国家自然科学基金(61203109)
- 作品数：10 被引量：27H指数：4
- 相关作者：董明刚敬超陈基漓程小辉王宁更多>>
- 相关机构：桂林理工大学浙江大学桂林理工大学博文管理学院更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金广西研究生教育创新计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于遗传实例和特征选择的K近邻训练集优化方法被引量：4
- 2020年
- K近邻的分类性能依赖于训练集的质量。设计高效的训练集优化算法具有重要意义。针对传统的进化训练集优化算法效率较低、误删率较高的不足,提出了一种遗传训练集优化算法。该算法采用基于最大汉明距离的高效遗传算法,每次交叉保留父代并生成两个新的具有最大汉明距离的子代,既提高了效率,又保证了种群多样性。该算法将局部的噪声样本删除策略与特征选择策略相结合。首先使用决策树算法确定噪声样本存在的范围,然后使用遗传算法精准删除此范围内的噪声样本和全局的噪声特征,降低了误删率,提高了效率。该算法采用基于最近邻规则的验证集选择策略,进一步提高了遗传算法实例选择和特征选择的准确度。在15个标准数据集上,该方法相较于协同进化实例特征选择算法IFS-CoCo、加权协同进化实例特征选择算法CIW-NN、进化特征选择算法EIS-RFS、进化实例选择算法PS-NN、K近邻算法KNN,在分类精度上分别平均提升了2.18%,2.06%,5.61%,4.06%和4.00%。实验结果表明,所提方法的分类精度和优化效率优于当前的进化训练集优化算法。
- 董明刚黄宇扬敬超
- 关键词：遗传算法K近邻决策树
- 基于改进G-O费用模型的软件最优发布研究
- 2014年
- 本文研究了基于G-O软件可靠性模型的最优软件发布时间问题,提出了结合风险价值VaR约束的软件测试费用优化模型,给出了在一定置信水平下VaR计算的解析式,通过MonteCarlo仿真实验,计算出软件最优发布时间,分析了仿真结果和参系数的灵敏度,并与经典G-O模型进行比较,结果显示VaR约束模型更加有效地估计了软件发布后多次软件失效的极端风险。
- 谭鸿健杨雅惠董明刚
- 模糊自适应排序变异多目标差分进化算法被引量：2
- 2019年
- 为提高多目标差分进化算法在求解问题时的收敛性和多样性,提出了一种模糊自适应排序变异多目标差分进化算法。首先,采用模糊系统自适应调节排序变异参数,均衡了算法的局部搜索能力和全局探索能力,在加快算法收敛速度的同时,减小了陷入局部最优的可能性;其次,采用均匀种群初始化方法,在算法开始阶段获得了一个分布均匀的初始种群,提高了算法的稳定性和多样性;最后,增加一个临时的种群以存储被丢弃的个体,用于每一代优化后的最终选择,提高了种群进化过程中的多样性。采用7个标准测试函数和3个具有偏好特征的测试函数进行仿真实验,并将所提算法与其他4种多目标进化算法进行对比。实验结果表明,所提算法在收敛性和多样性方面整体上优于其他几种对比算法,可以有效地逼近真实Pareto前沿。同时,实验也验证了所提算法中模糊自适应排序变异策略的有效性。
- 董明刚刘宝敬超
- 关键词：多目标优化问题差分进化模糊系统自适应策略
- 一种分阶段的改进多目标粒子群优化算法被引量：5
- 2015年
- 在多目标优化问题求解上,粒子群优化算法存在所得最优解集精度不足、分布不够均匀的缺点,针对上述问题,提出了一种多种群分阶段的多目标粒子群优化算法.算法对外部档案个体采取多种算子进行处理以提高解集的收敛精度,引入简化粒子群优化模型使算法更适应多目标优化问题的求解,通过分阶段选取领导个体以及分阶段采取不同策略对非支配解集进行维护以维持解分布均匀性的同时提高收敛速度,重点改善高维多目标优化问题的解集分布均匀性.实验结果表明,改进算法所得的非支配解集具有更好的分布均匀性和收敛精度.
- 尤嘉兴陈基漓董明刚
- 关键词：多目标优化粒子群算法拥挤距离
- 微信平台下的百货门店O2O电子商务系统建构
- 2020年
- 针对传统百货门店经营效率低的问题,构建基于微信平台的百货门店O2O电子商务系统。首先,对微信公众平台的架构需求进行分析;其次,使用四层架构创建电子商务平台机构,包括接入层、表现层、业务逻辑层和数据访问层;之后,实现系统功能的设计。系统包括前后两层,分别为后台管理和前台管理。实践表明,设计的电子商务系统能够满足实际使用需求,为用户提供良好的消费体验,并且为企业增长创建良好的交互平台。
- 周翔
- 基于分解和多策略变异的多目标差分进化算法被引量：9
- 2019年
- 差分进化是一种有效的优化技术,已成功应用于多目标优化问题,但也存在Pareto最优集合的收敛慢和多样性差等问题。针对上述不足,提出了一种基于分解和多策略变异的多目标差分进化算法(MODE/DMSM)。该算法利用基于分解的方法将多目标优化问题分解为多个单目标优化问题;通过高效的非支配排序方法选择具有良好收敛性和多样性的解来指导差分进化过程;采用了多策略变异方法来平衡进化过程中的收敛性和多样性。在ZDT和DTLZ的10个测试函数上的仿真结果表明,所提算法在Parato最优集合的收敛性和多样性方面优于其他六种代表性多目标优化算法。
- 童旅杨董明刚敬超
- 关键词：多目标优化差分进化
- 改进的组合差分进化优化算法被引量：5
- 2013年
- 组合差分进化算法CoDE是一新的具有竞争力的算法,但收敛速度和寻优性能仍有待改进。为解决上述问题,提出对组合差分进化算法CoDE从生成策略和控制参数两个方面进行改进,提出了两种改进的CoDE版本MCoDE和MCoDE-P,并利用6个典型的测试函数对改进性能进行检验。结果表明结合了最好个体信息的MCoDE方法能够改善CoDE的寻优性能,而采用控制参数扩展的MCoDE-P方法却难以达到期望的效果。
- 董明刚王宁程小辉
- 关键词：优化算法控制参数
- 基于Oracle罚方法的混合约束差分进化算法
- 2013年
- 为有效求解复杂约束优化问题,提出了一种基于Oracle的混合约束差分进化算法OBHSaDE。在OBHSaDE算法中,首先对Oracle罚方法进行了改进,并符合约束优化问题的求解要求。利用改进后的Oracle罚方法来快速找到问题的可行域,借助无约束优化算法SaDE能对可行域进行有效搜索,利用序列二次规划的超线性的收敛速度来减少评估次数和提高解的质量。仿真结果表明,改进算法不仅减少了评估次数、提高了解的质量,且具有很好的鲁棒性,还具有较少的用户参数,提高了算法的实用性。OBHSaDE是求解约束优化问题的一种具有竞争力的新方法。
- 董明刚程小辉牛秦洲叶汉民
- 关键词：混合算法罚函数差分进化序列二次规划
- 基于误差校正的能源消费总量预测方法被引量：1
- 2016年
- 鉴于能源消费量具有趋势性、非平稳性等特点,而差分自回归移动平均模型(ARIMA)只能反映能源消费量的部分信息,预测结果不太理想。为了提高预测精度,提出了基于二次误差校正ARIMA模型的能源消费预测方法:首先采用ARIMA模型对能源消费总量进行初步预测,然后构建偏最小二乘回归支持向量机模型(PLS-SVM)对残差序列数据中未被解释的部分进行分析和拟合,并对未来的残差进行预测。最后利用所得残差预测值对能源消费总量预测值进行校正。对福建省1978—2012年的能源消费总量数据进行仿真,实验结果表明,与ARIMA等方法相比,本文提出的方法获得了较好的预测结果,是一种有效的能源消费量预测方法。
- 艾兵董明刚
- 关键词：ARIMA模型偏最小二乘回归支持向量机能源消费量
- 基于档案交叉的动态多目标粒子群优化算法被引量：1
- 2015年
- 为保证在动态环境中及时跟踪到最新的真实Pareto前沿,保持解集的均匀性,提出一种基于档案交叉的动态多目标粒子群优化算法。着重利用保存在外部档案的最新非劣解,对这些非劣解进行交叉操作以增加种群的多样性,促进档案中个体信息的交流;提出一种高效的欧氏拥挤距离策略,并将其应用于对外部档案的维护;修改粒子群算法模型使之更适用于动态多目标优化。实验结果表明,该算法能适应动态环境,快速跟踪动态Pareto面,解集均匀性良好。
- 尤嘉兴陈基漓董明刚
- 关键词：粒子群优化动态多目标优化拥挤距离
