文件Cache自适应策略研究pdf

为了解决粒子群种群多样性低、容易陷入局部最优的缺点，结合最优粒子和其他粒子在种群中的不同作用，给出了一种自适应变异粒子群算法。算法中最优粒子根据种群进化程度，自适应调整自身搜索邻域大小，增强种群的局部

自适应的遗传算法参数，朱彦廷，，用自适应的适应度函数、交叉概率及变异概率取代固定的的适应度函数、交叉概率及变异概率来改进遗传算法，并与标准遗传算法进行了

邻域自适应否定选择算法，张斌，张凤斌，针对免疫入侵检测邻域否定算法对于数据处理缺乏灵活性问题,借助信息熵的离散化的离散化，提出了邻域自适应否定选择算法。在尽量��

Srinvivas等提出一种自适应遗传算法，交叉概率与变异概率能够随着适应度大小而改变。但在这种算法中，群体中最大适应度值的个体的交叉率和变异率为零，这使得进化走向局部最优解的可能性增加。提出了一种改

为解决传统聚类方法对不同规模类不能正确聚类的问题，探讨了带影响力因子的硬聚类方法。为每个类均赋予一个影响力因子，使样本的隶属关系不只受距离的影响，而且受类的规模的影响。通过对18个数据集的实验，证明该

提出了一种新的基于相邻像素差的自适应隐写算法。该算法结合图像位平面性质以及人眼对像素值起伏剧烈的区域敏感性较差的视觉特性，根据相邻像素高五位比特值之差的不同选择不同的嵌入策略，通过改变每对像素的最低三

为满足超大视场机器视觉自动对焦系统快速检测的要求，研究了一种基于对焦深度的自适应快速对焦算法。该算法采用粗对焦与精确对焦相结合的二级对焦策略，在不同的检测区域实现自适应选择最佳评价函数，实现自适应快速

蛙跳算法是一种受自然界生物现象启发产生的群体进化算法，计算速度快，寻优能力强，但局部搜索能力较弱，容易陷入早熟收敛。针对其缺点，结合高斯变异和柯西变异的优点，提出了一种改进的混合蛙跳算法。改进后的算法

针对知识管理中本体构建存在的问题，将聚类算法与ODP（Open Directory Project）目录有机结合，给出了一种基于知识资源元数据的自适应本体学习方法。根据元数据对文档进行聚类形成本体概念

为了解决蚁群算法在求解连续函数优化问题时，存在局部搜索能力较差的缺陷，提出一种新颖的自适应蜂群—蚁群优化算法。新算法在蚁群优化算法的基础上，设计了一种参数q的自适应机制，进而减少了参数个数，提高了其鲁