摘要：特征选择指在保持数据分类性能不变的同时,选出不含冗余特征的特征子集。粗糙超立方体方法可从特征相关度、依赖度和重要度这3方面对特征子集进行综合评估,已成功用于特征选择。特征子集组合的计算是一个NP⁃难问题,而传统的前向搜索策略只能得到局部最优结果。因此,本文设计了一种新的离散粒子群优化与粗糙超立方体方法相结合的算法。该算法首先引入相关度用以生成一组粒子,然后对粗糙超立方体方法的目标函数改进后作为优化函数,最后由粒子群迭代优化,找到最优的特征子集。实验结果表明,相比传统粗糙超立方体方法和采用粒子群优化的粗糙集方法,本文算法能够得到具有更小特征数量和更高分类性能的特征子集。

摘要：针对数据中心网络中流量路径分配不合理、易导致大流冲突的问题,提出一种基于离散粒子群的软件定义网络(SDN)流量调度算法.该算法重定义粒子群内部的寻解过程,以最优化网络性能为目标,动态地为数据中心的流量分配最优路径,以减少大流量冲突;并引入Metropolis设计多元化最优调度方案,确保数据中心流量的合理调度.与其他流量调度算法进行对比验证的实验结果表明,该算法提升了网络质量,降低了大流时延,实现了更好的负载均衡.

摘要：首先给出了武器装备研制费用和效能的期望值模型。通过Delphifa法确定期望值。提出了费用参数矩阵的概念,根据研制武器系统效能等设计值与期望值绝对差最小原则,建立了基于离散粒子群的费用参数优化模型,并进行了仿真实现。结果表明该方法可行,为武器装备研制的性能参数设计和费用优化提供了一种新方法。

摘要：Web前端缓存任务众多,导致分配平均时延较长,网络节点内信息的处理效率较差,为提高数据处理速度,基于离散粒子群算法提出了Web前端缓存协作任务优化分配方法。规划Web前端缓存访问路径,在相邻的节点上,以缓存节点为中心,定义一个线性结构的访问体系。基于离散粒子群建立任务优化分配模型,更新粒子的最优位置,获取粒子系数概率,得到替代节点的目标函数与约束条件。设计缓存协作任务分配优化算法,处理空白节点,并替代被删除的内容区块,得到Web前端缓存协作任务优化分配方法。测试缓存节点中权重指标最大的部分,在目标节点中对比不同算法的平均网络时延,由实验数据可知,离散粒子群算法的平均时延低于10 ms。

摘要：堆垛是危化品仓储的重要方式之一,其布局优化是带有特殊约束的非确定性多项式难题(NP-hard).为此建立了以仓储利用率为目标函数,危化品仓储安全距离为约束条件的仓储堆垛布局优化数学模型.针对此问题的非二进制离散特性,提出了符合危化品垛位布局优化问题的离散粒子群算法,该算法重新定义了速度与位置更新公式,设计了最高水平线分层排放策略,实现了危化品仓库安全约束条件下适应度函数的计算,优化了垛位与通道位置的布局.实验表明:该算法在满足危化品仓储安全的条件下,可有效提高货物堆垛仓储的利用率.

摘要：在线社交网络中虚假信息传播蔓延成为当前网络空间安全治理面临的重要挑战。提出一种融合用户传播风险和节点影响力分析的虚假信息传播控制方法DDC-UPRNI(disinformation diffusion control method integrating user propagation risk and node influence analysis)。综合考虑虚假信息传播特征空间的多样性和复杂性,通过自注意力机制实现用户传播虚假信息行为维度、时间维度和内容维度特征的嵌入表示,运用改进的无监督聚类K-means++算法实现不同用户传播风险等级的自动划分;设计一种自适应加权策略实现对离散粒子群优化算法的改进,进而提出一种基于离散粒子群优化的虚假信息传播关键节点选取方法,用于从具有特定传播风险等级的用户节点集合中选取若干个具有影响力的控制驱动节点,从而实现精准、高效的虚假信息传播控制;基于现实在线社交网络平台上开展试验,结果表明,所提出的DDC-UPRNI方法与现有算法相比,在控制效果和时间复杂度等重要指标上具有明显优势。该方法为社会网络空间中的虚假信息管控治理提供重要参考。

摘要：针对多机器人协同控制中的任务分配问题,首先综合考虑机器人完成任务的效率、机器人自身能力以及任务本身性质各因素,建立了多机器人任务分配的数学模型。而后提出一种基于当代学习机制的离散粒子群算法进行高效求解,该算法设计了准确的粒子运动方程,并加入扰动算子保持粒子多样性,使其迅速跳出局部最优,增加了算法空间探索能力。实验结果表明:在小规模任务数情况下,算法能精确寻到最优,稳定性表现极佳且优于现有算法。在中大规模任务数情况下算法也表现出强寻优能力,实验验证了模型的合理性和算法的优越性。

摘要：多无人机执行广域搜索攻击任务下的协同多任务优化分配需要满足多类复杂约束。在通用无人机协同多任务分配模型的基础上,综合考虑了包括任务时间约束和无人机弹药消耗等多类复杂约束条件,提出了一种基于离散粒子群算法的多无人机协同多任务分配方法。根据协同多任务分配问题的特点,将多任务分配的任务时序约束和多机协同约束融入到算法的粒子矩阵编码中,将无人机弹药约束和任务时间约束融入到粒子更新的过程中,设计了符合实际问题离散域特点的粒子位置和速度更新的交叉策略和变异策略。仿真结果表明,上述算法能在满足多类复杂约束的条件下有效地解决无人机作战目标协同多任务优化分配问题。

摘要：对地观测卫星的任务规划是卫星管控中的关键内容,其本质是一个优化决策的过程。面向多对地观测卫星任务规划的问题特点,建立了问题的数学模型,提出了一种基于离散粒子群的优化算法,设计了离散粒子群的位置变化公式。仿真结果表明,离散粒子群算法具有收敛速度快、寻优能力强等优点,能够有效地解决多约束条件下的多星任务规划问题。

摘要：针对墨盒闭环供应链产品型号多、物流周期长、生产销售环节分布广以及报废墨盒环境污染严重等问题,建立墨盒闭环供应链运作模型。该模型既包含连续状态决策变量,又包含离散状态决策变量。为实现运作管理的优化,将离散粒子群优化算法引入墨盒闭环供应链运作模型,通过对连续决策变量和离散决策变量进行编码,设计粒子位置与速度的运算关系,构造粒子速度和位置的迭代方程,使得决策变量的优化求解过程始终保持在可行域内。研究结果表明:采用该算法的运作成本分别是连续粒子群算法和遗传算法的0.72倍和0.90倍,其运算速度分别是连续粒子群算法和遗传算法的1.01倍和1.73倍。