮电大学江苏省通信与网络技术工程研究中心南京210003)1引言近年来,随着Internet的快速发展,出现了视频点播、电视会议、远程教学、计算机协同工作等新业务,如果依靠传统的点到点通信方式来传送这些新业务,不仅浪费了大量的网络带宽,而且效率很低。针对这个问题,能有效利用现有网络带宽的多播技术便随之出现,并得到了迅速发展。多播是一种点到多点(或多点到多点)的通信方式,即多个接收者同时接收发送源发送的相同信息。由于多播能较好地满足接收者的异构性,因此多播技术的出现推动了各种计算机网络中媒体业务的应用,多播拥塞控制技术也因此成为了当前研究的热点[1]。为了更好地解决多播通信中...  (本文共5页) 阅读全文>>

《海军航空工程学院学报》2010年05期
海军航空工程学院学报

一种可靠性增长试验抽样数Max-Min准则的反馈修正方法

成败型航空产品可靠性增长试验抽样数的研究是可靠性增长试验规划的一个重要方面。1992年,美国国防部科学顾问Seglie E.A教授在一篇武器系统研究报告中首次提出成败型产品的可靠性增长试验问题[1]。此后,这一问题引起许多学者的关注,纷纷开始进行相关研究。1996年Mu-Yeh Huang提出了MYOPIC可靠性增长试验规划模型[2-3]。受他的启发,其他学者发展了不同的序惯决策模型。1997年和2003年Gaver D.P.教授以导弹研制试验为例,从消除产品失效模式角度提出和发展了一种Max-Min模型,并建立Bayes分析方法,得到产品研制试验的最佳试验量[4]。国内对这一问题研究较少。国防科大刘飞等针对固体火箭发动机开展了成败型产品可靠性增长试验规划研究,引入了Max-Min模型,取得了良好效果[5]。本文从航空发动机部件系统性缺陷数角度结合试验数据的分析处理建立数学模型,在初始故障数分别服从二项分布、泊松分布、几何分布的...  (本文共5页) 阅读全文>>

《计算机工程与应用》2012年16期
计算机工程与应用

应用Max-Min策略的物联网社区构建方法

1引言近年来,以泛在服务为目标的物联网(Internet ofThings,IOT)正成为学术界和产业界双重关注的热点之一[1]。物联网是将信息空间扩展到物与物的彼此交流的动态的服务网络,其节点主要特征包括:(1)海量性;(2)动态性;(3)连接关系的复杂性;(4)能量的受限性;(5)感知性。物联网节点的能量消耗决定了网络的生存空间,感知性也决定了提供的覆盖信息的服务质量。这种网络的本质是通过泛在网络实现泛在服务。而服务社区则是向用户提供服务的重要途径。但是构建物联网服务社区需要解决以下问题[1]:(1)怎样从海量的节点中提取出符合服务特征的节点;(2)如何建立模型能够充分表达各节点间的直接和间接的连接关系;(3)怎样寻找到在时空非向量空间中直接操作的算法。目前,针对传统服务社区的构建问题,已有的解决方法主要包括三类:一是采用分级聚类算法,如Girvan and Newman’s算法,Newman算法和CONGA算法等经典的算法...  (本文共5页) 阅读全文>>