简介：通过合理构造优化目标函数,将混沌系统的参数辨识与T-S模糊建模转换为一个基于多维参数空间的优化问题,并利用提出的群智能优化算法对其进行寻优求解。该算法通过引入两次差分进化操作和对个体历史最佳位置与种群历史最佳位置进行实时动态更新机制,有效均衡了算法的全局探索与局部开发能力。利用6个基准测试函数检验了算法的优化性能,实验结果表明:该方法具有全局寻优能力强、稳定性好、收敛速度快、搜索精度高等优点。以Lorenz混沌系统为例,研究了混沌系统的参数辨识与T-S模糊建模,理论分析和仿真实验说明了该方法的可行性和有效性。

简介：提出了一种基于形态学与边缘点投票统计的车道线快速检测算法,在道路图像感兴趣区域内进行数学形态学颗粒分析和骨架化,获取车道中心线,再进行车道边缘点筛选与投票,通过统计搜索的方式检测出车道线。实验采用数字信号处理芯片DSP为图像处理硬件开发平台,在软件系统CCS下调试程序。实验结果表明,该算法在车道偏离预警系统中运行具有较好的车道线检测效果,在复杂行驶环境下能正常运行,鲁棒性能较好。

简介：将数据挖掘中的C4．5算法应用于应用型本科院校的就业管理信息系统中，有利于发掘出应用型毕业生就业中隐藏的有用因素和内在联系，对促进学校进行教学改革，指导学生提高自身素质和知识结构，从而最大程度的提高毕业生的就业率。

简介：为了在ad-hoc移动朵云中高效率地解决任务分配这一核心问题,提出了一种基于启发式算法的任务分配算法.粒子群优化和模拟退火优化的任务分配算法(PSO-SA)将任务之间的依赖关系转化为有向无环图(DAG)模型,其中各个节点上的数值表示任务产生的负载,DAG的各个边的数值表示传输产生的负载.为了模拟ad-hoc移动朵云的任务分配环境,建立了数学模型来描述各个子任务之间的依赖关系并定义各个子任务的卸载成本.PSO-SA用于任务分配决策并最小化所有移动设备的成本,能耗和时间延迟同时作为卸载成本.PSO-SA结合了粒子群优化和模拟退火优化的优势,通过以一定概率选取最优解的方式,避免算法过早落入局部最优解,同时保证算法收敛速度.仿真结果表明,与其他现有算法相比,PSO-SA算法产生的卸载成本较低并且其结果可以非常接近最优解.

简介：针对多目标无约束0—1二次规划问题，提出一种文化基因算法。该算法采用基于分解的多目标演化算法框架，能够获得分布均匀的非占优解；同时，采用一种简单、有效的禁忌搜索，能够利用更多问题相关的信息，获得质量更优的非占优解。该算法在优化的过程中能够动态地平衡多样性与收敛性。实验结果证明该算法能够很好地求解多目标无约束0-1二次规划问题，并且性能优于目前求解该问题较先进的算法。