基于错误函数的四面体网格优化方法

通过对现有网格优化算法及网格质量函数的研究,选用常见的四面体网格质量函数,同时考虑边质量约束,推导出了错误函数,基于这个错误函数对四面体网格进行优化.采用错误函数作为基于优化算法光顺的目标函数.并通过应用变尺度法(BFGS)求解错误函数最小值问题对四面体网格进行光顺.将改进的基于优化算法的光顺与拓扑优化算法中的点重叠技...     

优化算法在天然气管网运行中的应用

阐述了天然气管网运行优化的数学模型,建立了两种目标函数,最大收益目标函数和最大流量目标函数,8种约束条件。通过研究各种典型优化算法的优劣性,确定了线性化优化算法、复合形优化算法、可行方向优化算法三种方法来求解天然气管网运行优化模型,并编制了应用程序。结合实例,对三种算法在天然气管网运行优化中的应用进行了研究,结果表明,三种算法的优化结果误差在I%内,线性化优化算法在收敛速度和解的质量方面均优于其他两种算法,更具实用性。     

一类特殊DC规划的最优性条件和最优化方法

研究一类特殊DC规划(即目标函数为DC函数,约束为线性约束和箱子约束),给出这类DC规划的一个全局必要性条件,并且根据这个全局必要性条件,结合DCA算法设计了新的局部优化算法,即强局部算法.再利用辅助函数,即填充函数法,给出了一个全局优化方法.最后,通过求解数值算例以及对数值结果的分析,说明新的局部优化算法和全局优化方法的有效性.     

基于菌群优化算法优化生产车间传感网能耗

为了降低制造车间传感网能耗,采用基于菌群优化的径向基函数神经网络算法对传感网数据进行融合,去除冗余感知数据并降低数据维度;首先分析传感网节点的分簇及数据传输方式,然后建立基于径向基函数神经网络的生产车间传感网数据融合模型,引入菌群算法,利用菌群算法的趋化、复制和迁徙操作对神经网络的权重进行优化,获得稳定的径向基函数神经网络结构。结果表明,相比常用传感网能耗优化算法,采用菌群优化的径向基函数神经网络优化效率高,在网络能量一定的情况下,能有效减缓节点的"脱网"速度,并增加汇聚节点的接收数据量,通过改变菌群趋化步长的策略获得更优的优化性能。     

基于多目标优化的救援机械臂结构参数设计

为了综合优化双臂救援机器人双臂协同工作空间、机械臂负载能力以及机械臂末端运动速度,研究了基于多目标函数综合优化的救援机器人双臂结构参数设计方法. 由于双机械臂的协同工作空间难以进行数学描述,提出了一种基于三重积分的描述方法. 针对所建立的双臂协同工作空间、机械臂末端运动速度以及机械臂负载能力三个目标函数的综合优化问题,通过模糊层次分析法,计算每个目标函数的权重从而进行线性加权以得到综合的多目标优化函数. 基于该综合优化函数,通过粒子群算法进行多目标函数最优值求解,得到一组机械臂结构优化参数,使双臂救援机器人的综合性能达到最优. 实验结果表明所提出的双臂救援机器人性能指标的优化方法是可行的.      

基于多目标自适应Memetic算法的复杂网络社区检测

针对提高复杂网络社区检测精准度的问题,提出一种基于自适应Memetic算法的多目标复杂网络社区检测算法.在基于Random-walker初始化策略的基础上,将Logistic函数与适应度函数相结合,引入动态自适应策略调整交叉和变异概率,挖掘网络拓扑结构的同时提高社区检测精度.将多目标优化转化为同时最小优化连接度(MRA)和分割度(RC)2个函数,在局部搜索中,利用加权和的方法将2个目标函数构成1个局部优化目标,并采用爬山算法寻找个体最优.在人工和真实数据集上对算法进行验证,结果表明:该算法能有效提高社区检测精准度,具有较好的寻优效果.     

基于笔划绘制方法研究概述

概述非真实感图形绘制技术的基于笔划绘制方法(SBR)的原理以及SBR的优化算法和贪婪算法,其中优化算法通过反复的绘制笔划然后调整它们的位置以使目标函数值最小,贪婪算法通过不停的绘制笔划使其与目标图像相匹配.SBR的研究才刚刚起步,还需要更深入的研究和探讨.     

基于文化粒子群优化算法的矿井通风网络

以矿井通风网络的总功率最小为目标建立了矿井通风网络的非线性优化数学模型.针对模型中风量平衡和风压平衡的约束条件,采用外点罚函数法将其转化模型目标中的惩罚项.面向约束转化后模型,采用文化粒子群优化算法实现寻优.该算法在种群空间采用粒子群优化算法实现粒子进化;通过构建上层信度空间来挖掘进化过程中优势粒子的隐含信息,并以知识形式加以保存;最终通过影响函数,使知识作用于种群空间实现对粒子进化的引导.面向一个典型通风网络结构与其他智能优化方法优化结果比较可知,基于该算法获得的调风方案具有较小的总能耗,且能满足通风网络的需风量需求.     

基于广义既约梯度算法的反铲工作装置优化设计

为了提高挖掘机反铲工作装置的作业性能,对反铲工作装置进行分析,确定影响工作装置性能的关键参数.利用ADAMS软件,通过参数化点坐标的方法建立工作装置虚拟样机模型.将反铲工作装置分解为2组:铲斗机构和动臂、斗杆机构.先优化铲斗机构,然后在铲斗机构最大传动比位置上对动臂、斗杆机构进行优化.将反铲工作装置的力学性能优化目标通过线性加权和法构造为单目标函数,工作范围优化目标转化为约束函数,并以铰点的位置坐标作为优化变量,利用广义既约梯度(GRG)算法,完成了工作装置的多目标优化设计.优化后的模型,其挖掘力、提升力及工作范围等性能均优于原设计方案.     

基于粒子群算法的井眼轨迹优化研究

为了更优更快地对石油工程中的井眼轨迹进行优化,进行了基于改进粒子群优化(PSO)算法的井眼轨迹优化研究.通过对造斜率归一化,推导出目标函数表达式,将问题归结到对式中参数优化问题上来.引入PSO算法,在保持了PSO算法结构简单可行特点的同时,利用惩罚函数方法和叉乘控制项,对基本PSO算法易限入局部极小点周边区域的局限进行了改进.该井眼轨迹模型和相应算法提高了井眼轨迹优化速度.通过对钻井工程中轨迹参数的优化实践,验证了本算法优于基本的PSO算法,较好地实现了对井眼轨迹的优化.     

一种基于反馈策略的自适应选择人工蜂群算法

雇用蜂觅食策略对人工蜂群算法性能有较大影响,而单一的觅食策略难以适用于所有问题的搜索空间,并且算法运行的不同阶段所适合的搜索策略也不尽相同.因此,如何为一个给定的函数优化问题选择最佳的觅食策略尤为重要.针对这一问题,提出了一种基于反馈的觅食策略自适应人工蜂群算法SSABC,该算法能够在优化过程中为一个给定的优化问题自动选择最佳的觅食策略.实验表明,与经典ABC(artificial bee colony algorithm),PSO(particle swarm optimization),DE(differential evolution),GA(genetic algorithm)算法相比,SSABC算法的寻优能力有较大提高.     

基于免疫进化细菌觅食算法的无功优化

针对传统细菌觅食算法在优化过程中步长一致、收敛速度较慢的缺陷,提出了一种免疫进化细菌觅食算法(IBFO),并将其用于电力系统无功优化问题上.这种改进的算法赋予了细菌对搜索空间的感知能力,利用灵敏度的概念来调节步长,加快收敛速度;将免疫算法中的克隆选择思想引入算法中,对精英细菌进行克隆、高频变异和随机交叉,提高收敛精度.将IBFO算法在IEEE 14、IEEE 30节点标准测试系统中进行了无功优化仿真,结果表明:新算法较其它算法具有较强的全局搜索能力,且收敛速度快、鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径.     

滑动窗口下数据流完全加权最大频繁项集挖掘

针对当前关于数据流加权最大频繁项集WMFI(weighted maximal frequent itemsets)的研究无法有效地处理频繁阈值和加权频繁阈值不一致情况下WMFI的挖掘问题,提出了完全加权最大频繁项集FWM FI(full w eighted maximal frequent itemsets)的概念.为了减少naive算法在处理滑动窗口下完全加权最大频繁项集挖掘时存在的冗余运算,提出了FWMFI-SW(FWMFI mining based on sliding window over data stream)算法.所提出的算法通过基于频繁约束条件的优化策略减少了naive算法中M ax W优化策略的无效调用次数;采用编辑距离比率作为WMFP-SW-tree的重构判别函数,可以有效减少该树的重构次数.实验结果表明FWMFI-SW算法是有效的,且比naive算法更有时间优势.     

基于几何速度稳定性的最优觅食微粒群算法

最优觅食微粒群算法是一种高效的改进微粒群算法,该算法通过引入动物的最优觅食策略,较为真实地模拟了动物的觅食行为。利用几何速度稳定性分析了最优觅食微粒群算法的稳定性,给出了稳定性条件。为验证其性能,选取了5个典型测试函数,仿真结果证明了该策略的有效性。     

自适应细菌觅食算法在优化问题中的应用

细菌觅食算法在求解优化问题时,以固定的步长进行趋向操作,同时以固定概率对细菌个体进行随机驱散操作,虽然可以一定程度上增加种群多样性,但是在进化后期容易使优秀的个体流失,影响算法的寻优质量.针对上述问题,论文提出步长自适应调整和驱散概率自适应调整两项改进策略,分别根据算法进化程度和细菌个体的能量值动态调整趋向操作的步长和驱散操作的概率,从而使算法在保证种群多样性的前提下,保持细菌个体具有较高觅食能力,促进算法局部搜索和全局优化的平衡.对标准测试函数和TSP问题的测试结果表明:基于自学习的细菌觅食算法具有较强的全局寻优能力,适合求解高维复杂优化问题.     

遗传算法的小生境技术改进

针对简单遗传算法的收敛速度慢、效率低,进行了改进。引入了小生境技术：构造的小生境群体,在保障群体中个体多样性的同时,使得优良算子能够更好的共享,提高了群体的整体搜索性和收敛效率．实验表明：改进的小生境遗传算法优于简单遗传算法．     

基于协同微粒群的股票数据关联规则挖掘

传统的股票关联预测主要是通过数据分析与简单的回归预测的方法来进行,这种技术无法全面的对多只股票之间的变化关联进行分析预测,造成了股票走势的预测准确率不高,时效性不强的缺点.本文提出协同微粒群的股票关联规则挖掘方法,对股票属性数据进行特殊的预处理.将PSO粒子群优化的高度智能搜索技术与关联挖掘优点结合进行股票的关联预测,将粒子群划分为不同功能的粒子群进行关联分析.实验仿真结果证明,本文的算法较传统的关联规则挖据算法和PSO粒子群优化算法在准确率与挖掘速率上有很大的提高,能有效反应股票的实时变化,对实际的股票预测有很强的指导意义.     

趋药性人工蜂群算法训练神经网络研究

本文设计了一种复合人工蜂群算法,将细菌觅食优化算法中的趋药性行为引入到人工蜂群算法中,使得引领蜂和观察蜂进行局部探查时像细菌觅食时那样翻转到有利的方向上进行游动;另一方面,让蜜蜂尝试在所有维度产生扰动并择优选择,这两种策略大大增强了人工蜂群算法的局部探查能力.将此算法应用于训练人工神经网络,实验表明改进后的算法性能比人...     

一种求解SAT问题的人工蜂群算法

针对SAT问题,提出一种求解该问题的离散人工蜂群算法——ABCSAT算法,建立了相应的优化算法模型,解决了问题编码和转化、适应度函数、蜜蜂觅食策略、离散操作等关键问题.不同于处理连续优化问题,ABCSAT将适应度函数定义为当前不可满足子句数.根据问题的特点设计了多种觅食策略,并利用各子句和变量之间约束关系的启发式信息对各阶段的候选解进行离散操作.最后在标准SATLIB测试集上对提出的算法进行了测试并与相关算法进行了比较,结果验证了ABCSAT算法在中小规模SAT问题上的有效性,表明算法能更加有效地解决该问题.     

菌群优化算法研究综述

菌群优化算法是一种模仿大肠杆菌觅食行为的新兴的群智能优化技术。介绍了菌群优化算法的基本原理,给出了算法改进及其应用,总结了现有菌群优化算法存在的问题,并指出其未来的研究方向。