分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-03 合作期刊: 《计算机应用研究》
摘要: 针对蝴蝶优化(monarch butterfly optimization,MBO)算法易陷入局部最优和收敛速度慢等问题,提出了一种基于改进的交叉迁移和共享调整的蝴蝶优化(MBO with cross migration and sharing adjustment,CSMBO)算法。首先,利用基于维度的垂直交叉操作来替换标准MBO算法的迁移算子,形成交叉迁移算子,有效提升其搜索能力;其次,将原始调整算子改为具有信息分享功能的共享调整算子,以加快算法的收敛速度;最后,采用贪婪选择策略取代标准MBO算法中的精英保留策略,减少一次排序操作进而提高其计算效率。为了验证CSMBO算法的优化能力,测试了其在30维和50维的函数优化,并与三种优化算法进行比较,其实验结果表明CSMBO算法具有良好的优化性能。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-06-19 合作期刊: 《计算机应用研究》
摘要: 针对灾难环境中多agent协作问题进行了研究,提出了一种基于影响度与状态预测的多Agent协作算法。首先该算法根据协作任务对信息的需求,使用影响度函数对agent感知到的信息进行处理;其次利用预测算法对任务的后续状态和agent的行为进行预测并根据预测结果制定协作策略;最后执行协作任务的agent根据动作效果和触发条件动态调整协作策略。为了验证算法的有效性,在Unity3D中搭建仿真平台,对比不同协作算法的收敛率、救援人数和整体得分,结果表明该算法的收敛速度快、救援人数多和整体得分最优,可以效地指导agent间的协作,能给实际救援协作策略的制定提供理论支持。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-20 合作期刊: 《计算机应用研究》
摘要: 在数据统计分析查询中表间的等值连接是常用的操作之一,但代价较高。大数据环境下大表之间等值连接的效率更低。为了解决该问题,提出了一种基于Spark的两表等值连接过程优化方法。首先根据数据价值密度特征构建Bloom Filter完成表的过滤操作;其次结合Simi-Join和Partition Join两者的优势,对过滤后的单侧表使用贪心算法进行拆分;最后对拆分后的子集进行连接,因此把两大表的连接过程转换为分阶段进行的两小表连接。代价分析和实验结果表明该算法与现有基于Spark的连接操作相比不仅在性能上得到了提升而且当出现数据倾斜时对算法效率影响较小。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-24 合作期刊: 《计算机应用研究》
摘要: 针对传统聚类算法中只注重数据间的距离关系,而忽视数据全局性分布结构的问题,提出一种基于EK-medoids聚类和邻域距离的特征选择方法。首先,用稀疏重构的方法计算数据样本之间的有效距离,构建基于有效距离的相似性矩阵;然后,将相似性矩阵应用到K-medoids聚类算法中,获取新的聚类中心,进而提出EK-medoids聚类算法,可有效对原始数据集进行聚类;最后,根据划分结果所构成簇的邻域距离给出确定数据集中的属性重要度定义,应用启发式搜索方法设计一种EK-medoids聚类和邻域距离的特征选择算法,降低了聚类算法的时间复杂度。实验结果表明,该算法不仅有效地提高了聚类结果的精度,而且也可选择出分类精度较高的特征子集。