电磁装置优化设计的某些问题

本文以三相碰放大器整流电源为例，研究电磁装置优化设计中的某些问题，如目标函数中除考虑主要材料费用外增加运行费用对优化设计的影响，改变运行费用的权因子（负载率）对设计结果的影响，变量尺度大小（数量级）对收敛性及最优解的影响等。应用了ＳＷＩＦＴ算法求解非线性规划问题，编制ＦＯＲＴＲＡＮ Ⅳ程序，在ＲＤ－１１微型机上进行寻优计算，并对结果进行了分析讨论。     

联想记忆系统的学习算法设计(I)

基于牛顿向前插公式设计了一种新的联想记忆系（ＮＦＩ－ＡＭＳ）的学习算法，用以实现任意阶的多变量多项式函数的无误差逼近。该系统与传统类型的ＣＭＡＣ－ＡＭＳ相比，具有学习精度高和记忆空间小的特点；且比多层的ＢＰ网络具有学习算法简单和收敛速度快的特点。数值模拟表明，这种ＮＦＩ－ＡＭＳ在信号处理，模式识别，及高精度的实时智能控制等领域具有很大的应用潜力。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

MAGNETIC RELAXATION AT EARLY TIMES AND FLUX DIFFUSION BARRIER V（J，B，T） FOR Ti－1223 DOPED WITH Pb AND Ba BY COMPLEX AC SUSCEPTIBILITY MEASUREMENTS

ＭＡＧＮＥＴＩＣＲＥＬＡＸＡＴＩＯＮＡＴＥＡＲＬＹＴＩＭＥＳＡＮＤＦＬＵＸＤＩＦＦＵＳＩＯＮＢＡＲＲＩＥＲＶ（Ｊ，Ｂ，Ｔ）ＦＯＲＴｉ－１２２３ＤＯＰＥＤＷＩＴＨＰｂＡＮＤＢａＢＹＣＯＭＰＬＥＸＡＣＳＵＳＣＥＰＴＩＢＩＬＩＴＹＭＥＡＳＵＲＥＭＥＮＴＳＤ...     

采用扩频实现OQAM系统

ＯＱＡＭ系统数字化实现一般采用ＦＦＴ加多相网络。提出了一种相邻载频间隔２ｆ０的ＯＱＡＭ等效复系统，并采用样值为Ｗｋ２Ｎ＝ｅｘｐ｛ｊ２πｋ２／Ｎ｝的扩谱调制器（ＳＳＭ）数字实现。ＳＳＭ取代ＦＦＴ，使系统运算复杂性显著下降。计算机模拟结果表明，采用ＳＳＭ实现ＯＱＡＭ，可提高系统抗干扰能力。     

NETS OF LF SETS IN LF SUM─TOPOLOGICAL SPACES

ＮＥＴＳＯＦＬＦＳＥＴＳＩＮＬＦＳＵＭ─ＴＯＰＯＬＯＧＩＣＡＬＳＰＡＣＥＳ￥ＺｈｕＭｉｎｇｋｕｉ；ＳｕｎＱｕｎ（ＴｈｅＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ）Ａｂｓｔｒａｃｔ：Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｄｉｓｃｕｓｓｔｈｅｒｅｌａｔｉｏｎｏ...     

用正交法选初值求多元函数的最小值

用正交法选初值求多元函数的最小值石益祥　　　　　　　（基础课部）ＳＥＬＥＣＴＩＮＩＴＩＮＡＬＰＯＩＮＴＢＹＯＴＨＯＧＯＮＡＬＯＰＴＩＭＩＺＥＤＴＥＣＨＮＩＱＵＥＴＯＥＸＴＲＡＣＴＭＩＮＩＭＵＭＯＦＦＵＮＣＴＩＯＮＯＦＭＡＮＹＶＡＲＩＡＢＬＥＳＳｈｉＹ...     

竟聚率值,烷基基团和系列有机锡单体,MMA共聚活性的相关性

本文采用ＦＴＩＲ技术测定了共聚物的组成，用Ｆｉｎｅｍａｎ—Ｒｏｓｓ法、最小二乘曲线拟合法（ＮＬＳ法）、置信区间法计算了甲基丙烯酸三甲基锡酯（ＴＭＴＭ）、三乙基锡酯（ＴＥＴＭ），三丁基锡酯（ＴＢＴＭ）和三苯基锡酯（ＴＰＴＭ）与甲基丙烯酸甲酯（ＭＭＡ）的竟聚率，ＮＬＳ法的数值分别为：ｒ１＝１．０７，ｒ２＝０．６３（ＴＭＴＭ／ＭＭＡ）；０．８７，０．６２（ＴＥＴＭ／ＭＭＡ）；０．６２，０．５８（ＴＢＴＭ／ＭＭＡ）；０．６８，０．６０（ＴＰＴＭ／ＭＭＡ），并计算了各单体的Ｑ和ｅ值，讨论了不同取代基结构对其共聚合相对活性的影响．     

槭叶草总黄酮对大鼠心力衰竭治疗作用的机制研究

研究叶草总黄酮（ＴＦＭ）对心衰鼠治疗作用机制。方法 实验采用狭窄腹主动脉法造成大鼠充血性心力衰竭模型。结果 表明ＴＦＭ能明显保护超氧化物岐化酶（ＳＯＤ）的活性，降低丙二醛（ＭＤＡ）的质量浓度，提高心钠素（ＡＮＰ）的质量浓度。结论 揭示ＴＦＭ对心衰鼠治疗作用机制与降低血中ＭＤＡ质量浓度和升高ＳＯＤ活性及ＡＮＰ质量浓度有关。     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

一种求解大规模问题的自学习协同粒子群算法

随着工程技术要求的提高,许多实际优化问题从低维问题发展成高维的大规模优化问题,自然计算算法在面对该类问题时容易陷入局部最优,而协同粒子群算法是解决大规模优化问题的重要手段之一。本文将子种群划分自学习策略和惯性权重自适应策略引入到协同粒子群算法中,增强了算法的自学习能力,提高了算法的全局寻优能力。实验结果表明,所提算法的性能超过了传统协同粒子群等算法,具有求解大规模问题的较大潜力。     

特征统计算法及其在NP组合优化问题上的应用

特征统计算法是为了解决复杂多极值优化问题而开发的一种新的全局优化算法。为了检验该算法的性能,应用它在一类具有代表性的NP组合优化问题-旅行商问题(TSP)上作了计算。结果发现,该算法虽不是专为TSP问题而开发,却在该问题上取得了很好的结果。所得到的结果表明,特征统计算法可以作为解决这类NP组合优化问题的一个新的途径。     

时间最短控制问题求解的分级优化策略

针对时间最短控制问题的求解,单纯地使用罚函数策略求解存在诸多不便,为此提出分级优化的策略,并结合罚函数策略实施。首先在某个终端时间的情况下构造终端状态自由的最优控制问题,为一级优化;在一级优化结果的基础上结合罚函数策略构造新的目标函数,并据此调整终端时刻,为二级优化。反复依次执行一级优化、二级优化,最终使得状态约束恰好得到满足。分级优化把复杂问题转化为一系列简单的问题,采用经典的优化算法即可实现。实例研究显示了分级优化策略是可行的,能以足够的精度满足边值约束,计算结果也更加精确。     

一种改进的粒子群优化算法

提出一种改进的粒子群算法(EDAPSO).这种改进算法结合分布估计算法的探索能力和粒子群算法的开发能力.首先利用EDAPSO算法解决无约束的问题,并且比较EDAPSO算法与其他三种经典的粒子群算法的结果.无约束问题的实验结果表明:EDAPSO算法可以找到更好的解,并且稳定性更高.然后EDAPSO算法被用来解决含有13个单元的电力系统的负荷经济分配问题.实验结果表明:EDAPSO算法所获得的解比近期文献所报道的解好.     

基于实数编码的遗传算法收敛性研究

基于群体搜索的遗传算法求解复杂优化问题具有独特的优势,现有遗传算法的研究大多集中在算法的设计和数值实验效果的比较上. 该文给出了求解一类复杂优化问题的遗传算法(RFGA)的基本框架,并用概率论的有关理论对RFGA的收敛性进行了研究,结果表明RFGA以概率1收敛到问题的最优解.     

大规模线性优化求解系统的设计与实现

从建立实用系统出发,以解决实际中各类大规模线性优化问题为目标,研究了大规模线性优化求解技术,设计实现了用于大规模线性规划、整数规划及运输模型的线性优化求解系统LOSS(LinearOptimizationSolving System),并结合具体应用实例做了模拟实验研究.大规模测试数据样例实验结果证明,该系统在求解线性优化类问题时,效果优良,并具有灵活性、友好性、可移植性、可扩充性和可重用性等特点.     

集值优化的严有效性和标量集值Lagrange映射

研究集值向量优化问题在标量集值Lagrange映射下鞍点的性质. 在近似锥 次类凸假设下, 证明了集值优化问题严有效解为鞍点的充分和必要条件. 利用标量集值Lagrange映射建立了集值优化问题的对偶模型, 并得到严有效性下的弱对偶和强对偶定理.     

粒子群算法的改进及其在求解约束优化问题中的应用

在用粒子群算法求解约束优化问题时, 处理好约束条件 是取得好的优化效果的关键. 通过对约束问题特征和粒子群算法结构的研究, 提出求解约束 优化问题一种改进的粒子群算法, 该算法让每个粒子都具有双适应值, 通过双适应值决定粒 子优劣, 并提出了自适应保留不可行粒子的策略. 实验证明, 改进的算法是可行的, 且在 精度与稳定性上明显优于采用罚函数的粒子群算法和遗传算法等算法.     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

解非线性极大极小问题的格雷码加速遗传算法

引进求解非线性极大极小问题的格雷码加速遗传算法（GAGA），给出GAGA算法实施的详细步骤，建立了GAGA相应的收敛定理。对GAGA的有效性和可行性进行了理论分析和实例分析。与一般的格雷码遗传算法（GGA）相比，GAGA具有准确、快速和适用性强等特点，是一种既可以较大概率搜索全局最优解，又能进行局部细致搜索的优秀非线性优化方法，可广泛应用于各种优化问题中。