融合粗糙集和扩散二元萤火虫算法的属性约简方法

从一维细胞自动机模型入手,将自然界中种群的扩散行为引入二元萤火虫算法(binary glowworm swarm optimization, BGSO)中,提出了一种扩散二元萤火虫算法 (spread binary glowworm swarm optimization, SBGSO)。该算法对萤火虫个体设置营养值及营养阈值的上下限,然后执行扩散操作,以正态分布方式产生新的个体,并淘汰一些持续表现很差的个体,释放资源给其他个体,以保持种群的动态多样性。然后将SBGSO作为搜索策略,粗糙集 (rough set, RS) 作为评价准则,应用于大数据预处理的属性约简问题。为验证本文算法的可行性,采用5个UCI数据集进行实验,并结合10-fold和支持向量机(support vector machine,SVM)算法对预测结果分类准确率进行分析,通过与其他算法对比,表明本文算法具有较好的约简效果。     

具有混沌搜索策略的萤火虫优化算法

萤火虫算法是一种新颖的仿生群智能优化算法,分析了算法的仿生原理和局限,提出一种改进萤火虫局部搜索能力的优化算法。通过逻辑自映射函数产生混沌序列,引入到萤火虫算法中对精英个体进行混沌优化,同时动态收缩搜索空间以加快收敛速度。改进算法有效结合了基本萤火虫算法的局部搜索能力和混沌算法全局优化能力,对典型函数的仿真测试表明,改进算法显著提高了优化性能,在收敛速度和寻优精度方面优于基本萤火虫算法,适合复杂函数优化问题。     

层级引导的增强型多目标萤火虫算法

针对多目标萤火虫算法在求解过程中易产生振荡和聚集现象,导致开发能力较弱、求解精度不佳的问题,提出一种层级引导的增强型多目标萤火虫算法（hierarchical guided enhanced multi-objective firefly algorithm, HGEMOFA）。构建层级引导模型,利用非支配排序获得不同层级个体,用优势层个体引导劣势层个体进化,明确引导方向,解决了进化过程中出现的振荡,减少了聚集现象的出现,增强了算法收敛性;引入莱维飞行扰动最优层个体,增强算法的全局搜索能力;每代进化完成后,对当前种群采用变异机制,增强算法的局部开发能力;把变异后的种群和前一代种群合并进行环境选择,筛选出和前一代种群规模相同的子代,避免优势解丢失。实验结果表明：HGEMOFA能有效增强解的收敛性和多样性。     

一种新颖的萤火虫算法求解PID控制器参数自整定问题

针对基本萤火虫算法存在自适应性不强、精度不高及收敛速度过慢等问题,提出一种新颖的萤火虫算法,即具有混沌搜索策略的自适应步长萤火虫算法。该算法通过引入协调因子,对搜索步长进行自动调节,解决了萤火虫步长过大或过小而带来的搜索精度低和收敛速度慢的问题,利用混沌搜索策略对精英个体进行训练和混沌优化,有效改善了萤火虫种群的多样性和自适应性。实验结果表明,改进后的算法在PID控制器参数自整定的应用中具有其他算法无法比拟的优势。     

基于复数编码的多策略人工蜂群算法

人工蜂群算法是解决不同类型优化问题的优秀算法之一,但该算法在处理复杂优化问题时仍存在收敛速度慢、易早熟和局部搜索能力弱等缺陷.为克服这些问题,从基本人工蜂群算法出发,提出基于复数编码的多策略人工蜂群算法.该算法针对人工蜂群算法的特点,设计搜索策略知识库,由种群个体在搜索过程中自适应选择最佳搜索方式,并引入复数编码方法构造双倍体种群个体,改善种群个体的多样性,进一步提高解的质量.应用15个测试函数对算法性能进行仿真实验,并将实验结果与其他算法进行比较,结果表明本文提出的算法在收敛速度和计算精度上明显优于对比方法,能够有效地解决全局优化问题.     

应用改进萤火虫算法求解基于学习退化效应的PFSP问题

为了提高基于学习退化效应的置换流水车间调度问题的求解效率,提出一种改进的萤火虫算法来增强算法性能。首先,给出一种基于目标函数的动态自适应惯性权重莱维飞行萤火虫算法,提高了算法收敛速度,易于快速搜索局部及全局最优解;其次,在标准萤火虫算法的基础上对每次移动后的萤火虫群引入差分进化算法,促进萤火虫个体决策域半径内的信息交换与共享,增加种群多样性,提升了算法收敛精度;最后,根据机器加工具有学习及退化效应的特性,通过Matlab对Car类和Rec类置换Flow-shop Benchmark问题的测试验证了改进萤火虫算法对于求解此类问题有很好的可行性及鲁棒性,并分析了不同学习率与退化效应因子组合对目标函数的影响。     

基于动力学的多父体杂交算法

多父体杂交算法将种群中多个个体张成一个空间,然后在此空间中进行空间搜索,该算法具有很强的解搜索能力和较快的运行速度.动力学演化算法根据粒子群的统计物理特性,模拟粒子群在空间中的运动,提出了一种基于统计物理的粒子选择机制.数值实验表明,动力学演化算法是有效的.结合动力学演化算法的选择策略和多父体杂交算法的遗传操作,提出一种新的基于动力学的多父体杂交算法.该算法对多父体杂交算法中的替换策略进行改进,有效地提高了算法的求解能力,数值实验表明新算法可以很好的收敛,能够快速的找到问题的最优解.     

一种融合邻域搜索的多策略差分进化算法

设计多策略差分进化算法的难点在于选择何种变异策略以及如何分配这些策略。提出一种融合邻域搜索的多策略差分进化算法,根据个体适应度值将种群分为3 个子种群,每个子种群分别采用不同的变异策略和参数值,使得各子种群的搜索能力可互补,有助于平衡整个种群的勘探和开采能力。同时,对适应度值最好的子种群采用邻域搜索操作,充分挖掘优质个体可能包含的有益信息用于指导搜索。在34 个测试函数上实验,与包含7 种差分进化算法在内的12 种进化算法进行对比,结果表明该算法在大多数函数上取得了更好性能。     

改进的三种群遗传算法

提出了一种新的三种群遗传算法.在一个子种群中,高相似个体之间具有相对高的交叉率,遗传操作得到的新个体替代上代种群的最劣的个体.在另一个子种群中,低相似个体之间具有相对高的交叉率,相对大的变异率,遗传操作得到的新个体替代父代中的最劣个体.两个子种群移民一定数量的个体到第三个子种群,第三个子种群进化后移民到前两个子种群,均衡算法的局部搜索能力和全局探索能力.将算法与确定性排挤遗传算法与3个子种群的多种群遗传算法进行比较,结果表明新算法的性能更优.     

求解零空闲置换流水车间调度问题的离散烟花算法

针对以最小化最大完工时间为目标的零空闲置换流水线调度问题,提出了一种带有局部搜索的离散烟花算法.首先,结合调度问题的置换特征,定义了基于工件序列的编码方式;其次,结合反转和交换等操作重新定义了爆炸算子和变异算子;再次,开发了基于插入邻域的局部搜索策略,以增强烟花算法的局部搜索能力;最后,采用实验设计探讨了关键参数对算法性能的影响.基于Taillard基准问题的对比分析结果表明:所提方法在寻优精度、稳定性等指标上优于标准烟花算法、离散萤火虫算法、离散蛙跳算法、离散粒子群算法和遗传算法,且不劣于结合变邻域搜索的粒子群优化、混合离散粒子群优化、杂草优化等算法.     

全球发展、雾霾和健康期望寿命的模型数据分析

随着全球范围粗犷式的经济社会发展,空气污染问题日益严重,对公共健康造成极大威胁.基于新开发的动态面板门槛模型和面板向量自回归模型,在充分考虑异质性特征的前提下,探究了经济社会发展和雾霾污染对全球166个国家居民健康期望寿命的综合影响.研究结果表明,社会发展、雾霾污染和健康期望寿命存在动态互动效应,社会发展有利于提高公共...     

基于影响系数原理的六足机器人运动状态分析

采用螺旋理论与影响系数原理对六足爬壁机器人进行运动学分析。首先,对六足机器人单腿应用螺旋理论建立机器人运动学模型;其次,在螺旋理论基础上,利用影响系数原理提出一阶和二阶影响系数矩阵,对机器人末端进行速度和加速度分析,此外该文提出用4个加速度影响因子分析对加速度变化的影响。最后,运用ADAMS建立虚拟样机得到直线行走步态下各关节运动参数数据,并通过华南理工大学研发的实际六足爬壁机器人实验验证了运用螺旋理论分析六足爬壁机器人运动学的正确性和合理性。仿真结果表明,角加速度和一阶影响系数矩阵的变化对加速度的变化起主要作用,为步态轨迹规划提供了有价值的参考。     

考虑违约情况下累积分红寿险的退保权定价模型

保险公司的违约风险和被保险人的退保行为是影响累积分红寿险价格的重要因素. 为了扩展我们前期的相关研究成果, 该研究放宽违约和退保假设, 即在每个保险年度的年末存在违约可能和被保险人可能在年末退保, 逐步建立三个定价模型来探讨在考虑违约情况下的累积分红寿险内嵌退保权的定价问题, 并通过蒙特卡罗方法对定价模型进行了模拟计算. 研究结果表明: 若在定价模型中不考虑退保权问题, 会严重低估累积分红寿险的价值, 且退保权价值对资产波动率等多种因素的敏感性都很高; 违约价值的增加对退保权价值的增加起到了正面作用.     

融合协同进化离散型人工鱼群算法和多重分形的雾霾预测方法

鉴于目前日益严重的雾霾污染,导致空气质量水平大幅下降,通过采用协同进化离散型人工鱼群算法,多重分形维数,并结合极限学习机,提出了融合协同进化离散型人工鱼群算法和多重分形的雾霾预测方法.首先使用佳点集理论初始化种群,通过引入人工鱼游速,改进人工鱼群算法聚群,追尾和觅食行为,及对其进行离散化,并引入竞争和合作机制;其次将协同进化离散型人工鱼群算法结合多重分形维数,对雾霾数据集进行约简;最后运用极限学习机建立雾霾预测模型.通过对北京,上海和广州三地区近两年的雾霾数据集进行实验及参数分析,实验结果表明,较其他方法,预测性能更优,具有良好的稳定性和可信性.     

基于区间算法的频控阵阵元位置误差分析

频控阵通过在各阵元的发射基频上引入一个微小的频率偏移, 可以产生距离和角度相关的波束，这使得频控阵在信息和信号处理中更加灵活。但是, 大多数文献在分析频控阵时, 都假设阵元位置是理想而无误差的。而在实际情况中, 阵元位置往往会存在制造误差, 这必定会让实际发射波束的各项性能指标偏离理论设计的性能指标。而目前，几乎没有关于频控阵阵列位置误差分析的文献, 因此迫切需要寻找一种对频控阵阵元位置误差进行分析的方法。提出一种基于区间分析算法的频控阵阵列位置误差分析方法，以分析各阵元位置误差对波束性能的影响。该方法首先假设各阵元位置误差在某个已知的区间, 然后通过一系列数值计算得到误差对波束性能影响的上界和下界, 最后通过仿真实验验证此方法的有效性。     

数据污染对于序贯分支方法的影响及应对策略

序贯分支方法(sequential bifurcation,SB)因其高效性,近年来被广泛用于仿真试验的因子筛选研究中.然而,传统的序贯分支方法难以应对数据污染情形下的因子筛选问题,因此,本文结合稳健估计的方法改进了传统的序贯分支筛选过程,使其具有良好的抗异常值特性,解决了多种数据污染情形下的因子筛选问题.首先,分析仿真试验中可能出现的数据污染情形及其数据形式,并结合序贯分支方法的基本原理,量化不同数据污染情形对因子筛选结果所造成的影响;其次,采用稳健的位置和散度统计量改进了传统的序贯分支方法中的显著性检验过程,使因子筛选结果不受数据污染的影响;最后,通过仿真试验验证改进的序贯分支方法具有更好的抗异常值特性,同时,该方法在非数据污染下也不失一般性.     

能源消费对中国雾霾污染的空间溢出效应——基于静态与动态空间面板数据模型的实证研究

基于2004-2013年中国30个省、市及自治区的空间面板数据,运用探索性空间数据分析方法研究中国雾霾污染的空间相关性,再结合静态和动态空间面板数据模型实证分析能源消费对中国雾霾污染的影响.研究结果表明:中国雾霾污染存在显著的空间相关性,其中高高集聚区主要集中在北京、山东、河北、河南、陕西等地区,低低集聚区主要集中在广东、贵州、广西、云南等地区;静态和动态空间面板数据模型均显示能源消费对雾霾污染具有显著的正向影响,但不同地区能源消费对雾霾污染的影响程度存在差异,其中东部和中部地区能源消费对雾霾污染的影响显著,西部地区能源消费对雾霾污染的影响不显著.     

复杂系统的脆性模型及分析方法

根据复杂系统脆性的定义，从内因和外因两方面入手，建立一种包含外部环境输入和系统内部组成的复杂系统脆性结构模型。在上层模型中，分析并指出脆性是系统的固有属性，采用脆性熵划分方法，分析复杂系统内部的各种脆性联系。在底层模型中，分析脆性事件对系统的影响，并针对脆性因子，根据最大熵原理建立模型，从模型的最底部直接对系统的脆性风险进行定量分析。     

基于SVD的通信信号背景下脉冲波形和初相估计

雷达侦察接收机往往侦察到的是通信和雷达脉冲的混合信号，如何从通信信号背景中有效提取出雷达脉冲波形，是现代雷达信号处理领域中的重要内容。针对这一问题，提出了一种基于奇异值分解的通信与雷达混合信号中脉冲波形估计算法。该算法通过对信号观测矩阵的奇异值分析和协方差矩阵的特征值分析，证明了观测矩阵的奇异值分解具有稳定性，并且奇异值分解能够最佳近似观测信号的线性特征，给出了一种利用左右奇异向量估计脉冲波形及其相对初相的方法。本文的算法适用于任意脉冲波形，并且能够在较低信噪比环境下估计脉冲信号波形和相对相位，仿真结果证明了算法的有效性。     

群体选择结果的稳定性分析及其度量方法

群体选择的结果往往受个体主观因素的影响而具有一定的波动性,需要借助某些分析工具来考察其稳定或可靠程度。文中采用几何学方法,针对一类典型、常见的群体选择方法--加权计分规则(weighted scoring rules,WSRs),提出了一种基于评分向量夹角正弦的稳定性分析和度量方法,结合三候选方案情况阐述了该方法的合理性和相关概念的直观几何解释,给出了具体求解方法及其证明,并进一步针对候选方案数不同时可能引起的稳定度可比性问题扩展了相关问题、概念和方法。本文提出的群体选择结果的稳定性度量方法具有较好的直观性和可公度性,可作为多目标群决策问题中稳定性或敏感性分析的一个有力工具。