选择算子

摘要： 遗传算法是密码分析的一种有效方法,其中选择算子决定选择哪些个体进行交配以及每个被选择的个体产生多少后代。针对传统的遗传算法选择算子收敛速度慢、效率不高的问题,通过分析传统的选择算子的理论及其优缺点,提出能够产生较好收敛速度的两种改进选择算子。实验结果表明,改进的选择算子可以提高遗传算法的收敛速度、缩短破译时间,大大提升基于遗传算法的密码分析效率。

摘要： 随着网络信息化的发展,电商物流也随着网络购物规模的增大而快速发展,然而自动化立体仓库货位分配的问题直接影响着电商物流中心的效率和效益。由于电子商务仓储的繁杂性以及货物的多样性,电商仓储的货位分配至关重要。文中根据仓储货物的入库效率、拣货最佳路径选择以及货架稳定的原则来确定自动化立体仓库优化模型,通过引入无放回的基于排序的多轮盘赌选择算子的遗传算法对建立的货位分配模型进行求解分析,并且通过仿真案例对构造的模型、方法进行验证。对比改进的遗传算法与基本遗传算法的优化结果证明,改进的遗传算法能有效提高货物出入库效率和货架的稳定性。

摘要： 解决问题的过程分为四个阶段:理解问题、选择算子、应用算子和结果评价,与此对应的认知过程分别为问题表征、模式识别、解题迁移和解题监控。解题的认知过程是一个动态循环过程,前三者是从问题思考到问题解决的过程,而解题监控则是整个认知过程的调控者。基于此,现展开对本题的解法探究。

摘要： 为有效解决城市消防站建设成本高和空间资源浪费大等问题,提供更好应急服务,提出一种基于遗传算法(GA)的消防站选址规划模型(GAFLP).在消防站选址过程中,布局安全与建设成本是两个不可调和的矛盾,由于消防站建设成本极高,城市应建设适当数量的消防站,使其覆盖所有火灾需求点的同时,尽可能最小化建设成本.该模型通过对传统遗传算法进行自适应改进,可自行优化消防站个数与位置,克服现有解决方案中需事先确定消防站数量的缺陷,能有效平衡消防站布局安全性与经济性两方面矛盾,优化消防站布局.

摘要： 针对癌症基因特征提取问题,根据遗传算法中不同迭代时期的种群特性,设计了新的突变方法.多突变基因库与种群代数相关的设计,使得算法能够较快地收敛到最优解而又避免其过早陷入局部最优解中;选择算子中包括个体对种群的基因丰富度贡献;针对种群中大量的重复个体,加入重复控制,去除重复个体,提高个体与种群基因的多样性.算法在几种实验数据集上均取得了较好的结果.

摘要： 针对在光照复杂环境下裂缝检测困难的问题,提出改进遗传规划的混凝土表面裂缝检测算法,将训练集图像进行光照的归一化处理,消除光照影响,根据裂缝图像特征筛选出训练集,利用改进选择算子的遗传规划算法训练图像处理模型,使用图像处理模型对图像裂缝进行提取并去除块状干扰得到最终检测结果.仿真结果表明,改进选择算子能在保证裂缝检测精度的情况下,加速图像处理模型的训练时间,能够精确、快速、有效地检测出混凝土表面裂缝.

摘要： 为了解决非预先指定起点的单起点、闭回路且目标函数最长、路径最短的多旅行商问题,提出一种融合杂草算法繁殖机制的可寻址混合单亲遗传算法.该算法首先给出了一种新的编码方式,可在种群初始化时产生含有随机配送中心的个体,同时算法采用杂草算法的繁殖机制产生子代,从而加快收敛速度;然后采用改进的单亲遗传操作对路径进行寻优;最后采用混合选择算子对群体进行求解精度选择,避免算法陷入早熟收敛.为验证所提出的改进算法的有效性,采用Matlab对TSPLIB数据库中若干不同规模的实例进行仿真.实验结果表明,该算法在寻找最佳配送中心和最短路径方面具有良好的性能,且能在旅游路径规划问题上得到良好的应用.

摘要： 语音情感识别日益受到人们的关注,在社会生活中发挥着重要作用.为了提高语音情感的识别率,提出一种改进的灰狼算法(Grey Wolf Optimizer,GWO)优化支持向量机(Support Vector Machine,SVM)的分类模型(IGWO-SVM).介绍了灰狼算法的基本理论;嵌入选择算子和引入非线性收敛因子来提升IGWO的寻优性能;采用IGWO优化SVM参数,进而建立语音情感的分类模型.通过10个基准测试函数的仿真实验,验证了IGWO性能优于GWO.对于参比模型,IGWO-SVM模型能够有效提高语音情感的识别率.

摘要： 本文阐述了基本遗传算法(SGA)存在的一些缺陷,从初始群体的产生,交叉变异算子,选择算子及重要参数的选择四个方面总结了国内外相应的改进方法,最后结合这些缺陷介绍了几种改进的遗传算法.

摘要： 本发明涉及一种用于通过优化质量标准从一组图像动态范围转换算子之中选择图像动态范围转换算子的方法，每个图像动态范围转换算子(TMOi)被应用(10)于原始图像(l1)以获得动态范围低于原始图像的动态范围的被称为修改的图像(/i2)的图像，其特征在于，针对每个图像动态范围转换算子(TMOi)计算所述质量标准(Qi)作为从对通过所述图像动态范围转换算子(TMOi)修改的(/i2)原始图像进行编码和解码之后的重构的版本(/i3)计算出的失真(Di)的函数。

摘要： 本发明公开了一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，其特征在于，包括：构建各位决策者对供应商属性评价的决策矩阵；通过基于交叉熵的权重优化模型得到IVIFCOWA算子相关联的权重向量即供应商属性的位置权重；通过决策者权重以及供应商属性的位置权重，将各位决策者在不同方案下对供应商属性评价的信息通过IVIFCOWA算子进行融合得到综合决策矩阵；对所述综合决策矩阵的每一行进行集结，根据集结结果得到各个供应商的得分，通过得分值最获取供应商排序结果。该方法通过决策者权重及位置权重对决策者给出的评价信息进行数据融合得到决策者综合评价信息，根据综合评价信息获得最优供应商。

摘要： 基于EFO‑AOA混合算子的特征选择算法，将数据集分为训练集和测试集，并为一组表示特征选择FS目标特征的个体设置初始值；计算每个特征个体的布尔逻辑值，并根据布尔逻辑值对应的特征计算适应度函数值；确定每个特征个体的适应度值，并将具有做优适应度值的个体作为最佳特征个体使用，在迭代更新时，EFO算子通过主动电定位与被动电定位以发现包含最优解的可行区域；根据随机概率，使用AOA运算符执行运算策略，再次执行更新特征的过程，迭代至达到停止标准为止。通过最优目标特征个体的布尔逻辑值中的对应特征，来减少测试集的维度。该算法解决了在高维特征筛选中会出现的收敛速度慢和陷入局部极小的问题，且在准确度和冗余度降维方面均表现出了显著的性能。

摘要： 本发明公开了一种改进的加权核范数最小化和Laplace算子选择性增强的遥感影像去噪方法；首先加权核范数最小化去噪方法需要对含噪影像中的高斯噪声的噪声方差进行预估，本发明利用改进的加权核范数最小化方法对含有噪声的遥感影像去噪处理，再针对局部区域平滑过度的现象利用平滑块判断准则结合四邻域Laplace算子将平滑区域选择性增强，以恢复一部分被平滑的边缘细节信息，在提高去噪能力的同时相对提高图像边缘纹理和几何结构信息的保留能力。最后，对比不同方法去噪后的视觉效果图和方法噪声，并使用峰值信噪比和结构相似性作为去噪效果的评定标准，结合Canny算子对不同方法处理后的影像边缘进行提取，对比边缘保留的效果。

摘要： 本说明书实施例提供了一种选择算子确定方法、策略组合优化方法及装置。在选择算子确定方法中，确定选择策略组合时的目标条件和约束条件，基于目标条件和约束条件构建待确定的选择算子，选择算子包含若干个基算子和对应的待确定的系数，确定系数的多组系数取值，得到对应的待选选择算子，针对任意一个待选选择算子，利用多个风险用户样本和该待选选择算子，从第一策略总集中选择识别效果评分最高的策略组合，并确定策略组合对应的识别结果的目标值，作为该待选选择算子对应的目标值，当得到多组待选选择算子和对应的目标值时，将满足预设优选条件的目标值对应的待选选择算子，确定为选择算子。

摘要： 本说明书实施例提供了一种利用机器学习的选择算子确定、策略组合优化方法及装置。在该方法中，基于选择策略组合时的目标条件和约束条件构建待确定的选择算子，其中包含若干个基算子和对应系数；确定系数的多组第一取值和对应的待选选择算子，针对任意一个待选选择算子，利用多个风险用户样本和该待选选择算子，从策略总集中选择识别效果评分最高的策略组合，并确定策略组合对应的识别结果的目标值；将多组第一取值作为训练样本，将目标值作为标注值训练机器学习模型；确定系数的多组第二取值，将多组第二取值输入训练后的机器学习模型，得到多组预测的目标值；基于已得的目标值中满足预设优选条件的目标值和对应的系数取值，确定选择算子。

摘要： 本发明改进选择算子的NIDS多媒体包多线程择危处理方法，步骤是：1)从初始多媒体包序列中对危险系数设定，标记负载；2)找出危险系数最高的多媒体包及危险系数；3)按照危险系数排序；4)计算排序后多媒体包危险系数总和；5)计算每种类型多媒体包被选取概率；6)通过轮盘赌选择算法得到新多媒体包序列；7)编码；8)交叉变异运算；9)找出危险系数最高、最低的多媒体包及危险系数；10)比较用危险系数；11)替换新的多媒体包序列中危险系数最低的多媒体包；12)重复步骤3‑步骤11，产生更新的多媒体包序列；13)按负载大小降序排列，向系统各线程中加入多媒体包序列；14)将超出的多媒体包安装到下一线程中。

摘要： 本说明书实施例提供了一种利用机器学习的选择算子确定、策略组合优化方法及装置。在该方法中，基于选择策略组合时的目标条件和约束条件构建待确定的选择算子，其中包含若干个基算子和对应系数；确定系数的多组第一取值和对应的待选选择算子，针对任意一个待选选择算子，利用多个风险用户样本和该待选选择算子，从策略总集中选择识别效果评分最高的策略组合，并确定策略组合对应的识别结果的目标值；将多组第一取值作为训练样本，将目标值作为标注值训练机器学习模型；确定系数的多组第二取值，将多组第二取值输入训练后的机器学习模型，得到多组预测的目标值；基于已得的目标值中满足预设优选条件的目标值和对应的系数取值，确定选择算子。

摘要： 本说明书实施例提供了一种选择算子确定方法、策略组合优化方法及装置。在选择算子确定方法中，确定选择策略组合时的目标条件和约束条件，基于目标条件和约束条件构建待确定的选择算子，选择算子包含若干个基算子和对应的待确定的系数，确定系数的多组系数取值，得到对应的待选选择算子，针对任意一个待选选择算子，利用多个风险用户样本和该待选选择算子，从第一策略总集中选择识别效果评分最高的策略组合，并确定策略组合对应的识别结果的目标值，作为该待选选择算子对应的目标值，当得到多组待选选择算子和对应的目标值时，将满足预设优选条件的目标值对应的待选选择算子，确定为选择算子。

摘要： 本发明公开了一种基于混合概率选择算子的CRPF方法，首先随机产生N个实数作为系统状态的样本，所述样本称为粒子，并定义每一粒子对应的代价值均为0，由所述样本与代价值组成的集合称为粒子—代价集合；同时，分别随机产生粒子组成1号子集合与2号子集合，每一个子集合的数量为N；分别计算所有子集合中粒子的代价函数值、风险函数值及权值；对子集合进行重采样、更新、信息交互、粒子选择操作，得到最终的粒子—代价集合并对所得到的集合进行更新；最后系统滤波，最终得到系统状态的最优估计值。本发明解决了现有技术中对噪声统计特性未知系统滤波准确度较低的问题。