论文部分内容阅读
社会进步赐予了人类向前发展的力量和灵感。人们对自然法则的研究与应用促进了智能算法的发展。随着科学技术的发展和人们生活水平的提高，人们正在从IT时代转向DT时代。人们生活中不断的会产生各式各样的数据，利用好这些数据将会给人们的生活水平带来很大提升。如何让数字智能化在自然规律的启发下变得更好，如何在复杂的社会网络行为中挖掘出对人类生活存益的信息，如何巧妙在利用社会发展的规律服务于未来成为当下的挑战和难题。 本文针对智能算法模型中的基本要素——群体和群行为两大因素，从最优化的本质理论出发，研究了群体行为与算法的关系，以提升算法解决问题的有效性和高效性为出发点，在帝国竞争算法的基础上提出了新的竞争模型，从理论和实验验证了它的有效性和收敛性，主要工作包括: (1)在帝国竞争算法的基础上，提出了一个改进的帝国竞争算法。针对帝国竞争算法缺少多样性，缺少交互的缺点，引入了忠诚度算子和差异因子使算法变得更加高效。在小世界理论的影响下，使帝国之间的有了更好的交互，详细划分了每个国家的地位和角色，让算法有了更好的运行结果。 (2)在提出的算法基础上进行了大量的函数极值的最优化实验。首先对14个函数进行了函数极值的对比实验，和已有的算法和其他改进的帝国竞争算法进行了对比，验证新算法的优越性。然后通过实验设置差异因子的两个阈值来增强算法的高效性。最后通过动态设置竞争系数的入口来控制算法的收敛速度。 (3)在帝国竞争算法的基础上提出了新的竞争模型。新模型主要包括了智能分群，群内同化，群间竞争博弈和终止条件设置四个方面。以竞争力为衡量标准，模拟了人类社会和自然现象中的竞争行为。 (4)给出了帝国竞争算法和竞争模型的理论证明。从收敛性证明了算法的在寻找最优解时有效性。利用最大最小公平性来验证了竞争博弈的策略选择方式。 (5)将竞争模型用于预测相关的比赛中。第一个应用是滴滴出行的算法大赛，主要是应用于时间和区域确定时订单量的预测。第二个应用是电影评分的预测，主要在电影相关信息存在（豆瓣电影为基准）的情况下，预测电影评分。 本文以竞争为核心展开，对其模型、理论、实验及应用进行了详细的展开工作。