摘要：粒子群算法(PSO)是一种应用广泛、性能优良的启发式智能优化算法。但是PSO算法具有易陷入局部最小值和全局寻优能力差的缺陷,针对此问题,文章提出了一种基于自适应惯性权重的粒子群算法(AIW-PSO),该算法能够有效的平衡原粒子位置和飞行速度对新粒子位置的影响度。用12组基准测试函数来验证AIW-PSO算法的寻优性能和收敛精度,并与现有相关算法相比,仿真实验结果表明,AIW-PSO算法的全局搜索能力和寻优精度都有较大的提高。

摘要：提出一种基于改进引力优化算法(IGSA)优化最小二乘支持向量机(LSSVM)的软测量模型(IGSALSSVM)以精确测量煤粉锅炉NO_x排放量。首先,针对引力搜索算法易陷入局部最小、全局优化能力差的问题,提出了一种改进的引力搜索算法,利用网格算法初始化种群,基于适应度值自适应递减惯性权重更新质点位置以提高全局优化性能;然后,采用IGSA优化选择LSSVM的超参数以改善模型的预测精度和泛化能力;最后,以330 MW燃煤锅炉为研究对象,建立IGSA-LSSVM的NO_x软测量模型,仿真结果表明该软测量模型具有更高的预测精度和泛化能力,能有效测量NO_x排放量。

摘要：为了解决无线传感器网络中LEACH协议中传感器节点需要耗费大量能量,导致节点过早死亡,在LEACH协议的基础上,将移动agent引入到数据融合策略中,提出了一种基于移动agent和LEACH协议的数据融合策略;首先,改进簇头选举机制,考虑剩余能量和与基站的距离等因素;其次,为了避免访问冗余节点而耗费能量,确定了访问节点集合,并通过改进的遗传算法来获得访问节点序列;最后,通过仿真实验并与LEACH协议、AF-LEACH协议进行比较,文中方法节点死亡时间在470s才出现,延迟了节点死亡时间,从而延长了网络的生命周期。

摘要：引力搜索算法是最近提出的一种较有竞争力的群智能优化技术,然而,标准引力算法存在的收敛速度慢、容易在进化过程中陷入停滞状态.针对上述问题,提出一种改进的引力搜索算法.该算法采用混沌反学习策略初始化种群,以便获得遍历整个解空间的初始种群,进而提高算法的收敛速度和解的精度.此外,该算法利用人工蜂群搜索策略很强的探索能力,对种群进行引导以帮助算法快速跳出局部最优点.通过对13个非线性基准函数进行仿真实验,验证了改进的引力搜索算法的有效性和优越性.

摘要：如何能够更好的进行多目标的优化一直以来都是研究的重点,本文在粒子群算法的基础上,提出了首先引入精英策略初始化粒子群,其次对粒子的速度和位置计算方法进行更新,最后采用多尺度的变异算子提高粒子的变异能力,增强种群多样性,测试函数的实验说明了本文算法能够有效提高算法的效率,在多目标Pareto最优解测试中取得了比较好的效果,说明本文算法能够运用在多目标的优化中。

摘要：为了提高粒子群算法求解连续函数优化问题的性能,提出一种量子混沌自适应粒子群优化算法。该算法首先采用量子位Bloch球面坐标编码方案对群体初始位置进行初始化,此种编码方式能扩展对搜索空间的遍历性,增加群体的多样性,进而加快算法的收敛速度;其次,采用Logistic混沌对种群的精英个体进行混沌搜索,有效地避免了粒子群算法陷入局部最优,从而获得更高质量的最优解。最后,采用自适应非线性惯性权值以进一步改善PSO算法的收敛速度和优化精度。通过对8个复杂高维函数寻优测试,仿真结果表明,改进算法更具竞争力,其性能整体较优,尤其适合复杂的高维函数寻优。

摘要：大数据背景下,数据量规模化的增长,数据的采集、传输、存储等环节都会存在数据泄露的安全隐患。从大数据的基本原理、现状出发,对数据信息的隐私安全做了相关应研究,并在此基础上,提出了一种改进的差分隐私直方图发布算法来对数据信息进行隐私保护。

摘要：大数据技术的应用已经越来越显得重要,大数据作为职业教育的专业已广泛开设。文中从大数据人才的需求调研出发,分析了大数据的产业、应用以及人才的需求情况,并结合清远的实际,提出了大数据人才培养的建议。

摘要：从公共决策的角度对官僚主义进行分析是一个较新的认识思路。公共决策的公共利益导向是治理官僚主义的价值基础,公共决策的体制优化是治理官僚主义的制度保障,公共决策的方式与艺术是治理官僚主义的实现途径。

摘要：随着高职教育的发展,学科体系的课程已经不再适合高职人才培养的要求,基于实际工作过程开发课程势在必行,结合实际经验,论述了构建工作过程、校企合作的3DS MAX课程的开发过程及内容。