摘要：针对粒子群算法早熟收敛及后期收敛速度慢的缺点,提出一种基于分工合作和搜索空间重构的改进粒子群算法。首先基于分工合作的思想,对不同性能的粒子赋予不同的惯性权值,从微观上提高粒子搜索效率;同时,每当种群迭代到一定次数时,对搜索空间进行自适应重构,从宏观上提高种群的后续搜索效率,并适度重新初始化种群,恢复种群多样性。以4个经典测试函数对算法性能进行了测试比较。仿真结果表明,该算法明显提高了收敛效率,改善了求解质量。

摘要：对于LTE的ePDCCH来说,从eCCE到PRB的映射没有交织器,如果沿用PDCCH的Hash函数进行搜索空间的随机化处理,会造成搜索空间在频域资源上过分集中,对集中式ePDCCH的性能产生负面影响。为使ePDCCH的搜索空间尽量遍布在所有可能的ePDCCH资源上,对PDCCH的Hash函数进行改进,以对集中式ePDCCH的搜索空间进行随机化处理。仿真结果表明,该方法可有效提高ePDCCH频选调度的效率,降低ePDCCH连续调度阻塞的概率。

摘要：如今,深度学习广泛地应用于生活、工作中的各个方面,给我们带来了极大的便利.在此背景下,需要设计针对不同任务的神经网络结构,满足不同的需求.但是,人工设计神经网络结构需要专业的知识,进行大量的实验.因此,神经网络结构搜索算法的研究显得极为重要.神经网络结构搜索(NAS)是自动深度学习(AutoDL)过程中的一个基本步骤,对深度学习的发展与应用有着重要的影响.早期,一些神经网络结构搜索算法虽然搜索到了性能优越的神经网络结构,但是需要大量的计算资源且搜索效率低下.因此,研究人员探索了多种设计神经网络结构的算法,也提出了许多减少计算资源、提高搜索效率的方法.本文首先简要介绍了神经网络结构的搜索空间,其次对神经网络结构搜索算法进行了全面的分类汇总、分析,主要包括随机搜索算法、进化算法、强化学习、基于梯度下降的方法、基于顺序模型的优化算法,再其次探索并总结了提高神经网络结构搜索效率的方法,最后探讨了目前神经网络结构搜索工作中存在的问题以及未来的研究方向.

摘要：深度学习在图像、语音、文本等多种模态的数据任务上取得了优异的效果.然而,针对特定任务,人工设计网络需要花费大量的时间,并且需要设计者具有一定水平的专业知识和设计经验.面对如今日趋复杂的网络架构,仅依靠人工进行设计变得越来越复杂.基于此,借助算法自动地对神经网络进行架构的搜索成为了研究热点.神经架构搜索的方法涉及3个方面:搜索空间、搜索策略、性能评估策略.通过搜索策略在搜索空间中选择一个网络架构,借助性能评估策略对该网络架构进行评估,并将结果反馈给搜索策略指导搜索策略选择更好的网络架构,通过不断迭代得到最优的网络架构.为了更好地为读者提供一个快速了解神经网络架构搜索方法的导航地图,从搜索空间、搜索策略和性能评估策略3个方面对现有典型的神经架构搜索方法进行了梳理,总结讨论了近年来常见的架构搜索方法,并分析了各种方法的优势和不足.

摘要：提出了一种基于信用模型的共识协议。首先,该共识协议借鉴了个人信用风险评估的思想,设计了一种基于BP神经网络的节点信用度模型。其次,构造了一种分片轮转模型,它可以根据节点的信用度高低分割搜索空间产生新区块,同时对协议所面临的可能攻击进行分析,修复了协议存在的漏洞。最后,仿真实验表明共识协议既能有效地降低新区块产生过程中重复计算的巨大资源消耗,也能抑制大型矿池的产生,使整个区块链系统变得更加安全可靠。

摘要：针对交互式遗传算法中用户易疲劳问题,提出求同算子与求异算子,基于此给出搜索空间的划分及演化方法,提出基于满意域和禁忌域的交互式遗传算法,该方法可以引导遗传算法在不断缩小的空间中产生新个体,从而提高收敛速度,减少进化代数,达到减轻用户疲劳的目的.利用此方法进行服装设计的实验结果表明,该方法可以有效解决用户疲劳问题.

摘要：针对在足绑式惯性行人导航系统中,传统阈值法零速检测器自适应差的问题,设计了一种区间搜索零速检测器,基于足部运动中的惯性数据特征自适应地搜索到最优的零速区间。以足部运动的一个步态周期作为零速区间搜索的基本单元,然后在基本单元中对加速度信息进行处理,将原始数据通过非线性函数映射到搜索空间中对数据差异化放大,最后利用在搜索空间数据收敛性确定最优零速区间。实验表明,在正常行走情况下,区间搜索零速检测器不需要参数调节,检测结果与具有最优阈值的SHOE方法匹配度约97.54%,定位精度在3 m/18 min以内。与改进的自适应零速检测器Adaptive-SHOE相比,性能相当,零速检测结果匹配度约98.51%。但是在多种运动混合情况下,Adaptive-SHOE失效,区间搜索零速检测正常工作。区间搜索法的结果与具有最优阈值的SHOE方法匹配度约89.12%,但是精度优于SHOE。区间搜索零速检测器具有较好的工程应用价值。

摘要：提出了一个根据给定相关性能(如精度和工作空间),设计6自由度并联机构的可靠方法。该方法采用了区间分析理论及其算法,不仅可以分析末端执行件定位精度的测量误差,也能够得到设计参数的取值区间。只要并联机构的几何参数满足这些求得的设计参数区间,该并联机构必然达到相关的性能要求。利用本文的算法,应用于一个6自由度的并联机构设计。本文通过对该并联机构搜索空间的分析,比较了设计参数和阈值对计算结果和效率的影响。

摘要：针对简单的遗传算法稳定性较差 ,容易发生早熟收敛的不足之处 ,提出了将均匀设计和遗传操作相结合的遗传算法 ,通过编码在问题的解空间和算法的搜索空间之间建立一个映射 ,对其进行交叉操作、变异操作和均匀设计操作。用典型的测试函数进行测试 ,证明了该算法是可行的 ,与单纯遗传算法相比 ,计算精度和收敛速度更高。

摘要：任务调度问题是多核处理器相关技术的一个重要组成部分。基于列表的调度算法因其低复杂度和高效率得到广泛关注,但确定任务优先级列表方法的单一性使得算法对解空间搜索不够,易陷入局部最优。为此,提出一种基于任务扰动的迭代型列表调度算法(task perturbation iteration algorithm, TPIA)。该算法通过选取任务扰动因子按照一定扰动策略进行调度列表迭代,对迭代后的列表进行贪心选择,生成更优的调度列表序列以得到更好的调度结果。通过实例和随机有向无环图(DAG)有限集对算法进行验证,结果表明算法能有效改善调度解,调度性能提升平均可达16.51%,适宜处理大规模、高出入度的复杂DAG图;针对TPIA算法在低任务总数高通讯开销情况下性能有所下降的问题,对平均任务节点数130以下的任务图进行分组测试,获得了对应的CCR上界值及其变化趋势。