基于SSA-RBF的灌区流量预测

水资源短缺问题日益严重,快速准确的灌区流量测量具有重要意义。现有流量测算模型一般采用传统的测流方法或简单的神经网络模型进行处理,采用上述方法将面临测量成本、测量精度等挑战。故将麻雀搜索算法(sparrow search algorithm, SSA)与径向基神经网络(radial basis function, RBF)相结合,以渠道水深、测点流速、测点位置为输入,灌区流量为输出,设计了一种新的SSA-RBF神经网络模型用于预测灌区流量。以都江堰人民渠渠首站点在27种不同水力条件下的实测数据为基础,对SSA-RBF模型和RBF模型以及极限学习机(extreme learning machines, ELM)模型进行评估和比较,实例结果表明SSA-RBF模型能够快速准确地预测出流量,其确定系数为0.975、均方根误差为6.186、平均绝对误差为4.324、残差质量系数为0.011 9,4种评价指标以及预测结果偏差均优于ELM模型以及RBF模型,为提升灌区流量测算精度提供了思路。     

基于CEEMDAN多尺度模糊熵和SSA-BP神经网络的VP型垂直摆倾斜仪故障辨识

针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程繁琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合完备集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）多尺度模糊熵和麻雀搜索算法（SSA）优化BP神经网络的VP型宽频带垂直摆倾斜仪故障自动诊断方法。该方法首先将故障数据归一化,利用CEEMD分解信号得到本征模态函数（IMF）的多尺度模糊熵,然后基于麻雀搜索算法（SSA）优化BP神经网络的权值与阈值,得到最佳权值和阈值,最后应用SSA-BPNN模型对倾斜仪故障特征数据进行辨识。实验表明:CEEMD多尺度模糊熵判据具有良好的倾斜仪故障特征区分效果;SSA-BP神经网络模型在准确率和召回率上,相比BP模型分别提高4.758 1、6.321 6个百分点,辨识过程更稳健,弥补了VP型倾斜仪在故障智能识别领域的空白。     

一种增强型改进麻雀搜索算法的三维航迹规划

针对无人机在三维复杂环境中多约束的最优化问题,提出了一种增强型改进麻雀搜索算法用于航迹规划问题的求解。首先,利用Logistic-tent混沌序列初始化麻雀搜索算法,增强种群初始位置的随机性,提高算法全局搜索能力。然后在发现者-警戒者位置更新中加入了动态自适应调整策略,扩大算法搜索范围,提高算法的收敛速度。其次通过高斯-柯西变异策略,对麻雀个体进行位置更新,增强算法前期的全局搜索能力和后期局部发掘能力。最后选取11种测试函数和Wilcoxon秩和检验验证改进算法的有效性。仿真结果表明,增强型改进麻雀搜索算法在寻优精度、算法稳定性和收敛速度方面要优于其他对比搜索算法,并且可以在复杂的多约束环境中找到一条无碰撞的全局最优路径。在三维航迹规划中EMSSA算法相较于ISSA算法寻优精度提升了4.11%,相较于SSA算法提升了9.51%。     

基于视觉的水面背景下目标检测与跟踪算法

为解决清漂船在复杂水面背景下对漂浮物体积较小或被遮挡的检测与跟踪问题,提出了一种基于视觉的水面背景下目标检测与跟踪算法,通过利用YOLO改进的多粒度特征融合方法使得模型在最终检测时所提取的特征向量考虑更多底层的特征,并引入K邻域搜索感兴趣区域模块,与长短期记忆神经网络(LSTM) 相结合,弥补了卷积神经网络的时序关联性差的缺陷,根据目标当前帧语义特征和运动特征预测下一帧中目标所在位置,能够更快的提取目标的特征,并且有效的去除复杂背景的干扰。实验结果表明：该算法的跟踪平均成功率、平均准确率和平均速度分别为57.1%、71.1%、45.4fps。较好解决因被检测目标过小的问题,提升在跟踪目标被遮挡的情况下的跟踪性能。     

软时间窗与随机航行时间的不定期船舶航线规划

为优化航线设计,降低船舶企业运营成本,在研究VRP(Vehicle Routing Problem)的基础上,将其方法扩展应用到不定期船舶调度问题,船舶运输需要在路径优化时同时考虑不确定航行时间及需求时间窗,用线性近似的方法来消除不确定航行时间的影响,通过惩罚函数的引入表示需求时间窗,建立充分考虑时间因素的数学模型,以总成本最小为目标.运用扫描法和禁忌搜索算法,将问题分为二个阶段,第一阶段,通过扫描法将VRP转化为TSP(Traveling Salesman Problem),然后用禁忌搜索算法解决TSP,通过算例证明了提出算法的有效性,为实际不定期船舶的航线规划提供了参考.     

自主足球机器人视觉系统结构及关键技术

提出了自主足球机器人嵌入式多处理器体系结构以及视觉系统的构成框架.对单目视觉系统所涉及的关键技术进行了详细的分析和研究,其中包括图像分割、目标搜索算法、目标定位和机器人自定位技术.基于YUV颜色空间,对目标进行分割,并通过连通区合并来快速搜索目标,同时根据摄像机模型来确定目标的空间位置.实验表明分布式视觉体现结构能够实时准确地完成视觉处理任务.以上新算法可以快速鲁棒地搜索图像目标,并能较精确地确定目标的位置信息和机器人的自定位信息.     

夜间环境下的中老年人动态有效视野

为定量探究年龄、环境照度和视标速度对中老年人夜间动态有效视野特征变化的影响,采用动态有效视野测试系统(DVLMS)对24位被试进行动态视觉搜索任务测试,并通过绘制有效视野形状图进一步分析有效视野缺失情况。研究结果表明：（1）中老年人夜间动态有效视野特征：①随年龄增加而显著减小,均在61-65岁出现显著性下降。②随视标移动速度增加而显著减小,且相较于年龄其减小程度更大。其中有效视野周长从16°/s、有效视野面积从8°/s、有效视野褶皱性在32°/s时开始显著下降。③有效视野周长、有效视野面积随环境照度上升而显著增加。其中有效视野周长从20 lx、有效视野面积在20 lx时开始显著增加。（2）有效视野角度均值在8°-17°之间,随年龄、视标移动速度增加而减小。有效视野形状缺失情况随年龄增加、视标移动速度增加逐渐严重,左方及下方有效视野缺失情况尤为明显。本研究可为评价中老年人夜间视觉搜索绩效以及设计相应的训练提供参考。     

Valuable information in early sales proxies: The use of Google search ranks in portfolio optimization

We extract information on relative shopping interest from Google search volume and provide a genuine and economically meaningful approach to directly incorporate these data into a portfolio optimization technique. By generating a firm ranking based on a Google search volume metric, we can predict future sales and thus generate excess returns in a portfolio exercise. The higher the (shopping) search volume for a firm, the higher we rank the company in the optimization process. For a sample of firms in the fashion industry, our results demonstrate that shopping interest exhibits predictive content that can be exploited in a real‐time portfolio strategy yielding robust alphas around 5.5%.     

Floyd算法的一个通用程序及在图论中的应用

给出了图结构中Floyd算法的一个通用程序,并应用该程序提出了图的许多重要性质的充分必要判别条件和图论中若干重要问题的不同于传统的新解法．提出的实现动态数组的思想对设计以多维数组为参数的通用程序具有普遍意义．     

带时间窗和调货特性的多品类取送货优化算法

为了满足快时尚品连锁门店多品类的销售需求,综合考虑载重限制、多货品、门店相互调货和服务时间窗等因素,研究了同时取送货车辆路径问题。为了有效降低库存管理和运输成本,通常鼓励门店间的货品相互调配,且需要控制用车数。为此,以最小化车辆数为第一优化目标,最小化转运成本（运输成本和仓库处理成本）为第二优化目标,构建了混合整数规划模型,并设计了两阶段启发式求解算法。算法采用最短路径插入规则生成初始解,并配合8个邻域操作算子进行迭代搜索。采用该算法求解标准算例,对比文献中结果表明,其具有较好的寻优能力。基于某女鞋连锁门店的实际运营数据设计了72个算例,计算分析表明,该算法的求解能力与效率均优于整数规划模型。