随机搜索

摘要： 近年来海洋观测技术快速发展,水下目标检测在军事防御、水下资源勘探、海洋环境保护以及水产养殖、渔业等海洋经济领域发挥了重要作用。在水下目标检测领域,常用检测模型对尺度差异大的目标检测效果较差。针对这个问题,本文提出采用改进Cascade RCNN算法对水下目标进行检测。该算法在深度网络Cascade RCNN的基础上,选用残差神经网络Res Net50作为模型的骨干网络、特征金字塔网络(FPN)作为特征提取方式,并通过随机搜索的方法调整超参数,显著提升了下水下目标检测的精度。

摘要： 求解过必经点集的最短路径问题已有多种算法,但其应用到在具有额外硬约束限定条件的场景时存在不足。针对此类问题,提出一种基于深度优先搜索发展的随机搜索算法,由使用者依据现场情况给出数学描述,建模抽象为无向带权图表示;依据路径规划要求定义相关变量,包括路径规划的起点、终点、必经点集以及额外硬约束条件,图信息和节点信息以邻接矩阵的形式保存;搜索过程中对路径的可行性加入额外硬约束条件进行实时判定,最终获得最短路径解。实验仿真和实测结果表明,该算法能有效规避额外硬约束条件下的中间路径,生成合理的最短路径,改善相关问题的可求解性。

摘要： 当前通常利用潜艇搜索模型计算研究UUV的搜索能力,然而UUV等小型水下平台在能源及尺度方面受限,其声呐数量较少且配置位置相对受限,若不加区分的采用潜艇搜索模型,将忽略UUV搜索扇面对搜索能力的约束,进而影响搜索能力的计算。本文基于搜索论相关内容,给出随机搜索中相对速度的计算方法,确定相对速度方向的概率分布,区分首部声呐和舷侧声呐提出了搜扫宽度的计算方法,从而建立一种针对UUV或其他受搜索扇面影响较大的水下平台搜索模型,并针对巡逻线搜索和随机搜索两类典型问题对模型进行仿真验证。仿真结果表明模型可靠,相关结论可应用于UUV搜索问题的研究,也可应用于其他具有相似特点的水下机动平台搜索问题。

摘要： 隐马尔科夫模型(Hidden Markov Model,HMM)广泛用于语音信号等时序信号的建模.HMM的结构优化包括模型参数个数优化和参数值的优化.针对传统的用于训练HMM的鲍姆-韦尔奇(Baum Welch,BW)算法在寻求最优解时容易陷入局部极值以及无法优化HMM参数个数的问题,本文提出了遗传非参数MDL-BW方法.该方法通过结合遗传(Genetic Algorithm,GA)算法随机搜索的特点和自适应思想来扩大HMM参数值解的搜索空间,结合非参数思想帮助自动寻求HMM的合适参数个数,同时以最小描述长度MDL(Minimum Description Length,MDL)作为模型优化准则来寻求HMM在全局上的最优结构.仿真数据、语音数据以及人体动作数据的仿真结果表明遗传非参数MDL-BW方法相较BW方法等同类方法在HMM结构的寻求上具有更好的效果.

摘要： Lévy Flight源自纯数学概念,目前已被广泛应用于许多领域,如物理、生物、统计、金融和计算机科学等.目前,国内尚无文献对Lévy Flight的发展及其在智能优化算法方面的应用进行总结.因此,文中首先回顾了Lévy Flight的发展情况和应用,介绍了Lévy Flight相关变体的基本原理和应用;然后着重讨论了近十年将Lévy Flight应用于智能优化算法的研究,对其应用的方法进行了分类分析;最后总结了Lévy Flight的未来发展趋势.文中的目的是让学者了解Lévy flight的基本原理和其在智能优化算法中的发展情况,同时促进Lévy Flight及其变体在众多学科尤其是计算机科学的发展和应用.

摘要： 柔性探针的路径规划问题始终面临着挑战,一方面由于柔性探针仅有几种特定的穿刺模式,对规划的路径有特殊的要求;另一方面由于人体生理结构的复杂性,出于安全性考虑,要求规划的路径有一定的避障能力同时要尽可能减少路径长度以减少损伤程度.基于可以获取多种弧线穿刺轨迹的可控探针,按照上述要求,提出了进行路径拟合长度优化的改进RRT s算法的路径规划方法,在RRT s算法的基础上,在随机搜索不断优化已获取路径的过程中进行路径拟合和长度优化,直到满足迭代条件获取长度优化路径.通过仿真研究可得,相较于RRT算法,路径长度缩短了21％,单条路径搜索时间缩短了88％.结果验证了该算法对于路径规划长度优化的优越性.

摘要： 建立过热器汽温对象的高精度性能预测模型,是实现过热汽温智能优化控制的基础.为此,针对某600 MW超临界机组仿真系统的历史运行数据,采用机器学习中的XGBoost(eXtreme Gradient Boosting)回归模型建立过热器汽温特性的预测模型,并分别采用网格搜索算法和随机搜索算法对模型参数进行优化.通过比较两种优化模型的预测效果,结果表明:随机搜索算法可以进行多个参数组合寻优,收敛速度快,全局寻优的效果更好,优化后的过热汽温模型具有更好的预测精度和泛化能力.

摘要： 通过直接提取结构动态测试时序数据中的特征来实现结构的损伤识别,基于重力坝有限元模型在不同损伤情况下生成的加速度时序数据对循环神经网络进行训练和测试,以对循环神经网络在结构损伤识别中的应用进行研究.首先比较了传统循环神经网络(RNN)、长短期记忆(LSTM)循环神经网络和门控循环单元(GRU)神经网络的性能,然后采用网格搜索和随机搜索对LSTM循环神经网络的超参数进行优化.结果表明,相较于传统的循环神经网络(RNN)和门控循环单元(GRU)神经网络,LSTM循环神经网络在不同损伤工况下的识别准确率均有提升,最高达46.5％.数值试验结果表明在保证一定准确率的基础上,随机搜索比网格搜索用时缩短了85.2％,大大提升了搜索效率.

摘要： 稀疏直线阵列可以有效降低天线系统的复杂性和成本,其优化设计是阵列信号处理领域近年来的研究热点之一。该文在介绍阵列波束方向图模型基础上,将稀疏直线阵优化设计算法归为随机搜索、傅里叶变换、凸优化、矩阵分解和压缩感知五类,对这五类算法的研究进展进行了综述,并对稀疏线阵优化设计的研究趋势进行了展望。

摘要： 利用模糊C均值聚类对种群自适应划分,提出一种基于模糊C均值聚类的多群竞争粒子群优化算法。根据种群规模选择不同的寻优策略，规模大者采用标准粒子群算法寻优，规模小者在最优解邻域随机搜索，增大跳出局部最优概率。在每个聚类内部，个体相互通信，通过竞争学习分别找到各聚类种群的适应值，按照不同聚类的适应值排序，再把适应值小者向其邻近的适应值大者融合，通过种群间的竞争保证种群向最优解搜索。该算法避免陷入局部最优，提高了算法的全局搜索能力，通过标准函数验证了算法的有效性。最后，把提出的优化算法应用到高密度聚乙烯装置(HDPE）乙烯单体总消耗的优化操作，实际应用效果良好。

摘要： 在路径规划中,规划路径的精确程度取决于获取环境信息的准确程度。蚁群算法是近几年提出的一种新型的随机搜索模拟进化算法,比遗传算法、模拟退火算法等具有更好的适应性。在栅格法环境建模的基础上,按照蚁群算法进行路径搜索寻找一条从出发点到目标点的连续自由栅格序列。仿真实验表明,该算法能够充分利用环境的先验信息,在有限的时间内找到全局最优路径,验证了该算法的有效性。

摘要： 根据软岩边坡随深度风化程度逐渐变弱的特点,提出了边坡岩体强度参数随深度变化的确定方法,据此建立了考虑抗剪强度随深度变化(抗剪强度深度效应)的边坡稳定性分析极限平衡条分法.基于蒙特卡罗抽样思想,提出了一种同时确定边坡最危险圆弧滑面及相应最小安全系数的随机搜索算法.最后通过算例对比分析了考虑力学强度参数沿深度递变前后的边坡临界滑面位置及最小安全系数的大小,结果表明:考虑抗剪强度参数沿深度渐变对边坡最小安全系数有较大影响.

摘要： 一般的求解SAT问题的随机算法是对一个CNF公式的解进行f次随机搜索，共需要tn(n为变元个数)个随机位。本文提出的算法，利用膨胀图的性质诱导随机步搜索CNF公式的t个解，只需要(n+tlogn)位随机位，降低了算法对随机位的依赖。

摘要： 流分类技术在网络安全监控,QoS,入侵检测等方面起着重要的作用.流分类器处理的数据含有大量的相关与冗余特征,这不仅增加了分类器的计算复杂性,同时也影响了分类器的分类效果.针对高维特征空间,特征选择一方面可以提高分类精度与效率,另一方面可以找出富含信息的特征子集.本文提出一种wrapper型特征选择算法VFSA-C4-5来构建轻量级的流分类器.该算法采用快速模拟退火VFSA搜索策略对特征子集空间进行随机搜索,然后利用提供的数据在C4.5上的分类正确率作为特征子集的评价标准来获取最优特征子集.本文在流数据集上进行了大量的实验,实验结果表明基于VFSA-C4.5的流分类器在不影响分类性能的情况下能够提高分类速度.

摘要： 本文提出了一种基于约束惩罚的群体智能文本聚类算法PCSI,该聚类算法不必穷尽搜索样本集,利用粒子群算法的特性在数据集中有指导地随机搜索聚类中心向量,能够以较小的计算代价确定样本集的类别数.该算法约束优化过程的罚函数为两部分之和:①目标函数,各样本与其类别中心的均方误差②自适应惩罚项,即数据集的边界作为粒子群移动的约束条件,对约束违反分情况进行惩罚.为降低不平衡数据集的影响,按照数据集的方差和模糊高斯函数,将样本到其类别中心的距离进行模糊映射,归一化到[0.1]区间.粒子群优化方法取代传统方法免去了求导计算.聚类iris数据集和Reuters-21578文档集以验证算法的有效性,对大规模数据聚类有明显优势.

摘要： 遗传算法是一种基于自然选择和遗传的随机搜索算法，已经被成功用于解决各种不同学科的复杂问题。然而随着问题规模的扩大，传统遗传算法难以在允许的时间范围内得到满意解。利用遗传算法固有的并行性对其进行并行化具有重要的研究意义。本文基于消息传递接口(MPI)，应用主从式模型，实现了一个并行遗传算法框架，并使用标准测试函数，在集群系统上对其进行了测试和相应的分析。

摘要： 本文简述了基于搜索的软件工程:起源及内容，以及基于搜索的软件工程:发展现状，分析了基于搜索变换的软件工程，以及NRP问题的骨架导向多级归约算法，探讨了基于空间平滑的Memetic算法，以及基于搜索的软件工程发展趋势。

摘要： 本文简述了基于搜索的软件工程:起源及内容，以及基于搜索的软件工程:发展现状，分析了基于搜索变换的软件工程，以及NRP问题的骨架导向多级归约算法，探讨了基于空间平滑的Memetic算法，以及基于搜索的软件工程发展趋势。

摘要： 本文简述了基于搜索的软件工程:起源及内容，以及基于搜索的软件工程:发展现状，分析了基于搜索变换的软件工程，以及NRP问题的骨架导向多级归约算法，探讨了基于空间平滑的Memetic算法，以及基于搜索的软件工程发展趋势。

摘要： 本发明涉及一种用于使用搜索引擎的搜索引擎接口从文档语料库提供一个或多个随机样本文档的方法。提供随机样本文档中的每个包括从基于时间的桶的集合中随机地选择基于时间的桶。搜索查询被发送到搜索引擎接口，其定义对语料库的文档的搜索，该文档具有由随机选择的基于时间的桶定义的时间窗口内的时间戳。响应于搜索查询的发送，搜索结果从搜索引擎接口接收。搜索结果包括语料库的具有在由随机选择的基于时间的桶定义的时间窗口内的时间戳的所有文档的集合。此外，随机地选择由所接收的文档集合包括的一个文档。

摘要： 本发明公开了一种分布式一致性的搜索结果随机排序方法，准备搜索数据，并生成索引主键标识；初始化控制随机排序处理的全局参数；搜索线程启动，初始化随机时间因子；针对匹配的产品数据，计算初始分和随机分；计算初始分和随机分的总和为产品数据的总分；本发明不受分布式环境及网络环境的影响，支持分布式环境中的搜索结果一致性，达到既保障了产品搜索的公平性，也提高了用户检索产品的用户体验的效果。

摘要： 本发明公开一种基于深度Q网络和快速搜索随机树算法的航迹规划方法，首先须要抽象出RRT算法中的马尔可夫决策过程；由于RRT生长的随机性，对于其每一次的拓展过程而言，都可以将其视为一次马尔可夫过程并建立其MDP模型。随后训练深度Q网络，根究深度Q网络，可以得到各个状态对应的最优动作：引入最有动作后进行改进RRT路径规划。本发明可使RRT‑GoalBias算法的避障能力更强，增加进行贪婪拓展的机会，从而提高算法效率和稳定性。

摘要： 本发明涉及目标空域快速搜索领域，公开了一种利用广域随机稀布阵波束旁瓣特征的目标快速搜索方法，解决空间目标快速定位问题。实现过程是：1.确定广域随机稀布阵系统基本参数；2.进行局部大范围接收加权扫描获得能量强度分布矩阵；3.获取能量强度分布矩阵中最大值及对应的波束合成点；4.以波束合成点为中心进行小范围精细接收波束扫描；5.目标存在的位置由全空域缩减为指向第4步最大值处的大于门限旁瓣极大值区域；6.重复步骤2‑5，将所有极大值区域取交集直至保留单个旁瓣区域，完成目标快速搜索。本发明综合考虑了广域随机稀布阵的能量分布特性，通过大范围和小范围扫描确定指向方向，将目标缩减到合成波束上旁瓣极大值区域，实现目标快速搜索。

摘要： 本公开提出了群机器人在区域搜索中的随机搜索方法及系统，包括：建立机器人随机行走模型，利用所述模型控制机器人的随机运动；构造随机数生成器使其能够生成满足给定分布的步长并确保生成的步长大小在指定范围内；机器人使用随机行走方法执行区域搜索任务时，根据搜索任务的特点选定合适的步长，实现对机器人运动距离的有效控制；使用均方位移作为性能指标来衡量机器人的搜索效率。

摘要： 本发明公开了一种针对选择性装配使用的最差优先的局部随机搜索算法，首先从数据库中读取零部件尺寸信息，将尺寸信息存放在一个3维矩阵中，将部件之间的装配信息存入配合矩阵，然后建立装配矩阵，根据装配矩阵与配合矩阵建立模拟装配矩阵后，进入配合方案的搜索程序，生成一个随机的初始选择方案，之后根据初始的选择方案进行有限范围的搜索，得到匹配出的最优结果。本发明采用“最差优先”的匹配方向，并通过局部的随机搜索及多次迭代的方式，近似的得出最佳匹配方案，能够在不额外提高加工精度的前提下，提高装配的合格率，是一种降低生产成本的有效算法。

摘要： 本发明公开了一种基于黏菌和随机搜索树的路径规划方法。该方法避免了没有依据地扩张采样范围，提高采样算法的搜索能力，使用少量的样本节点快速地找到可行路径，在算法进行采样之前，根据黏菌寻优获得的初始解集作为避开障碍和复杂环境下寻路的启发式策略。黏菌算法在规划好的空间中寻找到“最短”路线，采样算法依此生成采样分布探索空间采集样本，探索空间主动避开障碍，更快搜索到最好路径。

摘要： 本发明公开了一种基于随机搜索算法和对接评估的蛋白质多肽设计集成装置，涉及蛋白质多肽设计领域，包括集成结构预测模块和集成对接模块，其中集成结构预测模块用于生成多肽序列的预测三维结构，集成对接模块用于生成多肽序列，并将多肽序列的预测三维结构与目标蛋白的三维结构对接，计算三维结构中多肽与目标蛋白的相互作用的参数，基于定义的评分评价通过随机搜索算法选取优化的多肽序列。本发明的装置将差异进化与对接评估相结合，可以实现基于结构互补性的次肽突破优化过程，能够快速有效、多样性、高通量、低成本、简单方便地进行蛋白质多肽设计。

摘要： 一种融合随机搜索与混合分解误差订正的海浪预报算法，涉及人工智能技术领域，包括：步骤1、获取基于浮标观测的浮标历史观测数据，整合处理同海浪变化密切相关的海洋、气象资料，构建海浪预报数据库；步骤2、敏感性因子分析；步骤3、构建海浪预报模型；步骤4、获取海浪预报误差时间序列，将预报误差与初始预报波高相加，得到订正后的预报海浪波高。本发明参考数值预报模型的输入，以预报时刻的海浪相关要素进行数据驱动，同时对模型超参数进行自动化寻优以优化模型结构，并结合数据分解算法与深度学习的混合分解误差订正模型对海浪预报进行误差订正，以提高基于深度学习的海浪预报精度，提高预报时效性，降低海浪预报时滞。

摘要： 本发明公开了一种基于LightGBM与随机搜索法的燃煤锅炉排烟温度预测方法及系统，解决了现有神经网络模型存在易陷入局部极小值、易过拟合等缺陷，支持向量机模型存在不适用于大样本学习的问题。方法包括采集历史运行数据，进行数据清洗和归一化，根据互信息熵进行特征选取，采用LightGBM算法构建模型，随机搜索算法对超参数进行优化，获得最优模型进行验证应用。本发明采用LightGBM与随机搜索算法建立和优化预测模型，有效防止过拟合现象，模型泛化能力出色，支持大样本学习策略，训练更加高效，计算速度更快，且可以实现更低的模型偏差，同时结合随机搜索算法，寻找到最优超参数组合，进一步提升了模型的精度，获得了高性能的燃煤锅炉排烟温度预测模型。