物流配送问题的混沌优化算法研究

探讨了定位——运输路线安排问题的解决方法,提出一种首先用启发式规则将客户集聚类,从而划分出若干客户子类;然后,用混沌搜索算法求解LRP的优化方法.提出将用于聚类分析的启发式规则和混沌搜索算法结合的混合算法求解物流配送路径优化问题是有效的.由于混沌序列具有随机性与遍历性,容易寻找全局最优解,从而避免了传统优化方法中的＂局部最优现象＂的发生.计算机仿真实例证明了该算法简洁、实用、性能良好,有利于解决带有约束的非线性物流配送路径LRP优化问题.     

基于混沌自适应引力搜索的模糊C均值聚类算法

针对传统模糊C均值聚类算法(FCM)易陷入局部极小值和对初值敏感的缺陷,提出一种基于混沌自适应引力搜索的模糊C均值聚类算法.首先采用自适应的更新粒子速度和混沌优化粒子最优位置的策略,对引力搜索算法进行改进.其次,用改进的引力搜索算法优化FCM的初始聚类中心.在Iris和Wine数据集上的实验表明,该算法具有很强的全局搜索能力,提高了聚类的效果和效率.     

混沌的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种混沌自适应和声搜索算法(CAHS)。在该算法中,首先采用混沌策略初始化种群,然后采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息。如果算法停滞,则采用混沌变异机制。本文用5个标准的测试函数对该算法进行测试,结果表明该算法(CAHS)比IHS和AHSPSO算法有较强的寻优能力和跳出局部最优解的能力。     

多种进化算法混合解决约束工程优化问题研究

针对单一进化算法不适合解决所有优化问题的情况,提出了一种混合多种进化算法解决约束工程优化问题的算法.该算法混合了差分进化、粒子群优化和共生生物搜索等3种算法,首先利用差分进化算法产生和选择最优种群,然后利用粒子群优化算法寻找每一个最优解并进行更新,最后利用共生生物搜索算法对所有种群进行共生互动更新,选择出最优种群以进行...     

基于NSGSA的DC-DC变换器无源控制器参数多目标优化

针对基于Euler-Lagrange(EL)模型、无源控制(Passivity Based Control, PBC)的DC-DC变换器受外部扰动影响时其输出电压不稳定的问题,本文以Boost变换器为例,将PBC作为内环控制电感电流,将能量控制作为外环控制输出电压,从而使PBC具有抗扰能力和鲁棒性。改进的PBC控制器的内环有注入阻尼参数、外环有比例和积分系数,这3个参数相互耦合,因此控制器参数整定较为困难,对此本文提出在Boost变换器闭环系统中加入改进的非支配排序引力搜索算法(Large-scale Improved Non-dominated Sorting Gravitational Search Algorithm, LSINSGSA)进行参数寻优。改进的LSINSGSA算法进一步提高了原算法(Non-dominated Sorting Gravitational Search Algorithm, NSGSA)的收敛速度与最优解集均匀分布水平。基于LSINSGSA算法的控制器参数优化方法可有效获得最优参数选取方案,使变换器的综合性能最优。仿真结果表明,本文提出的优化参数的方法可使变换器获得良好的动、静态性能。     

一种基于混沌搜索和贪婪模式的混合优化算法

混沌搜索算法具有搜索能力快,遍历性高的特点。在此基础上,引入MIMIC算法中的贪婪模式算法,目的是搜索一个变量的最优排列,使被选择的优良解集的概率分布与定义的概率分布最接近,从而得到最优解,进而加强了混沌搜索算法的局部搜索的能力。将算法应用于无约束优化问题,数值实验证明,该算法快捷高效,是一种有效的优化算法。     

具有同时送货和取货需求的车辆路径问题的蚁群禁忌混合优化算法

在分析具有同时送货和取货需求的车辆路径问题(VRPSDP)的基础上,建立VRPSDP数学模型,提出一种新的求解VRPSDP问题的蚁群禁忌混合优化算法(ACO-TS),并通过实验验证该算法的有效性和可行性.新算法首先采用蚁群算法产生阶段最优解,然后利用禁忌搜索算法对阶段最优解进一步优化.实验表明,新算法能够高效解决VRPSDP问题,并且具有较好的优化效果.     

一种全局和声搜索算法及在PID控制中的应用

PID控制受到H∞多性能标准的限制,是一类约束优化问题.引入了一种全局和声搜索算法(GHS)以解决PID控制问题.由于使用了位置更新和小概率的变异,GHS算法具有很强的收敛性和跳出局部最优的能力.通过结合GHS算法和一种罚函数法来处理目标和约束之间的矛盾.实验结果表明,GHS算法在解决PID控制问题上具有很强的解空间开发能力,它所获得的解要好于文献中所报道的解.     

一种引入复合形法的改进引力搜索算法

针对引力搜索算法求解复杂问题时搜索精度不高、易出现早熟收敛问题,提出一种引入复合形法的改进引力搜索算法。该算法在寻优初期利用引力搜索算法进行全局搜索,同时对引力系数进行改进,以提高全局收敛速度;在寻优后期,当算法出现早熟收敛现象时,引入复合形法,利用复合法较强的局部搜索能力,帮助种群快速跳出局部最优解。通过5个标准测试函数验证了改进算法的可行性和有效性。与标准引力搜索算法、基于权值的引力搜索算法、记忆性引力搜索算法相比,该算法具有更高的收敛精度和更快的收敛速度。     

基于交叉熵的多约束QoS组播路由蚂蚁算法

基于多媒体传输的网络应用均对服务质量(quality of service,QoS)有迫切的需求,如带宽、延迟、丢包率等。寻找满足上述QoS要求的组播树问题是一个NP-完全问题。在已有的多约束QoS组播路由算法中主要是局部搜索算法或集中式搜索算法,这些均不能保证在实际网络中找到全局解。本文提出用基于交叉熵的蚁群优化算法来求解多约束QoS组播路由问题,NS2仿真结果表明该算法能够快速找到近似最优解。     

相对论中引力场性质研究

相对论是现代科学的重要基础,是物理学通向宇宙的桥梁.对爱因斯坦建立广义相对论的过程进行了分析,引力问题是自然界乃至整个宇宙世界的一个基本问题.引力场是一种矢量场,广义相对论对引力问题的描述是非常有效的.通过对引力场的分析,得到了引力场的高斯定理,讨论了引力场的环路定理.通过方程,求出了引力场中的势函数,探讨了引力场的基本性质.     

深度学习在引力波数据处理中的应用初探

截至2018-01-16,LIGO已成功探测引力波事件6次.可以预期,引力波探测事件会越来越多,引力波天文学会很快进入到大数据阶段.深度学习在大数据处理方面近年来得到迅速发展.它在数据处理速度,准确度等方面都表现出极大的优势.深度学习在引力波数据处理中的应用讨论还不多.本文引入此问题,并对其进行初步研究.引力波数据最大的特点是强噪声、弱信号.现行的数据处理方法是利用匹配滤波的方式把引力波信号从强噪声中挖掘出来.同时,匹配滤波方法还可以确定引力波源的性质,定量确定其参数.匹配滤波方法的弱点是计算量巨大.这导致数据处理速度很慢.对于将来的大数据引力波天文学,这更将是一个巨大的隐患.匹配滤波方法的另一个潜在问题是,完备准确的理论波形模板是其工作的前提条件.这个潜在问题的后果是很难找到理论预期之外的引力波信号.深度学习的数据处理方法有可能在这些问题上提供出路.同时,深度学习也会遇到其自身的若干困难和问题.本文将从网络结构、训练数据制备、训练优化、对信号识别的泛化能力、对数据的特征图表示以及对特征数据遮挡的响应等方面来展开讨论.     

引力场的能量动量

本文给出了引力场新的能量动量表达式,利用引力辐射验证了表述的合理性,当把这种表述应用到弧立静态球对称的(Schwdrz—shild)星体时,得到了‘异乎寻常’的重要结果:星体及其产生的引力场的总能量为2MC~2;即除星体物质本身的能量MC~2外,纯引力场总能量也为MC~2。     

复杂系统可靠性优化的混合万有引力搜索算法求解

复杂系统可靠性优化问题是一类有约束限制且目标函数具有多个局部极值的非线性优化问题.为求解该类问题,提出了一种混合万有引力搜索算法的求解方法.算法利用基于万有引力定律的寻优机制指导群体进行全局搜索,并采用序列二次规划算法进行局部搜索,避免基本万有引力搜索算法陷入局部最优,改善优化性能,加快寻优速度.通过实例计算,并与蚁群优化算法、微粒群算法、蜂群算法和基本万有引力搜索算法等进行比较,验证了算法的可行性和有效性.     

引力波应该是非线性波

基于非线性引力场方程的引力波一般应该是非线性波,具有某些不同于电磁波的特性,笔者对此定量讨论了方程的一些解,指出了引力波的非线性特性来源于引力场的非线性本质.     

从引力场推导万有引力定律

经典牛顿万有引力定律是经验公式，初等数学推导，目前尚未见文献报道。作者根据引力场传播速度恒定的假设，利用初等数学从理论上推导出万有引力定律公式。     

重力地貌过程研究的理论与方法

在对重力地貌过程特点分析的基础上，从地貌学角度出发就重力地貌过程的研究现状进行了综述，重点论述了近年来发展的各种理论与方法及遥感ＧＩＳ技术在重力地貌过程研究中的应用，并对今后重力地貌过程研究的难点进行了探讨     

中子星内引力能的研究

用一般静态各向同性度规研究了中子星的引力能。认为引力场对中子星质量的贡献是由于不变体积元，从而使中子星质量的定义得到澄清。     

高频引力波的应用前景、产生机制和探测方案

较为全面地论述了高频引力波的应用前景、产生机制和探测方案 .