变异策略

摘要： 为了提高云制造环境下制造服务组合优化的效率,提出了一种基于改进北极熊算法的制造云服务组合优化方法。该方法对制造服务进行实数编码,并以服务功能和服务质量为评价指标,使用改进的北极熊算法对制造云服务组合优化问题进行求解,得到最优的服务组合方案。同时通过引入动态视野,对算法的局部搜索进行调整,并与遗传算法中的变异策略相结合,以提高求解多目标问题的效率,同时降低因初始参数影响而导致算法陷入局部最优的可能。算例分析表明,改进的北极熊算法在求解制造云服务组合优化问题上比原始北极熊算法、标准遗传算法、改进的灰狼优化算法和改进的粒子群优化算法具有更高的效率。

摘要： 萤火虫算法因具有结构简单、控制参数少、易于实现的特点而得到广泛的关注和应用,但其易陷入局部最优导致过早收敛,从而影响寻优精度。针对这一问题,本文在位置更新规则中加入随机扰动因子,并剔除了冗余的随机项,以提高算法搜索能力;引入位置置换变异和差分进化算法中的最优变异策略,在保持种群多样性的同时,增强算法跳出局部最优的能力。采用马尔可夫过程证明了算法以概率1收敛到全局最优。利用基准函数和装箱问题对算法进行仿真测试,结果表明,改进后的算法能够有效跳出局部最优,对给出的所有问题均能找到理论最优解,寻优精度和成功率有明显提升。

摘要： 光伏系统在遮阴等情况下,输出功率特性曲线会呈现出实时变化的多个峰值。为能准确且快速地追踪到最大功率点,提出一种融合变异策略的粒子群(MPSO)算法。将变异因子作为局部优化算子融入到粒子群算法之中,每次迭代过程中都会有一定数目的变异粒子产生,使每次的搜索范围扩大;在各粒子之间进行充分的信息交流后,可以准确地搜索到最大功率点。通过MATLAB/Simulink搭建仿真平台,仿真结果表明,融合变异策略的粒子群算法,在局部阴影情况下能够更加快速地收敛到最大功率点。

摘要： 为了有效地求解0-1背包问题,提出了改进探路者算法(IPFA)。首先,对种群个体进行二进制编码,把连续问题变为离散问题,然后,使用探路者算法进行寻优,并结合贪心修复与优化算法(greedy repair and optimization algorithm,GROA)修复不可行解和对解进行优化,通过变异策略来增加种群的多样性。仿真实验结果表明,提出算法比其他3个算法具有更好的全局寻优能力、更快的收敛速度和较强的稳定性。

摘要： 蝴蝶优化算法是近年来提出的一种新型自然启发式算法。针对基本蝴蝶优化算法收敛速度慢、求解精度低、稳定性差等问题,提出了一种融合变异策略的自适应蝴蝶优化算法。通过引入动态调整转换概率策略,利用迭代次数和个体适应度的变化信息动态调整转换概率,有效维持了算法全局探索与局部搜索的平衡;通过引入自适应惯性权重策略和局部变异策略,利用惯性权重值和混沌记忆权重因子进一步提高了算法的多样性,有效避免算法早熟收敛,同时加快了算法的收敛速度和求解精度。利用改进算法对12个基准测试函数进行仿真实验,与基本蝴蝶优化算法、粒子群算法、樽海鞘群算法、灰狼优化算法等其他算法对比表明,改进算法具有收敛速度快、寻优精度高、稳定性强等优异性能。

摘要： 为了解决传统花授粉算法(FPA)收敛速度慢、易陷入局部最优、寻优精度低等缺陷,提出了一种t-分布扰动策略和变异策略的花授粉算法(tMFPA).首先利用混沌映射初始化花朵个体的位置,然后在全局授粉过程中,利用t-分布扰动的随机个体和莱维飞行共同实现个体位置更新,加快收敛速度的同时提高搜索空间的多样性;在局部授粉过程中,加入具有两个差分向量的变异策略和小概率策略,结合两种策略使算法能够跳出局部最优.实验结果表明,tMFPA相比于FPA和其他启发式智能算法具有更好的寻优精度和收敛速度,相对于其他改进算法具有更好的收敛性能.

摘要： 差异进化算法在解决复杂问题时有着独到的优势,其算法也在不断被改进,但大部分改进算法只利用了搜索空间或适应度空间的单一信息.基于距离选择和适应度排序,提出一种改进的变异选择方法,将部分个体的选择通过综合个体间距离和适应度排序信息得到,该方法改变了经典差异进化算法的变异步骤,可以直接融入常用变异策略中.使用CEC 2017超多目标优化竞赛提供的函数集,从邻近组比例和问题维度对算法的性能影响进行分析和实验,结果表明,邻近组比例与变异策略中的扰动个数有关,最优邻近组比例下的改进算法比已有算法具有更好的运算能力,并且问题越复杂优势越明显.

摘要： 新冠病毒的变异策略一项于2021年2月3日发表在Science上的研究称,新冠病毒可以通过有选择性地删除小部分基因序列来逃避免疫应答。如果删除的部分正好位于编码刺突蛋白的基因片段,曾经有效的中和抗体便无法再抓住病毒。

摘要： 针对标准鸡群算法在求解复杂优化问题时存在求解精度不高、易陷入局部最优等问题,提出一种采用自适应搜索和变异策略的改进鸡群算法(ICSO-ASV).该算法通过使用改进双控制系数使母鸡群体进行自适应搜索计算,通过分别在公鸡群体和小鸡群体中加入自适应变异因子来抑制算法可行解的多样性衰减.同时,该算法使用母鸡群体的改进双控制系数约束公鸡群体和小鸡群体的变异因子,三者形成的耦合机制能够进一步加强群体交流协作,进而增强算法全局搜索能力.基准测试函数的结果分析表明,ICSO-ASV算法较多种对照算法均具有更好的寻优性能,有效提高了算法的收敛速度和求解精度.

摘要： 针对灰狼优化算法(GWO)在求解复杂优化问题时容易出现收敛速度慢和早熟收敛等缺点,提出了一种改进收敛因子和变异策略的新型灰狼优化算法(C MGWO).为了平衡GWO算法的全局探索能力与局部开发能力,设计了一种基于反余弦函数变化策略的收敛因子;为了进一步提高算法跳出局部最优解的能力,提出了一种新的位置变异策略.仿真实验结果表明,与已有的3种智能优化算法和5种典型改进灰狼优化算法相比,改进算法具有更快的收敛速度和更高的寻优精度,更适用于解决各种函数优化问题.

摘要： 针对算法收敛速度慢、搜索盲目性大等不足,引入了自适应步长、路径交换邻域搜索和差分进化算法的变异策略,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精准度;算法到后期搜索平坦化,引入遗传算法中的交叉与变异行为,增加了种群多样性,提高了算法的全局稳定性.将改进的算法运用到桥式起重机主梁中进行优化并运用ANSYS进行力学分析,实例检验了算法的可行性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义.

摘要： 针对目前蛙跳算法应用到入侵检测特征选择时均存在容易陷入局部最优、迭代后期收敛速度慢等问题,提出一种基于自适应蛙跳算法的特征选择方法,采用了自适应的变异策略,采用层次分析法自适应调整各影响参数权重以及建立模糊判断矩阵选择调整参数概率来改进蛙跳算法,实验结果表明改进的算法显著提高了收敛性能,并且具有很强的自适应能力,对不同类型攻击检测具有比较好的均衡性,并且能够保证较高检测率与较低的误报率.

摘要： 根据蚁群算法与遗传算法的特性,提出了求解旅行商问题的混合算法。首先由遗传算法生成信息素分布,然后由蚁群算法根据累计更新的信息素找出若干组解后,再经过遗传算法的交叉、变异操作,得到更有效的解.与模拟退火算法、标准遗传算法、蚁群算法和随机初始化的蚁群算法进行比较,16 种混合算法效果都比较好,其中交叉策略B和变异策略B的混合算法效果最好。

摘要： 本发明公开了一种基于滤波策略的高容错基因组复杂结构变异检测方法，对SAM格式的输入文件进行预处理，遍历最优质量比对读段中的CIGAR字段；根据比对后的CIGAR字段和变异分数计算准则，计算出各个位点在当前读段对应的变异分数，并将其预先保存在每个位点的变异分数集合中；统计每个位点的变异分数集合中的平均数当作该位点最终的变异分数并得到此样本的变异分数函数；对变异分数函数进行卡尔曼或高斯滤波，得到滤波降噪后的变异分数函数；依照滤波后的变异分数函数，设定阈值并分离出结构变异区域，提取特征；训练支持向量机(SVM)模型，再用训练好的SVM模型对结构变异区域分类并得到复杂indel结果集。本发明解决测序错误对结构变异的确定产生的干扰。

摘要： 本申请提供了基于变异策略的网络设备并发模糊测试方法及装置。在本实施例中，通过将正常数据包转换成用于对目标网络设备进行模糊测试的变异请求包，并向目标网络设备并发N个不同变异请求包，在收到的至少一个响应包携带目标网络设备异常的内容，或者当前侦测到目标网络设备异常，则暂停并发变异请求包，之后若侦测到目标网络设备从异常恢复为正常，则按照串行的方式将暂停并发变异请求包时已发送的至少一个变异请求包重新发送至所述目标网络设备，以确定出使目标网络设备异常的变异请求包，并基于该确定出的变异请求包消除目标网络设备存在的安全漏洞，这实现了自动化地基于变异策略的网络设备并发模糊测试。

摘要： 本发明提供一种基于路径感知变异策略的模糊测试方法。该方法包括：步骤1：对插桩后的测试程序进行检测，判断是否检测到魔术字节：若是，则执行步骤2；步骤2：若检测到魔术字节，则在共享内存中记录；步骤3：继续对插桩后的测试程序进行检测，采用基于启发式的方法判断是否突破魔术字节：若是，则将该魔术字节及其偏移量加入全局映射；若否，则执行步骤4；步骤4：继续对插桩后的测试程序进行检测，判断是否经过magic变异：若是，则调用原始变异策略进行变异，返回步骤1；若否，则调用魔术字典策略进行变异，返回步骤1。本发明摆脱了依靠动态分析技术突破检查点过程中所带来的巨大开销问题，且可提升模糊测试效率。

摘要： 本公开提供一种基于优化变异策略的漏洞检测检测方法、装置、设备及介质，方法包括：获取目标应用程序的源代码；对源代码进行编译和插桩，得到源代码的结构中每个分支的内部变量和判断条件，并形成分支‑内部变量映射关系；对目标应用程序的输入变量所包括的各输入字节进行逐字节变动，确定源代码中随变动的所述输入字节发生变化的内部变量，得到输入字节‑内部变量映射关系；基于分支‑内部变量映射关系和输入字节‑内部变量映射关系生成关于输入字节的优化变异策略；基于优化变异策略对源代码进行模糊测试，得到漏洞检测结果。根据本公开，实现了对应用程序的源代码快速漏洞检测，从源头上保证了应用程序的安全，提高了漏洞检测效率。

摘要： 本发明公开了一种基于变异策略的并行模糊测试调度方法及装置。本方法为：1)对模糊测试器中用于生成测试用例数据的变异策略进行静态分配，为并行的不同测试实例分配不同的变异策略；2)各测试实例根据分配的变异策略生成测试样本对设定目标程序进行模糊测试过程中，收集不同变异策略对该目标程序作用时产生的异常数目和测试覆盖率信息；3)根据各变异策略对应的异常数目和测试覆盖率信息，计算各变异策略对该目标程序的优势权重；4)根据变异策略的优势权重建立并行调度模型，动态优化并行模糊测试调度方案。本发明利用优势变异策略来优化不同目标程序的并行模糊测试执行效果，具有普遍适用性。

摘要： 本发明公开了一种基于变异策略的深度学习输入集优先级测试方法，本发明方法采集原始图像数据集与测试输入数据集，并预训练深度学习模型，通过对原始样本的变异或对原始模型的变异，通过变异样本对于原始模型的预测输出置信度或原始样本对于变异模型的预测输出置信度，计算优先级值来实现对输入样本集合的优先级从小到大排序。本发明方法具有良好的适用性，能够有效的对测试级进行优先排序，能在短时间内筛选出最可能导致模型出现潜在错误的样本。

摘要： 本发明公开了一种基于多变异策略的变异算子NAA，优化了NSGA‑III算法的性能。基于多变异策略的变异算子充分利用变异算子在不同迭代周期的优势，并将种群中个体的适应度值引入突变概率中，提高变异算子的性能。迭代的初期，采用均匀变异算子，根据均匀变异具有很强的全局搜索能力，在搜索的初期扩大种群的多样性；迭代的中期，采用自适应变异算子，并根据个体的适应度值来控制突变的概率，引领个体朝着更好的方向进行突变；迭代的后期，采用多项式变异算子，将个体的适应度值引入突变概率，根据多项式变异的扰动效果，加速整个变异的收敛性能。并将该算子应用到其他的高维多目标优化算法上进行测试，在一定程度上也能表现出较好的性能。

摘要： 本发明公开了一种对AFL模糊测试器种子变异策略的优化方法，首先，对于语料库队列中的每一个种子文件，遍历其每一个字节，监测改变后的测试文件是否导致被测程序产生新的路径或者导致崩溃；其次，将导致被测程序产生新的执行路径或者崩溃的字节标记为有效字节；最后，在后续对种子文件进行havoc随机变异时，根据有效字节数组进行选择性变异。本发明在AFL变异策略基础之上，使用有效字节数组的方式，减少了无效变异的次数，提高了模糊测试器的执行效率。

摘要： 一种基于混合变异策略的网络协议漏洞挖掘方法，它属于网络协议的漏洞挖掘技术领域。本发明解决了现有网络协议漏洞挖掘方法对未知网络协议漏洞挖掘能力差，且现有网络协议漏洞挖掘方法仅仅针对于单个网络协议，无法适用于不同网络协议的漏洞挖掘问题。本发明基于改进的生成对抗网络模型和线下漏洞知识库指导生成样本数据变异以提高漏洞触发率，进而生成更有效、针对性更强的测试用例，减少对漏洞挖掘无效测试用例的生成，可以智能高效地挖掘出未知网络协议的漏洞。本发明方法适用于大部分不同网络协议，大大减少人工分析数据帧的时间，可以迁移应用在不同网络协议上。本发明方法可以应用于网络协议的漏洞挖掘。

摘要： 本申请提供了基于变异策略的网络设备并发模糊测试方法及装置。在本实施例中，通过将正常数据包转换成用于对目标网络设备进行模糊测试的变异请求包，并向目标网络设备并发N个不同变异请求包，在收到的至少一个响应包携带目标网络设备异常的内容，或者当前侦测到目标网络设备异常，则暂停并发变异请求包，之后若侦测到目标网络设备从异常恢复为正常，则按照串行的方式将暂停并发变异请求包时已发送的至少一个变异请求包重新发送至所述目标网络设备，以确定出使目标网络设备异常的变异请求包，并基于该确定出的变异请求包消除目标网络设备存在的安全漏洞，这实现了自动化地基于变异策略的网络设备并发模糊测试。