基于改进的文化蚁群算法求解最优路径问题研究

针对传统方法不能够有效的求解GIS最优路径问题,在文化算法的基础上提出了一种基于实际路况求解两地之间最优距离的蚁群优化算法.引入了表示天气、路况、驾驶员个人偏好等诸多不确定因素,并将改进的蚁群算法融入到文化算法当中,使蚁群算法具有群体空间和信仰空间并行进化的机制.群体空间采用改进的最大最小蚁群算法,从而有效的提高算法最...     

船体三维曲板展开方法多目标优化模型

为了有效推进无余量造船的精益造船方法,充分考虑船体三维曲板展开后的板材套料和板材成形等后续工艺环节,基于单元等长展开方法,提出船体三维曲板展开优化模型.以面积误差、边缘线性和平均应变能为目标函数,采用带有启发算子的多目标文化基因算法对船体三维曲板展开优化模型进行求解,基于层次分析法对多组求解所得的方案进行选择,获得最终的展开曲面.通过与测地线法的展开结果进行对比,验证该优化算法的有效性,同时进一步验证了算法中局部搜索算子和启发算子的有效性.     

粒子群优化算法在非线性模型预测控制中的研究应用

提出了一种基于粒子群优化算法(PSO)的非线性模型预测控制（NMPC）。作为NMPC重要组成的滚动优化部分对控制效果的好坏起着关键的作用,因而寻求一种可靠的优化算法十分必要。PSO算法是一种群集智能方法,通过粒子之间的合作与竞争及进化实现对多维复杂空间的高效搜索,属于一类随机全局优化技术,已成功应用于各科学和工程领域。本文在滚动优化部分应用粒子群优化算法来求解预测控制律,对非线性系统施加优化控制,此外,对常规线性递减加权因子ω策略进行了讨论,提出了非线性递减策略,可进一步缩短优化时间和优化精度。仿真实验效果良好,验证了这种优化算法的正确性和有效性。     

基于传输代价最小原则的分布式数据库查询优化

分布式查询算法的核心部分是全局查询优化算法,将查询请求合理地优化分解为子查询任务,并尽量使子查询任务并行执行。分布式查询的优化需要权衡网络流量、响应时间、服务器负载、算法复杂性等多种因素。本着减少节点之间的数据传输量的目的,本文提出一个复杂度和延迟时间之间进行衡量的全局优化算法。本文就连接查询和复合查询进行了详细的分析,最后提出了一种基于半连接的查询优化算法,并分析了该改进算法的优缺点。     

基于Backbone的空间收缩与划分算法

搜索空间的规模和复杂程度是决定问题求解难度的重要因素,而解空间的信息往往可以引导搜索找到最优解。在已知JSP空间结构的基础上,提出一种空间收缩与划分算法。算法利用搜索算法获得的较优解,结合组合优化问题解的backbone的概念,将搜索空间收缩并划分为一个或多个优解域,在优解域内再进行小规模问题的优化。该算法不必在求解前或求解过程中进行大量的统计分析工作,可以利用求解信息对解空间的地形进行估计,提高求解速度和解的质量。实验结果也证明了算法的有效性。     

周界监测中的阈值优化和多模态节点协同检测算法

为提高无线传感器网络周界监测中多节点的目标协同检测能力,提出了一种新的阈值优化方法及多模态节点协同检测算法。首先,在一定的环境噪声下,采用蒙特卡罗方法建立节点虚警率与节点阈值之间、系统虚警率与系统阈值和节点虚警率之间的映射关系,通过查表直接获取阈值,实现了节点和系统阈值优化;然后,利用节点的空间分布特性和目标信号信噪比,对节点检测结果进行加权修正,实现了多模态节点的检测结果融合;最后,通过仿真实验对阈值优化方法和多模态节点协同检测算法进行了验证。仿真结果显示,相对于单模态节点协同检测算法和简单阈值判决算法,多模态节点协同检测算法的目标检测率分别提高了约25%和3%。     

基于传输代价最小原则的分布式数据库查询优化

分布式查询算法的核心部分是全局查询优化算法，将查询请求合理地优化分解为子查询任务，并尽量使子查询任务并行执行。分布式查询的优化需要权衡网络流量、响应时间、服务器负载、算法复杂性等多种因素。本着减少节点之间的数据传输量的目的，本文提出一个复杂度和延迟时间之间进行衡量的全局优化算法。本文就连接查询和复合查询进行了详细的分析，最后提出了一种基于半连接的查询优化算法，并分析了该改进算法的优缺点。     

桁架结构多目标优化的NSGA-Ⅱ改进算法

为克服桁架结构多目标优化设计中约束条件和离散变量处理困难、收敛效率低等问题,在保留原算法优点的同时,对多目标进化算法NSGA-Ⅱ进行了改进。为了验证改进效果,对经典的空间桁架结构进行了优化;并与其他算法的优化结果进行了比较。结果表明改进算法在桁架结构优化中的表现优于原算法和其他算法,具有良好的收敛性和稳定性。     

高速铁路列车运行调整的状态空间模型及算法

列车运行调整的优化属超大规模的组合优化问题，具有因素多、各因素之间关系复杂的特点，很难给出一个简洁、易解的规划模型．基于面向事件的状态空间模型良好的描述能力和具有接近系统自然特性的特点，本文在前人研究的基础上，结合我国高速铁路的特点，建立了行车调整的事件驱动的状态空间模型．针对前人研究中状态转移方程的表达及在冲突确认和疏解上的缺陷，结合算法的求解特点和列车运行的实际可能性，提出了改进方法．特别是冲突确认和疏解的新方法和策略，清除了事件驱动的状态空间模型和与之相应的调整算法在实用时的主要难点之一．仿真表明模型和算法是有效的．     

基于NSGAⅡ的生产线缓存与设备布局协同优化

为解决因布局过程忽略或粗略设置缓冲区占地面积而造成的生产拥挤或空间浪费问题,针对缓存配置与设备布局问题展开协同优化.基于连续时间Markov随机过程原理建立排队网节点状态模型,求解生产线设备平均利用率.以设备利用率、物料搬运距离和占地面积为优化目标,建立缓存配置与设备布局协同优化模型.通过改进的NSGA-Ⅱ算法对该模型进行优化.最终,通过某柴油机缸体生产线实例验证了本文提出方法的有效性.     

基于三维感知模型的WMSNs最优空间覆盖研究

无线多媒体传感器网络(WMSNs)的覆盖问题的研究成果大多基于二维感知模型.对于视频节点而言,二维感知模型无法准确地描述其感知范围,监测平面上方的空间通常会被遗漏.因此,提出了空间覆盖的概念,并重新定义了三维感知模型.通过分离两个影响空间覆盖的因素——视频传感器俯仰角和偏向角,采用粒子群优化算法对一重空间覆盖率进行优化.并结合实际应用需求,提出了有效空间覆盖率的概念,保证了对监测目标的有效视频信息收集.最后,通过仿真实验优化,网络的空间覆盖程度得到了明显提高,证明了优化算法的有效性.     

基于机器学习的输电线路故障统计与分析

本文对输电线路故障的影响因素进行分析,用相关性系数描述输电故障和气象数据之间关系。通过分析得出了气象数据中的温度、湿度、风速、气压和故障之间的相关性强度。通过对数据特征展开研究,以及对机器学习相关算法模型、关键算法组件的应用及验证,为输电线路故障分析提供有力的技术支撑。     

基于PSO-SVM的岩石边坡稳定性预测

边坡稳定性与其影响因素之间存在着复杂的非线性关系.结合粒子群优化算法和支持向量机,提出了边坡稳定评价的粒子群优化支持向量机模型.模型采用支持向量机建立边坡稳定性和影响因素之间的非线性关系;同时,利用粒子群算法对支持向量机参数进行全局寻优,从而确保了模型参数的准确性.模型的测试结果显示了良好的精度.将该模型应用到某岩石高边坡中,预测结果与实际情况符合较好,表明该模型在岩石边坡稳定性预测中的可行性和有效性.     

离散二进制入侵杂草算法

在继承入侵杂草优化（IWO）算法特性的基础上,提出了一种可用于解决离散空间组合优化问题的二进制入侵杂草优化（BIWO）算法.该算法保留了IWO算法的正态空间扩散特性,设计了一个扩散范围到扩散概率的映射函数,以概率的形式决定二进制杂草比特位的取值.选取连续空间的4个经典函数和离散空间的背包问题,对BIWO算法进行测试,结...     

一种求解复杂约束优化问题的文化算法设计

分析和设计了一种基于进化规划的文化算法,并研究了该算法在解决复杂约束优化问题中的应用.该研究的主要新特征是采用进化规划来对群体空间建模,并根据相应的群体空间,对信仰空间在进化过程中如何提取、存储和更新各种知识源进行了详细的分析和设计,并将所得到的新知识用来指导群体的进化过程.为验证算法的有效性,使用了一个典型的基准测试函数进行了仿真实验,并与目前其他较好的约束优化处理算法进行了详细比较,仿真结果表明,该算法具有更好的优化性能以及更低的运算代价.     

基于改进的对比度控制-声压匹配算法的车载独立声学空间系统设计

基于一种改进的对比度控制-声压匹配算法(ACC-PM),设计了一款车载独立声学空间系统(PAZ),可以实现车内驾驶员座位与后排右侧座位的声音分区控制.针对传统的ACC-PM算法数值稳定性不佳的问题,使用遗传算法(GA)对传统的ACC-PM算法进行了优化改良,成功实现了声音分区控制效果与算法数值稳定性之间的动态平衡,并为...     

基于角度信息的近空间雷达网定位算法

研究了一种能有效提高角度信息定位精度的近空间雷达网目标定位算法。通过目标与雷达站之间的几何关系,建立基于角度信息的目标定位模型,将方位角与仰角信息的非线性方程转换为线性方程,运用最小二乘算法得到目标位置的初始值,根据最大似然算法将定位问题转化为无约束的优化问题,并利用信赖域方法进行迭代求解,给出了算法的求解过程和详细步骤,在此基础上对算法的定位精度进行了分析,推导了定位的几何精度因子表达式,并进行了仿真分析。仿真结果表明：该算法能有效提高角度信息的定位精度,且其定位性能优于最小二乘算法。研究成果可为近空间雷达网的探测与跟踪提供理论基础。     

混沌粒子群算法及其在桁架结构优化设计中的应用

文章提出一种基于混沌思想的粒子群优化算法，它利用粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点，对标准粒子群优化算法进行了改进。在算法的初始化阶段，对粒子的位置混沌初始化；在算法运行过程中，对粒子的位置进行混沌更新和粒子群更新相结合的更新方式，使全局收敛与局部收敛达到一定平衡。将该算法应用于桁架结构的优化设计，与标准粒子群算法优化的结果相比较，混沌粒子群算法提高了对多维空间全局搜索能力，可有效避免早熟收敛现象。     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法。新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化。新算法不依赖于函数梯度信息,不需要手动调节网络结构。粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能。两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度。     

基于社区网络的搜索引擎的研究

传统搜索引擎无法满足用户对社区网络中实时信息的需求。给出一种实时搜索引擎模型,利用经过算法优化的网络爬虫,实现制导式的数据抓取,同时利用社区网络提供的开放API获得更新数据。通过XML结构化数据,使用改进的向量空间模型对信息进行过滤和分类,并采用考虑时间因素的相关度算法对搜索结果进行排序。实验证明该模型能够实现搜索结果的实时性,并且能够保证搜索项与搜索结果之间比较高的相关度,为用户提供更好的搜索体验。