- 基于量子支持向量机的新型特征选择方法
本研究提出了一种新颖的方法,量子支持向量机特征选择(QSVMF),将量子支持向量机与多目标遗传算法相结合。QSVMF 通过优化多个同时目标来实现:最大化分类准确性,最小化选定特征和量子电路成本,并减少特征协方差。我们将 QSVMF 应用于一 - 消防带位置问题的元启发式比较:一种基于仿真优化方法的对比
火线设置的问题是防火工作中至关重要的问题,其在景观尺度上的有效性取决于其阻碍未来山火扩展的能力。本研究从仿真优化的角度提出了解决方案,利用遗传算法和 GRASP 算法在具备中高操作能力和中等随机性的情境下取得了良好的结果。
- 排列进化算子的调查与分析
对组合优化问题的演化操作符与排列进行了调查和分析,使用了开源 Java 库 Chips-n-Salsa 实现并在人工适应度景观上进行了实证分析。
- 使用遗传算法改进 CNN 加速器的层间流水线
通过图形排序的遗传算法,我们开发了一种针对卷积神经网络的层融合技术,减少了边缘平台上的数据传输,从而提高了能效和能延迟乘积(EDP),在类似 SIMBA 移动架构上的 MobileNet-v3 中实现了 1.8 倍的能效提升和 1.9 倍的 - 使用遗传算法的密集视觉里程计
本研究通过使用基于遗传算法的迭代遗传算法来估计以静态场景中的 RGB-D 图像为基础的移动机器人或移动物体上的头部摄像机运动,并通过与传统方法以及另一种元启发式方法的均方根误差比较来证明了该算法的高效性。
- 特征选择与超参数优化的改进遗传算法:垃圾邮件预测中的 XGBoost 案例
近期,网上社交网络的垃圾邮件引起了研究和商业界的关注。本文提出了一种改进的遗传算法用于同时减少维度和超参数优化,针对不平衡数据集。该算法使用极限梯度提升分类器对推文数据集进行特征空间降维,生成垃圾邮件预测模型,并验证了模型的有效性。实证结果 - 进化式桌面游戏设计:以《风险》游戏为案例研究
借助进化游戏设计和遗传算法,本研究扩展了现有的方法来生成《Risk》这个桌游的新变种版本,通过改变地图大小和生成更加平衡的游戏以减短比赛时间,为进一步研究演化游戏设计提供了有希望的方向。
- 逆向过程建模的单视图三维重建
通过反向程序化建模的方法,我们提出了一种三维重建技术,并研究了两种变种。第一种选择使用遗传算法来拟合输入参数的集合,我们展示了我们在树模型和复杂对象的实验结果。第二种选择通过使用变异算法、可微分渲染和不可微分程序化生成器,显著提高了精度。我 - 第三方电子商务集成中优化椭圆曲线密码参数的人工智能算法比较:一项量子前时代分析
本文比较了遗传算法(GA)和粒子群优化(PSO)两种重要的人工智能算法,重点优化了椭圆曲线密码学(ECC)参数。研究结果揭示了在相同适应度函数下,哪种生物启发式算法能够提供更好的 ECC 配置优化结果,并考察了通过评估奇异或异常曲线、应用 - 基于遗传算法的动态后门攻击对联合学习网络流量分类
通过使用基于遗传算法的 GABAttack 对联邦学习在网络流量分类中的后门攻击,研究证实了这种攻击的成功,并提出网络安全专家和从业者需要开发强大防御措施的警示。
- 优化模块化机器人构造:一种词典遗传算法的方法
我们提出了将遗传算法与词典式评估候选解相结合的方法,以克服模块化机器人设计中的优化模块组成问题,从而开辟了超过之前工作数量级的搜索空间。我们证明了我们的方法优于最先进的基准线,并能够合成用于杂乱环境中的工业任务的模块化机器人。
- 利用神经网络势能和年龄适应 Pareto 遗传算法进行晶体结构预测
使用 ParetoCSP 算法和神经网络相互作用势模型,结合多目标遗传算法(MOGA)和全局通用相互作用势模型(IAP),准确预测晶体结构和化学组合。与现有算法相比,ParetoCSP 在性能和结构有效性方面表现出更好的预测能力。
- 无线编码缓存系统中的波束成形
通过集成波束成形和编码缓存策略,我们研究了一种无线传输网络架构,其中服务器使用多个天线向缓存节点广播内容,以为用户提供服务。该架构利用波束成形和编码缓存的优势,实现了在多播机会、干扰抑制和减少峰值回程流量方面的增益。我们还比较分析了这种联合 - 通用黑盒破解大型语言模型
介绍了一种使用遗传算法来操纵无法访问模型结构和参数的大型语言模型的新方法,通过优化通用对抗提示,发现模型的限制和漏洞,从而破坏模型的对齐性,提供诊断工具以评估和增强大型语言模型与人类意图的一致性。
- 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 - 使用多目标遗传算法生成量子特征映射
我们使用一种多目标遗传算法来高效生成支持向量机的量子特征映射,该方法能使得访问高维希尔伯特空间成为可能,并通过最小化量子特征映射电路的本地和非本地门成本来同时最大化分类准确度,对比了经典分类器以了解量子机器学习的优势,并显示出量子核方法的优 - 为叙事解谜游戏生成适应难度的规则
本文研究了利用基因算法和自然语言模型生成规则,将其应用于教育游戏的难度调整。通过应用该方法设计了一款趣味教育游戏,针对幼儿园儿童,且初步实验结果表明该方法能够在二十多代以内找到符合指定难度要求的规则。未来研究将关注数据收集与模型优化。
- 当视觉失败:对 ViT 和 OCR 的文本攻击
本文探讨了基于文字的机器学习模型对视觉输入的抵抗力,并表明他们仍然容易受到以文本编码的视觉对抗性示例的攻击,使用 Unicode 功能组合变音符号来操纵编码文本,演示使用遗传算法生成黑盒威胁视觉对抗性示例的效力,并进行用户研究以证明这些模型 - 使用遗传算法生成私有合成数据
本文提出了 Private-GSD,一种基于零阶优化技术的私人遗传算法,可以高效生成不同 ially private 的合成数据,以近似具有敏感性数据集的统计性质,并通过实验证明了在不可导查询的正确性和性能上的优越性。
- 繁殖机器翻译:进化方式在自动评估世界中生存和繁荣
本研究提出基于遗传算法的机器翻译系统改进方法,利用多种自动评估指标作为适应度函数,产生新颖、多样的高质量输出。同时,利用该方法找出无效评估指标的盲点和缺陷,进而构建对抗样本数据集,并证明基于参考文献的 COMET 系统鲁棒性更强。