一种基于松鼠猴算法和广义正态分布算法的对抗学习策略的混合算法，用于解决数据聚类问题

Feb, 2023

一种基于松鼠猴算法和广义正态分布算法的对抗学习策略的混合算法，用于解决数据聚类问题

A Hybrid Chimp Optimization Algorithm and Generalized Normal Distribution Algorithm with Opposition-Based Learning Strategy for Solving Data Clustering Problems

PDF

Sayed Pedram Haeri Boroujeni, Elnaz Pashaei

TL;DR研究了数据聚类的优化方法，提出了基于黑猩猩优化算法、广义正态分布算法和对抗学习策略的 ChOAGNDA 方法，用于解决大型和复杂的数据聚类问题。优化结果表明该方法在最小化簇内距离总和、降低错误率和加速收敛速度等方面显著优于其他现有方法。

Abstract

This paper is concerned with data clustering to separate clusters based on the connectivity principle for categorizing similar and dissimilar data into different groups. Although classical clustering algorithms such as K-means are efficient techniques, they often trap in local optima a

data clustering chimp optimization algorithm generalized normal distribution algorithm opposition-based learning meta-heuristic optimization

发现论文，激发创造

遗传工程算法（GEA）：一种高效的元启发式算法用于解决组合优化问题

提出了一种基于遗传工程概念的新元启发算法 —— 遗传工程算法（GEA），通过重新设计传统遗传算法并引入新的搜索方法，以基于已有基因的选择来孤立、提纯、插入和表达新基因，从而产生具有所选基因的特定染色体，旨在解决遗传算法中的限制问题。与现有算法在基准实例上进行的比较评估表明，GEA 具有卓越的性能，展示了其作为组合优化问题的创新高效解决方案的潜力。

Sep, 2023

一种针对任意方向物体检测的通用高斯热图标签分配

本文提出了一种新的任意方向物体检测方法，称为 “广义高斯热力图标签分配法”，其中使用一种无锚盒对象适应标签分配策略，并开发了面向边界框的表示分量，设计了联合优化损失来改善 AOOD 性能。该方法适用于嵌入式平台上的轻型模型，具有低参数调整和时间成本。

Sep, 2021

GOOSE 算法：一个强大的优化工具，用于现实世界的工程挑战和更多领域

本研究提出了基于鹅的行为的 GOOSE 算法作为一种新颖的元启发式算法，并通过与其他算法进行比较研究，验证了该算法在各种基准测试函数和实际工程问题优化中的卓越性能。

Jul, 2023

由生成式对抗网络 (GANs) 驱动的多目标演化优化

提出了一种基于生成对抗网络驱动的多目标进化算法，通过对父代和子代解进行分类和采样，充分利用生成对抗网络进行有限训练数据的高维优化，取得了理想的效果

Oct, 2019

基于二进制马群优化算法的高维基因选择方法在生物数据分类中的应用

该研究提出了一种二进制版本的马群优化算法 (BHOA)，并基于 BHOA 和最小冗余最大相关过滤器方法提出了一种新颖的混合特征选择框架。实验结果表明，X 形状 BHOA 方法在准确性和选取最少特征方面优于其他方法。

Aug, 2023

生成敌对性主动学习用于无监督异常检测

本文提出了一个基于单目标生成对抗主动学习（SO-GAAL）方法的新型离群点检测算法，通过多个生成器（MO-GAAL）解决数据稀疏性和模式崩溃等问题，在合成和真实数据集上的实验结果表明，MO-GAAL 在各种情况下表现良好。

Sep, 2018

DBGSA：一种新的数据自适应 Bregman 聚类算法

提出了一种结合普适引力算法的数据驱动巴格曼散度参数优化聚类算法（DBGSA），通过构建具有特殊属性的引力系数方程，逐渐减少迭代过程中的影响因子，并引入巴格曼散度广义幂均值信息损失最小化来识别聚类中心和构建超参数识别优化模型，有效解决了改进数据集中手动调整和不确定性的问题。对四个模拟数据集和六个真实数据集进行了广泛实验，结果表明 DBGSA 相对于其他类似方法如改进聚类算法和改进数据集，平均提高了 63.8％的各种聚类算法的准确性。此外，建立了一个三维网格搜索来比较阈值条件下不同参数值的效果，并发现我们模型提供的参数集是最优的，这一发现为算法的高准确性和强韧性提供了有力的证据。

Jul, 2023

高效通讯的分布式鲁棒性分布式学习

本文介绍了一种分布式学习算法 —— 去中心化单环梯度上升 / 下降算法（AD-GDA），以解决设备之间数据分布不均导致合作训练模型性能下降的问题，并采用压缩共识方案提高通信效率，并给出了平滑凸和非凸损失函数的收敛性保证。

May, 2022

基于显著性的分布估计算法

提出一种基于紧凑遗传算法的 EDA 方法，只更新经历考虑后的信息，证明了该方法可在近线性时间内优化 OneMax、LeadingOne 和 BinVal 等基准函数，对于其他 EDA 和进化算法还未有类似的结果。同时证明了其他两种算法无法在多项式时间内优化 OneMax。

Jul, 2018

混合遗传算法与爬山优化方法用于神经网络

本文提出了一种混合模型，结合了遗传算法和爬山算法，用于优化 CIFAR-100 数据集上的卷积神经网络。实验结果表明，该混合模型比标准算法在更少的迭代次数下实现了更好的准确度，因此该模型可以成为优化大型数据集上的卷积神经网络的一种有前景的方法。

Aug, 2023