多序列比对是生物信息学中最重要和挑战性的任务之一. 针对多序列比对是NP 完全组合优化问题, 引.入Tent 混沌初始化种群策略、不同蜂种的邻域搜索策略和锦标赛选择策略等, 提出了一种基于多策略人工蜂群.的多序列比对算法. 该算法应用Tent混沌初始化种群策略以使初始个体多样化和获取较好初始解; 其次针对不同.蜂种的特性设计不同的邻域搜索策略以平衡算法的全局探索与局部开发能力. 同时引入序列比对的蜜源编码方.法以适应多序列比对的离散性. 实验结果表明, 该算法鲁棒性较强, 能获取较好的比对性能和生物特性
2023-11-24 08:52:47
365KB
1
策略遵循顺大势的做单原理对市场预测非常准确，条件过滤良好，入场切入点精确成功率高，能准确判断在最高点出现之后，在高点及时做空，最低点出现以后在低点及时做多
2022-10-29 23:10:31
106KB
1
针对现有的地址匹配算法地址要素切分存在歧义、匹配率和准确率低等问题,提出一种多策略结合的地址匹配算法。利用双向最大匹配分词算法提取有歧义的地址要素,通过建立地址要素特征字词典与地址标准数据库,对歧义结果进行首次歧义消除,再利用基于序列标注的中文分词进行二次歧义消除,将得到的各地址要素匹配数据库后计算相似性匹配得分,最后按照各地址要素的重要程度分配权重,加权求和后得到匹配总得分。结果表明,该算法优于其他传统的地址匹配算法,提高了地址匹配的匹配率与准确率。
2022-10-10 14:50:42
1.04MB
1
为了更好地提高并行差分进化算法的求解精度和计算效率，实现适用于解决多种优化问题的鲁棒性算法，提出了一种多种群多策略的并行差分进化算法。该算法将种群划分为多个子种群，不同的子种群分别采用不同的差分进化策略。多个子种群各自独立进化，互不干扰，每隔一定代数才进行种群间的通信交流。通过利用多种群实现多种优化策略，并采用并行方式，使得算法可以采用不同的优化策略进行搜索，更加节省计算时间。数值实验结果表明，该算法在求解不同类型的优化问题时都具有良好的计算能力和效率。
2022-03-16 09:25:00
452KB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真
2022-02-24 19:58:53
284KB
1
为进一步提高多目标粒子群算法的收敛性和多样性,提出一种多策略融合改进的多目标粒子群优化算法.首先,引入分解思想以增加Pareto解集的多样性;然后,在速度和位置更新时,引入“多点”变异,即随着迭代次数的递增,根据相应判据对位置的更新作出不同的变异,避免算法早熟现象的发生;最后,将更新后种群和最优解集进行非支配排序,最优解放入精英外部存档.仿真实验结果表明,与另外4种进化算法对比,所提出算法表现出良好的整体性能.
2022-01-13 16:59:11
747KB
1
设计并实现了一种基于Linux的多策略容灾系统。该系统集快速备份、完整备份、增量备份、快速恢复、安全日志等为一体，有效解决了目前大多数容灾系统备份、恢复策略单一，不能根据应用服务器的特征定制相应的容灾策略等问题。
2021-12-13 17:29:35
135KB
1
【优化算法】多策略协同多目标萤火虫算法（MOFA_MOCS）【含Matlab源码 1512期】.zip
2021-11-12 09:04:25
17KB