一种创新的生物启发的GA和PSO算法的实现，用于考虑蒸汽GT动态的控制器设计

财务预测的技术分析

Technical Analysis on Financial Forecasting

财务预测是使用历史内部会计和销售数据对公司，行业，国家未来财务结果的估计。我们可以通过一些软计算技术来实际预测BSE_SENSEX的未来结果，也可以使用PSO（粒子群优化），EA（进化算法）或DEA（差分进化算法）等进行优化。PSO是Eberhart博士和Kennedy博士于1995年基于鱼类集群或鸟类群集的社会行为开发的生物启发计算搜索和优化方法。粒子群算法是一种很有前途的训练人工神经网络的方法。该算法比遗传算法简单，只需调整少量参数。粒子群优化算法是一种基于粒子填充的随机模式搜索技术。在粒子群算法中，粒子在搜索空间中具有一定的位置和速度。在PSO中使用两个术语，一个是局部最佳，另一个是全局最佳。为了优化不规则，噪声，随时间变化，静态等问题，PSO使用经典的优化方法，如梯度下降和拟牛顿方法。对近几年来的一些相关研究进行了观察和回顾，重点介绍了粒子群算法的功能，粒子群算法的改进以及使用粒子群算法实现的函数优化，神经网络训练和模糊控制等操作。微分进化是一种有效的数值优化EA技术，由于动物的群集行为，即聚集在一起的相似大小的集体行为，引入了PSO技术。

基因表达数据可扩展特征选择的稳定组合粒子群算法

A Stable Combinatorial Particle Swarm Optimization for Scalable Feature Selection in Gene Expression Data

演化计算（EC）算法，例如离散和多目标版本的粒子群优化（PSO），已经被应用于解决特征选择（FS）问题，以解决充满局部最小值的搜索空间的组合爆炸。此外，高维FS问题，如寻找一小组生物标志物进行诊断调用添加了额外的挑战，因为这种方法挑选出最重要特征的能力必须在增加维度和存在不相关特征的决策空间中保持不变。我们开发了一种组合PSO算法，称为COMB-PSO，它可以扩展到高维基因表达数据，同时仍然选择允许可靠分类样本的最小基因子集。COMB-PSO算法在编码方式、收敛速度、发散性和多样性控制等方面均优于传统的PSO算法，并在搜索空间的探索和利用方面取得了较好的平衡。将我们的方法应用于不同癌症的真实基因表达数据，COMB-PSO找到了最小尺寸的基因集，从而可以对潜在疾病类别进行可靠的分类。

Chaos inspired Particle Swarm Optimization with Levy Flight for Genome Sequence Assembly

With the advent of Genome Sequencing, the field of Personalized Medicine has been revolutionized. From drug testing and studying diseases and mutations to clan genomics, studying the genome is required. However, genome sequence assembly is a very complex combinatorial optimization problem of computational biology. PSO is a popular meta-heuristic swarm intelligence optimization algorithm, used to solve combinatorial optimization problems. In this paper, we propose a new variant of PSO to address this permutation-optimization problem. PSO is integrated with the Chaos and Levy Flight (A random wa…

使用人工智能模型进行系统辨识

Using Artificial Intelligence Models in System Identification

本研究修改遗传算法和粒子群优化算法以适应系统辨识的多模态问题，并应用于感应电机参数辨识，结果表明粒子群优化算法在多模态问题上优于遗传算法。

目标函数变换下混合元启发式算法的鲁棒性与不变性

Robustness and Invariance of Hybrid Metaheuristics under Objective Function Transformations

该研究通过即插即用算子混合19种先进元启发式算法，在CEC-2017套件多维度多变换下测试，证实基于差分的混合算法鲁棒性与不变性更优，经典算法性能下降明显，为现实优化任务提供算法选型依据。

基于量子仿生算法的网络入侵检测系统

A Network Intrusions Detection System based on a Quantum Bio Inspired Algorithm

网络入侵检测系统（NIDS）的作用是通过监测网络行为来识别恶意活动。由于目前大量的网络流量，除了增加的攻击数量和它们的动态特性，NIDS的挑战，提高其分类性能。利用生物启发优化算法（BIO）自动提取正常行为和异常行为的判别规则，提高NIDS的分类精度和检测能力。提出了一种基于量子疫苗免疫克隆算法和分布估计算法的网络入侵检测系统。该算法被用作新的NIDS的分类算法，它是使用KDD数据集进行训练和测试。此外，新的NIDS与另一种基于粒子群优化（PSO）的检测系统进行了比较。实验结果表明，该算法具有较高的入侵分类准确率，最高准确率达到94.8%。