您的位置: 专家智库 > >

彭虎

作品数:24 被引量:135H指数:7
供职机构:九江学院信息科学与技术学院更多>>
发文基金:国家自然科学基金江西省教育厅科学技术研究项目软件工程国家重点实验室开放基金更多>>
相关领域:自动化与计算机技术文化科学电子电信经济管理更多>>

文献类型

  • 21篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 20篇自动化与计算...
  • 2篇电子电信
  • 2篇文化科学
  • 1篇经济管理

主题

  • 8篇进化算法
  • 7篇子群
  • 6篇粒子群
  • 6篇粒子群优化
  • 6篇差分进化
  • 5篇差分
  • 5篇差分进化算法
  • 4篇优化算法
  • 4篇搜索
  • 4篇粒子群优化算...
  • 3篇云计算
  • 3篇全局优化
  • 3篇协同进化
  • 3篇进化
  • 2篇大学生
  • 2篇岛模型
  • 2篇动态邻域
  • 2篇云计算模型
  • 2篇群算法
  • 2篇局部搜索

机构

  • 22篇九江学院
  • 11篇武汉大学
  • 1篇合肥工业大学
  • 1篇江西师范大学
  • 1篇中南民族大学
  • 1篇江西农业大学
  • 1篇中国人民解放...

作者

  • 23篇彭虎
  • 16篇邓长寿
  • 9篇吴志健
  • 5篇谭旭杰
  • 4篇田俊峰
  • 4篇董小刚
  • 3篇周新宇
  • 2篇黄海燕
  • 2篇王晓静
  • 2篇张艳
  • 2篇谭毓澄
  • 2篇袁斯昊
  • 2篇任红卫
  • 1篇邓安远
  • 1篇强小利
  • 1篇王映龙
  • 1篇张海
  • 1篇周凌云
  • 1篇丁立新
  • 1篇王则林

传媒

  • 3篇计算机应用
  • 3篇计算机应用研...
  • 2篇电子学报
  • 2篇计算机工程
  • 2篇小型微型计算...
  • 2篇计算机科学
  • 2篇科教导刊
  • 1篇计算机研究与...
  • 1篇中南大学学报...
  • 1篇九江学院学报...
  • 1篇九江学院学报...
  • 1篇智能系统学报

年份

  • 2篇2020
  • 1篇2019
  • 3篇2018
  • 3篇2017
  • 3篇2016
  • 3篇2015
  • 1篇2014
  • 4篇2012
  • 2篇2011
  • 1篇2007
24 条 记 录,以下是 1-10
排序方式:
基于传播和时间权重的协同过滤新书推荐算法
2020年
随着“数字化图书馆个性化服务”概念的提出,新书推荐成为当前读者的重要需求,提高图书服务的效率得到越来越多的关注。而协同过滤是目前个性化推荐技术中较成功的推荐算法,完全适用于新书推荐且效率较高,但也存在稀疏性与可扩展性等问题。为应对这些问题,提出了一种基于相似度传播和时间综合权重的协同过滤新书推荐算法(PTCF),算法依据数据量划分三个数据阶段,不同阶段动态选择适合的推荐方案,在相似度计算中采用传播思想以解决稀疏性问题,引入时间综合权重以应对可扩展性问题并提高新书推荐的时效性。通过处理BookCrossing社区原始数据得到图书数据集GoodBook,并经过实验与分析验证了新算法推荐方式更灵活、推荐质量更优。
彭虎杨迎方邓长寿
关键词:新书推荐协同过滤个性化推荐稀疏性可扩展性
基于智能预警的自恢复存储系统研究被引量:1
2012年
为提高磁盘阵列存储的可靠性,提出一种基于智能预警的自恢复存储系统。在对磁盘S.M.A.R.T信息实时监测采集的基础上,利用机器学习方法对磁盘故障进行预测,对于预警磁盘采取以数据为中心的自修复迁移保护策略。分析结果表明,该系统能提高存储可靠性,数据迁移过程对用户透明,可用性较强。
田俊峰彭虎邓安远
关键词:智能预警
大数据驱动的大学生由“浅”及“深”的阅读新模式浅析
2020年
随着信息技术的不断发展,在大学生身上呈现的是"浅"与"深"相矛盾,阅读习惯与学业要求相对立。缺乏精准信息的推送,无法满足个性化学习需求,是大学生这一群体面对的突出问题。本文探索通过浅阅读来推动深阅读,通过大数据技术将大学生的浅阅读转化为深阅读,构建基于大数据的阅读内容精准推送平台。使学生与图书之间获得更为精准和有效的关联,能更好地辅助学习,推动大学生的阅读由"浅"及"深"。
彭虎
关键词:大数据浅阅读深阅读
基于RDD的分布式粒子群优化算法被引量:4
2016年
在演化计算领域,粒子群优化算法具有易实现、收敛快、调参少等优点.但是随着问题规模的增大,粒子群优化算法易陷入求解精度不高、耗时过长的窘态,因此本文提出一种基于弹性分布式数据集(Resilient Distributed Datasets,RDD)的分布式粒子群优化算法.该算法采用岛模型将种群分解为若干个岛屿,即子种群,然后使用RDD并行数据结构将整个种群并行化,使得每个岛屿对应RDD中的一个分区,借助RDD的分区并行,实现了粒子群优化算法在分布式平台上的并行.最后,对包括单峰函数和多峰函数在内的11个标准测试函数,将该算法与多种改进的PSO算法进行了比较实验与分析,结果表明该算法求解精度高且加速效果明显.
程磊生吴志健彭虎吴双可邓长寿王则林
关键词:粒子群优化岛模型并行计算
一种邻域重心反向学习的粒子群优化算法被引量:33
2017年
粒子群优化算法使用反向学习技术可以提高性能.然而,现有的反向学习粒子群优化算法仅采用粒子最大最小边界计算反向解,没有充分利用群体搜索经验.针对此问题,提出了一种邻域重心反向学习策略,使用邻域重心作为参考点计算反向解,充分吸收群体搜索经验的同时保持种群多样性;采用收缩因子拓展反向解搜索范围,增加找到更高质量解的机率.在典型的基准测试函数、CEC’13测试函数和一个实际工程优化问题上进行验证,实验结果说明了邻域重心反向学习策略的有效性和本文算法的竞争力.
周凌云周凌云丁立新彭虎
关键词:多样性粒子群优化
求解大规模优化问题的正交反向混合差分进化算法被引量:3
2016年
差分进化算法简单高效,然而在求解大规模优化问题时,其求解性能迅速降低。针对该问题,提出一种正交反向差分进化算法。首先,该算法利用正交交叉算子,加强了算法的局部搜索能力。其次,为防止过强的局部搜索使算法陷入早熟收敛,利用反向学习策略调节种群多样性,从而有效地平衡算法的全局和局部搜索能力。利用11个标准测试函数进行实验,并和差分进化算法的四种优秀改进版本进行比较,实验结果表明提出的算法求解精度高、收敛速率快,是一种求解大规模优化问题的有效算法。
董小刚邓长寿谭毓澄彭虎
关键词:差分进化
求解约束优化问题的动态邻域粒子群算法被引量:5
2011年
粒子群算法(PSO)求解约束优化问题存在较严重的早熟收敛现象,为了有效抑制早熟收敛,提出了基于改进的约束自适应方法的动态邻域粒子群算法(IPSO)。算法采用动态邻域策略提高算法的全局搜索能力,设计了一种改进的自适应约束处理方法,根据迭代代数线性增加搜索偏向系数,在早期偏向于搜索可行解,在后期偏向于搜索最优解,并引入序列二次规划增强算法的局部搜索能力。通过基准测试函数实验对比分析,表明该算法对于约束优化问题具有较好的全局收敛性。
彭虎田俊峰邓长寿
关键词:粒子群优化动态邻域序列二次规划
基于三角的骨架差分进化算法被引量:11
2015年
差分进化(differential evolution,DE)算法简单高效,但其控制参数和差分变异策略对待解的优化问题较为敏感,对问题的依赖性较强.为克服这一缺陷,提出了一种新的基于三角的骨架差分进化算法(bare-bones differential evolution algorithm based on trigonometry,tBBDE),并使用随机泛函理论分析了算法的收敛性.算法采用了三角高斯变异策略以及三元交叉和交叉概率自适应策略对个体进行更新,并在收敛停滞时进行种群扰动,算法不仅继承了骨架算法无参数的优点,而且还很好地保留了DE算法基于随机个体差异进行的特性.通过对包括单峰函数、多峰函数、偏移函数和高维函数的26个基准测试函数的仿真实验和分析,验证了新算法的有效性和可靠性,经与多种同类的骨架算法以及知名的DE算法在统计学上的分析比较,证明了该算法是一种具有竞争力的新算法.
彭虎吴志健周新宇邓长寿
关键词:差分进化高斯变异全局优化
求解大规模优化问题的新型协同差分进化算法被引量:2
2017年
基于分而治之的策略,研究求解大规模优化问题的新方法。首先,基于加性可分性原理提出一种改进的变量分组方法,该方法以随机取点的方式,成对检测所有变量之间的相关性;同时,充分利用相关性学习的信息,对可分变量组进行再次降维;其次,引入改进的差分进化算法作为新型子问题优化器,增强了子空间的寻优性能;最后,将两项改进引入到协同进化框架构建DECC-NDG-CUDE算法。在10个选定的大规模优化问题上进行分组和优化两组仿真实验,分组实验结果表明新的分组方法能有效识别变量的相关性,是有效的变量分组方法;优化实验表明,DECCNDG-CUDE算法对10个问题的求解相对于两种知名算法DECC-DG、DECCG在性能上具备整体优势。
董小刚邓长寿谭毓澄彭虎吴志健
关键词:优化器协同进化
基于精英区域学习的动态差分进化算法被引量:17
2014年
DE算法简单高效,但对复杂问题也存在收敛效率较低的问题,为提高DE算法的全局勘探能力和收敛精度,提出了一种新的精英区域学习动态差分进化算法,算法首先将历史精英保存在精英池中,然后采用正弦函数对精英池中的精英进行区域学习,最后利用动态DE模式有效提高收敛的速度,并从理论上证明了算法的收敛性.通过对包括单峰函数、多峰函数和偏移函数的20个基准测试函数的仿真实验和分析,验证了新算法的有效性和适用性,其能在保持较高的收敛速度的同时也能保持较好的收敛精度,经与多种知名的DE算法在统计学上的分析比较,证明了该算法是一种具有竞争力的新算法.
彭虎吴志健周新宇邓长寿
关键词:差分进化
共3页<123>
聚类工具0