摘要：针对排球联赛优化算法(VPL)在求解复杂优化问题时收敛效率低、容易陷入局部最优解等不足,提出一种改进的排球联赛算法(IIVPL)。在分析传统VPL算法存在的缺陷后,对算法种群初始解的生成和后续解的更新策略做了相应改进。首先,初始化阶段引入Logistic混沌映射策略,以增加种群多样性,扩大全局探索范围,提升求解效率;然后,在球队内更新解阶段引入自适应学习策略模拟球队根据自身水平向最优秀团队学习获取候选解,在队间更新阶段利用Chebyshev映射设计变异机制,以提高算法平衡全局搜索和局部开采的能力;最后,将IVPL算法与传统VPL算法、联赛冠军算法、足球联赛算法以及其他新型元启发式算法进行比较,利用20个标准测试函数进行仿真实验,采用MAE指标计算实验结果并排序。结果表明,IVPL算法在求解不同维度的单峰函数和多峰函数上具有比较优势。通过将IVPL算法成功应用于一阶倒立摆系统PID参数优化实例,验证了IVPL算法的有效性和实用性,体现了IVPL算法的实际应用价值。

摘要：广义最大覆盖模型是传统覆盖模型的扩展形式,通过覆盖水平评价服务质量。针对上述模型NP-hard问题特征,设计一种基于新型人类学习优化算法的求解方法。将自适应学习策略引入到基本人类学习优化算法中,采用随机学习算子、个体学习算子和社会学习算子进行优化搜索。利用多个算例进行数值实验,并将新算法与遗传算法、微粒群优化算法、最有价值球员算法和人类学习优化算法进行比较。实验结果证明了新算法的可行性和有效性,为广义最大覆盖模型的求解提供了一种有竞争力的算法。

摘要：针对现有的图自编码器无法捕捉图中节点之间的上下文信息的问题,提出基于重启随机游走的图自编码器。首先,构造两层图卷积网络编码图的拓扑结构和特征,同时进行重启随机游走捕捉节点之间的上下文信息;其次,为了聚合重启随机游走和图卷积网络获得的表示,设计自适应学习策略,根据两种表示的重要性自适应地分配权重。为了证明该方法的有效性,将图最终的表示应用于节点聚类和链路预测任务。实验结果表明,与基线方法相比,提出的方法实现了更先进的性能。

摘要：针对网络环境下自适应学习系统发展中遇到的新问题,如学习者个性特征的挖掘及自适应学习策略的生成等,提出了一种新的自适应学习系统,即在建立个性化学习者模型的基础上,进一步研究相应的数据挖掘算法在自适应学习中的应用,得到学习者的个性特征与学习行为之间的关联规则,并最终生成自适应的学习策略提供给学习者;仿真研究表明,本系统设计先进,较好地实现了学习过程的自适应性。