求解随机阻塞批量流水线调度问题的改进人工蜂群算法

针对含有随机加工时间的阻塞批量流水线调度问题,利用蒙特卡洛采样方法,将不确定加工时间的阻塞批量流水线调度问题转化为确定加工时间的阻塞批量调度问题。采用改进的人工蜂群算法,对上述转化后的调度问题进行求解。算法中加入了和声搜索和基于插入操作的局部搜索算子,以改进全局探索和局部开发能力,并将改进的算法应用到阻塞批量调度的24个算例中。仿真实验结果表明,改进的人工蜂群算法能够降低调度中的不确定因素带来的影响,产生高质量的解。     

基于混合人工势场-蚁群算法的机器人避障

针对移动机器人避障的路径规划问题,提出一种基于混合人工势场-蚁群算法的方法。在栅格环境中,以人工势场法的规划信息作为蚁群算法寻优的基础,引入势场合力作为蚂蚁搜索路径点的部分启发信息。Mat-lab7.6仿真表明,该方法解决了人工势场法的目标不可达、易陷入极值点等弊端,提高了经典蚁群算法的寻优效果和收敛速率,具有更强的稳定性和环境适应力。     

GA-WNN网络在风电功率预测中的应用研究

利用遗传算法的全局优化能力和小波神经网络的高精度特性,提出了一种基于遗传算法、小波与神经网络的风电功率预测方法,应用某风电场的58台风电机组的输出功率数据作为实例,验证了GAWNN模型的预测鲁棒性好,精度高,有效减小了预测误差.     

气动人工肌肉驱动仿人肩关节机器人的设计及力学性能分析

柔索驱动球关节机器人采用柔索替代连杆作为机器人的传动元件,结合了并联机构和柔索传动的优点. 文中提出了一种新型带有万向球轴承的仿人肩关节并联机器人,它由多支气动人工肌肉驱动,由于万向球驱动机构的引入,机器人可实现空间的三维转动. 介绍了该机器人的机构构型,并对其进行了力学性能分析. 该机器人的运动范围及负重能力达到并超过了人体肩关节性能指标的1/2. 相比其他并联机器人,该设计具有结构简单、旋转范围大、输出力矩大等特点.      

基于混合蛙跳算法的层次化群体路径规划

在复杂的群体运动场景中,传统路径规划方法具有计算量大、耗时长、效果生硬等缺点。为此笔者提出了一种层次化路径规划方法,将群体路径规划问题分为两个层次,在底层使用A*算法进行全局路径搜索,规划出一条从起始点到目标点的全局最优路径,使群智能算法进行上层局部路径规划时只考虑上层粒子间的碰撞;在上层采用混合蛙跳算法并结合多线程技术进行个体路径的动态规划。仿真实验结果表明：所提出的方法有效降低了群体路径规划中的算法复杂度和时间复杂度,在较为复杂场景下能够逼真和高效地进行群体运动仿真。     

利用改进的二进制狼群算法求解多维背包问题

(1. Materiel Engineering College, Armed Police Force Engineering University, Xi’an 710086, China; 2. Materiel Management and Safety Engineering College, Air Force Engineering University,  Xi’an 710051, China;3. Air Traffic Control and Navigation College, Air Force  Engineering University, Xi’an 710051, China)     

基于BP 人工神经网络的河流生态健康预警

为加强河流管理,在已有的河流生态系统健康研究和BP人工神经网络模型基础上建立了河流生态健康预警模型,并对滦河河流未来健康状况进行了预警。结果表明:滦河在未来20年内河流生态健康状况将有所好转,其中近期水平年2015年为轻度疾病状态,为中警级别;中期水平年2020年与远期水平年2030年均为亚健康状态,为轻警级别。此外针对河流未来的警情状态,从警源分析角度提出了节水、优化水源工程、减污等关于滦河河流生态治理措施。     

水压人工肌肉的压力控制与静态特性试验

水压人工肌肉与气动人工肌肉因介质压缩性差异,驱动控制过程和特性不同.为了实现对新研制的高强度水压人工肌肉的驱动控制并分析其静态特性,提出了新的水压人工肌肉压力控制回路,建立了测试试验系统.压力控制回路调压试验表明,在水液压比例节流阀10% ～ 90%输入范围内,水压人工肌肉驱动压力可实现较大范围的线性调节;静态试验结果表明,水压人工肌肉收缩量、驱动压力和输出力满足理论关系式.所研制的水压人工肌肉能够承受4 MPa的内部水压力和14 kN的负载拉力,通过静态特性试验及与现有静态模型比较分析,获取了模型参数,为水压人工肌肉机械关节的驱动与控制提供了条件.      

改进人工鱼群算法在外汇预测和投资组合中的应用

人工鱼群算法具有良好的全局搜索能力和自适应能力,在解决投资组合问题上有较好的应用前景.本文通过改进人工鱼群算法,分别对汇率预测和外汇投资组合双目标优化两部分进行研究.首先利用基于平均距离视野的人工鱼群优化的支持向量回归机算法对汇率进行短期预测,提高了外汇预期收益率的准确性.然后建立外汇投资组合双目标模型,通过借鉴带精英策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的思想,提出基于Pareto排序理论的双目标非支配排序人工鱼群算法(non-dominated sorting artificial fish swarm algorithm,NSAFSA).实证分析表明该算法在求解外汇投资组合方案时,获得的Pareto前沿比NSGA-II的结果分布更均匀,多样性更好.最后对NSAFSA算法进一步改进,通过两次剪枝策略提高了解的质量,并给出了可供选择的最优外汇投资组合方案.研究结果表明人工鱼群算法可以对汇率预测和外汇投资组合提供重要参考,在外汇市场中具有较大的应用潜力.     

萤火虫群算法优化高斯过程的网络安全态势预测

针对共轭梯度法获取高斯过程超参数存在迭代次数难以确定及预测不精准等问题,提出一种萤火虫群算法优化高斯过程的预测方法,并将其应用于网络安全态势预测研究。采用萤火虫群优化算法对高斯过程超参数进行智能寻优,建立基于高斯过程回归的网络安全态势预测模型。实验结果表明新方法的平均相对预测误差较共轭梯度法、粒子群优化算法和人工蜂群优化算法分别降低了近29.46%、10.37%和4.22%,且新方法收敛较快。另外,分析对比了3种单一类型和2种复合类型的协方差函数对高斯过程预测的影响,实验结果表明采用神经网络与有理二次的复合协方差函数(neural network and rational quadratic composite covariance function, NN-RQ)的平均相对预测误差较其他4类协方差函数降低了1.65%~7.51%。