摘要：针对蛇算法寻优阶段交互性差,初始种群随机程度严重,易陷入局部最优解等问题,提出了一种多策略融合的蛇优化算法(multi-strategy snake optimizer, MSSO)。首先,利用正交矩阵对蛇种群进行初始化,使个体分布更加均匀;其次,设计探索开发阶段切换的自适应方程,用以替换原有的食物量与温度阈值,使算法进行自适应阶段切换;最后,使用联合反向选择策略替换算法原有的新个体孵化方法,提高算法收敛精度的同时加快算法收敛效率。选取10个基准测试函数从不同角度对MSSO算法进行实验,测试算法性能,分析各策略的有效性,并使用Wilcoxon秩和检验来证明算法显著性,通过两个工程应用仿真实验来验证MSSO的实用性。各实验结果表明MSSO较比较算法综合表现更优,证明MSSO算法改进在寻优能力、鲁棒性、实用性等方面均有所提升。

摘要：针对多用户毫米波大规模多输入多输出-非正交多址接入(MIMO-NOMA)系统功率分配计算复杂的问题,提出新用户分簇和功率分配方案,提高系统的频谱效率。首先改进基于簇头选择的用户分簇方案,根据真实信道动态选择阈值并确定分簇数目,使分簇结果更适合实际情况,用户从波束中获得更大增益。然后以最大化系统频谱效率和能量效率的加权和为目标设计功率分配,使用改进的元启发算法求解。通过对粒子群(PSO)算法引入新的矢量成分和添加余弦扰动使算法更快收敛到全局最优值,并融合沙猫优化(SCSO)算法使算法结果更加精确。仿真结果表明,与现有算法相比,本文提出方案的频谱效率和能量效率优于传统方案,且更适合多用户情况。

摘要：校车服务有单校、多校不混载和多校混载等多种运营模式,规划路径时考虑的约束条件和目标不同衍生出多种校车路径问题(SBRP)的应用场景.SBRP属于NP问题,中大规模的应用基本都是采用启发式算法求解.在分析SBRP问题模型的基础上,总结元启发算法的特征,设计一个针对SBRP的元启发算法框架.该框架能够支持三种运营模式、不同的约束条件、单目标或多目标问题求解.最后利用框架直接构建具体应用的元启发求解算法,采用国际标准案例库对算法进行验证.结果表明基于框架可以快速地实现不同应用场景下SBRP的元启发算法.

摘要：文章定量量化了算法的精度、时间复杂度、收敛效率和稳定性4个方面,给出一套评价智能优化算法性能的方案。首先,设计10个基准测试函数,对算法的全局搜索能力、局部搜索能力和搜索效率进行定量测试。其次,对比随机搜索算法的测试结果,将其转化为客观的定量分数。最后,应用该评价方案测试遗传算法、差分进化算法、粒子群算法、模拟退火算法、人工蜂群算法、万有引力算法、鲸鱼算法以及布谷鸟算法,并根据测试结果分析各算法的性能和优缺点。该评分方案可为算法的开发和应用提供极大便利。

摘要：骨架分析是近年来NP-难解问题研究的热点,对于衡量问题的相变、难度及算法设计具有重要意义.骨架的理论分析及在算法设计方面的应用还处于起步阶段.从QAP问题入手,对QAP骨架进行了理论分析,证明寻找QAP问题的骨架属于NP-难解问题,不存在多项式时间的算法可以保证得到QAP问题的骨架,为局部最优解交叉来获得近似骨架提供了合理性解释.在此基础上,利用偏移实例构造方法,提出了基于偏移实例的近似骨架算法.其基本思想是:首先为QAP实例构造偏移实例,其最优解恰是原QAP实例的一个全局最优解;然后利用现有算法求得新实例的多个局部最优解,通过对局部最优解求交得到近似骨架;将近似骨架固定以得到规模更小的搜索空间,最后在新空间上求解.拓广了骨架理论研究的范围,所提出的算法为NP-难解问题的通用算法设计提供了一种新思路.

摘要：对长时段的轨迹数据进行合理的分段有利于轨迹数据的语义增强和后续轨迹数据计算以及提高存储的有效性.针对现有轨迹分段方法对先验知识要求高的问题,提出了一种反应式GRASP无监督轨迹分段方法(REGRASP),首先构造了用于衡量轨迹段内部同质性和轨迹段间特征距离的损失函数,然后设计了结合损失函数向轨迹段两侧寻找相关轨迹点的元启发算法,算法能够反应式地调整部分参数候选列表中值的权重,进而影响构建过程,并结合MapReduce计算模型给出了REGRASP的实现方法.在公开的船只轨迹数据集之上就轨迹段覆盖度和轨迹段纯净度两个指标进行了实验测试,并与CB-SmoT和GRASP-UTS方法进行了对比,结果表明本文所提方法在轨迹段纯净度方面效果更佳,并能够在没有先验知识的情况下完成轨迹分段任务.