改进的粒子群优化算法结合人工神经网络用于有机物毒性的QSAR研究

介绍了粒子群优化算法和Alopex-B算法的基本原理,提出了一种用Alopex-B算法改进的粒子群优化算法,并将其应用于函数优化和有机物毒性的QSAR研究。结果表明:改进型粒子群算法对复杂的测试函数搜索效率明显提高,应用于有机物毒性的QSAR研究能提高计算的精确度,降低预测误差。     

竞赛图的零因子半群

讨论了竞赛图的零因子半群.一个半群S的零因子图是一个有向图Γ(S),其顶点是S中非零的零因子,S中两个不同的元x,y有一条有向边x→y当且仅当xy=0.该文证明了如果S是一个没有非零幂零元的有限半群且图Γ(S)的顶点数大于1,那么图Γ(S)不是一个竞赛图.另外对于任意的正整数n,该文完全决定了顶点数为n蹬任一个竞赛图的所有零因子半群.     

模糊自适应控制算法在水轮机调速器建模中的应用

在模糊控制器的设计中,模糊规则的提取,比例、量化因子和隶属度函数的确定都具有一定主观性;针对这种情况,提出改进的模糊自适应PID控制算法(IFPID),利用微粒群算法对经过预处理的隶属度函数进行优化.在水轮机调速器仿真实验中,与简单PID控制算法和一般模糊控制算法相比,基于改进模糊自适应PID算法的系统在响应频率扰动和负荷扰动时有着更短的调节时间和更小的超调量.     

基于粒子群算法的火炮伺服系统摩擦参数辨识

针对火炮交流伺服系统中存在的非线性动态摩擦,为了提高火炮伺服系统的跟踪精度,提出了一种基于粒子群的LuGre摩擦参数两步辨识方法。利用Stribeck曲线辨识了4个静态参数,利用滞滑极限辨识了2个动态参数,完成了摩擦力矩的动态补偿。实验结果表明了该算法的合理性,火炮伺服系统的正弦跟踪最大误差为1.25 mrad,精度完全达到了军标要求。     

粒子群优化算法在柔性边缘检测方法选取中的应用

边缘检测是图像处理中很重要的组成部分,其效果好坏直接影响到后面的图像分析。柔性形态变换用于图像边缘检测的方法有多种,粒子群优化(PSO)算法是一种有效的全局优化方法,广泛应用于函数优化,神经网络训练以及模糊系统控制等领域。该文将粒子群算法引入柔性形态学用来选取最佳图像边缘检测方法。实验结果证明,该文所提方法行之有效,值得推广。     

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。     

25MnV钢“零保温”淬火

研究了"零保温"淬火状态下,25MnV钢的显微组织和力学性能,分析了马氏体的形态及转变特点。实验表明,在870～910℃温度范围内,该钢的强硬性随淬火温度的增加而提高,910℃"零保温"淬火达到峰值。当淬火温度高于890℃,"零保温"淬火的性能优于传统的保温淬火。     

三能级原子振幅退相干的Bang-Bang动力学控制

采用量子Bang-Bang控制技术对三能级原子系统的振幅退相干动力学解耦进行了研究. 分别给出了3种不同的能级结构下满足解耦条件的Bang-Bang控制群和这些控制群的具体的脉冲序列.     

基于混沌粒子群算法(CPSO)在目标选址问题中的分析

基于国土资源有限的情况下,为使兴建的新工厂和设备在空间资源得到合理分配,对兴建的新工厂和设备等目标建立选址模型,并将蚁群算法,粒子群算法和混沌粒子群优化算法应用在该模型中,由模型数据的三种算法而对得到的数值进行对比和分析证实,混沌粒子群算法在目标选址问题上具有更好的寻优效果。     

复方程f″ Af=0解的超级零点充满圆

设f1,f2是复方程f″ Af=0的两个线性无关解,其中A是整函数,令E=f1f2.本文研究了齐次线性微分方程f″ Af=0的超级零点充满圆问题,建立了E的超级零点充满圆的一些结果.所得结果精确了一些已有的结果.