孙超利 作品数:46 被引量:84 H指数:6 供职机构: 太原科技大学 更多>> 发文基金: 国家自然科学基金 山西省自然科学基金 博士科研启动基金 更多>> 相关领域: 自动化与计算机技术 理学 机械工程 文化科学 更多>>
求解大规模多目标问题的改进粒子群算法 被引量:5 2020年 针对大规模多目标优化问题,提出了一种基于分解的改进粒子群算法。该方法将分解策略与社会学习粒子群优化算法相结合引入到个体的学习过程中,针对每个个体及其邻域个体,计算其沿权重向量方向与参考点之间的距离以及与权重向量之间的距离并对它们进行排序,个体通过学习离参考点近的任意个体以及离权重向量近的所有个体实现位置的更新。在5个ZDT测试函数上进行了500维和1000维的测试对比,结果表明本文所提的算法具有较好的收敛性以及分布均匀性。 兰丽尔 孙超利 何小娟 谭瑛关键词:粒子群优化算法 基于参考向量关联估计的离线多目标优化算法 2024年 很多实际工程和科学问题都是计算费时的多目标优化问题,这类问题中每个候选解的评价往往都非常费时,因此仅允许使用少量真实评价。论文采用离线数据驱动的进化算法求解计算费时多目标优化问题,以期节省优化时间。论文通过训练代理模型来估计候选解的收敛性,采用最近邻样本估计候选解与参考向量的关联关系,减少了使用目标估值计算候选解与参考向量夹角大小所产生的误差累积。使用DTLZ测试集验证论文算法的有效性,论文算法与离线数据驱动的优化算法MS-RV以及三个经典在线数据驱动优化算法进行对比,实验结果表明论文提出的算法在保证性能的前提下,可以减少使用真实的评价次数。 李睿 孙超利 张国晨关键词:代理模型 最近邻估计 基于多域融合及神经架构搜索的语音增强方法 被引量:1 2024年 为进一步提高语音增强模型的自学习及降噪能力,提出基于多域融合及神经架构搜索的语音增强方法。该方法设计了语音信号多空间域映射及融合机制,实现信号实复数关联关系的挖掘;围绕模型卷积池化运算特点,提出了复数神经架构搜索机制,通过设计的搜索空间、搜索策略及评估策略,高效自动地构建出语音增强模型。实验搜索到的最优语音增强模型与基线模型的对比泛化实验中,语音质量客观评价(PESQ)、短时客观可懂度(STOI)两大指标较最优基线模型均最大提升5.6%,且模型参数量最低。 张睿 张鹏云 孙超利基于改进期望提高的昂贵单目标约束优化算法 优化设计是工程实践中重要组成部分,包括约束优化设计和无约束优化设计。近年来,进化算法由于对最优化问题无连续可微的要求,因此在工程实践中获得了广泛的应用。然而,工程实践中的有些优化问题无法给出具体的目标函数或者约束函数的显... 常圣方 孙超利 谭瑛关键词:差分进化算法 文献传递 数据挖掘决策树方法的研究与应用 决策树方法是DM的核心技术算法之一,它是一种常用于预测模型的算法,它通过将大量数据有目的地分类,从中找到一些具有商业价值的、潜在的信息.在决策树算法中属Quinlan于1986年提出的ID3算法最有名.它是非递增算法,并... 孙超利关键词:知识发现 数据挖掘 决策树 信息增益 信息熵 文献传递 基于代理模型可行规则法的优化算法 2021年 针对约束优化问题中约束函数计算费时的情况,提出使用代理模型拟合待优化约束函数的方法。该方法先求解个体所有约束违反度并求和,然后建立代理模型预测个体的约束违反度之和,并根据可行规则法筛选最优解。最后采用CEC2017约束测试函数,与不加代理模型的优化算法对比,验证了该方法的有效性,提高了优化结果和进化算法效率。 张慧晶 张国晨 谭瑛 孙超利关键词:进化算法 代理模型 基于属性-值对的信息增益优化算法 被引量:3 2005年 偏向于取值较多的属性是ID3算法的一个缺陷,目前已提出的决策树的优化算法对ID3算法的改进,部分解决了该缺陷,但仅适用于两值属性的样例集,对于多值属性效果并不明显。针对该优化算法的不足,通过将属性和属性值对应成一个属性,提出了属性-值对的信息增益优化算法GBT。通过理论和实验分析,表明该算法不仅克服了ID3算法偏向于取值多属性的缺陷,同时解决了优化算法对多值属性效果不明显的不足。 孙超利 张继福关键词:数据挖掘 决策树 信息增益 信息熵 基于分层级系统能力培养的计算机组成原理课程教学探索 被引量:6 2023年 分析计算机系统能力培养的核心目标以及存在问题,针对不同专业方向对系统能力培养的需求不同,提出分层级系统能力的培养框架。以计算机组成原理课程为例,阐述分层级系统能力培养的教学改革思路和具体实施方案。 李晓波 张国晨 谭瑛 孙超利关键词:计算机组成原理 教学改革 基于ASP的通用查询系统的设计与实现 被引量:3 2002年 该文介绍了如何利用ASP技术来实现通用查询系统,让用户根据自己的查询需求自由组合查询条件,并应用到实际系统中,收到了良好的效果。 宗平 孙超利关键词:通用查询系统 ORACLE ODBC 信息服务系统 基于并行填充准则的EGO算法求解昂贵优化问题 2024年 针对EGO(Efficient Global Optimization)算法在求解昂贵优化问题中需要大量真实评价获得最优解的问题,提出一种基于并行填充准则的EGO算法。首先,设置了离群度量因子,提高分布稀疏区域样本点被选择的几率,从而提高算法优化效率;其次,引入了影响函数,依据已选择填充点对后续待选填充点的影响,构造新的EI(Expected Improvement,简称EI)函数依次选择多个填充点,并对这些点并行计算,从而减少了计算成本。在14个测试函数上对所提算法进行仿真实验,与其它典型代理模型辅助的优化算法进行测试对比,实验结果表明所提算法在有限的的评价次数下拥有更快的收敛速度。 王凤梅 何小娟 孙超利 狄亚坤关键词:并行计算