微型燃气轮机热电联供系统的热经济学最优化分析

以最小燃料费率和非能量费率为目标函数，以系统的热力学模型和经济学模型为约束条件，对3种微型燃气轮机热电联供系统进行了热经济学最优化分析．计算得到的优化参数，可为能量系统的优化设计和运行提供决策参考依据．     

非线性l1 问题的光滑近似算法

利用“ ”函数的光滑近似函数和无约束优化方法给出非线性l1的一种算法．在适当的假设下，算法是全局收敛的．初步的数值试验结果表明算法的有效性．     

用于多指数拟合的一种混沌免疫粒子群优化

为了更好地逼近真实物理场景,对传统的多指数模型作了一些改进,将权因子设置为噪声方差平方的倒数,提出一种基于循环矩阵(CM)的算法用于估计衰减项数.为了求解上述改进模型,提出一种混沌免疫粒子群优化(CIPSO)算法.该算法将人工免疫系统中的克隆、交叉、变异和接收器修正算法嵌入粒子群算法中,并采用混沌算子实现变异,然后将惯性因子改为自适应变化.实验表明:提出的权因子设置更符合实际;用于估计项数的CM算法在估计精度与运行时间上均优于传统的ILS算法;CIPSO算法在收敛精度与运行时间上也优于传统的优化算法,如可信域法、LM法、高斯-牛顿法、差分进化算法和粒子群算法等.     

基于语义约束与Graph Cuts的稠密三维场景重建

本文提出一种新颖、有效的稠密三维场景重建算法.在城市建筑场景的重建中,为了快速恢复稠密、准确的深度信息,本文算法首先在视图中对建筑区域进行了语义分割以降低非重建区域(如天空、地面等)的干扰,在提高整体重建速度的同时也增强了采用平面模型对其进行重建的可靠性;然后,在通过基于DAISY特征的空间点扩散方法获取的初始深度图的基础上,针对传统算法难以重建的弱纹理、倾斜表面等区域,本文算法依据场景分段平滑的假设,在超像素级MRF能量优化框架中对其相应的空间平面进行了推断.由于能量函数融合了初始深度图的约束、空间平面先验及空间平面间的几何关系等信息,而且候选平面集通过平面拟合和已知平面约束下的多方向平面扫描两种方法构造,使得相应的两阶段迭代Graph Cuts对能量函数的求解更快速和精确.在标准数据集和真实数据上的实验表明,本文算法能有效克服光照变化、透视畸变、弱纹理区域等因素的影响,快速恢复建筑区域完整的深度图.     

船舶牵引机械的结构优化设计

以初步设计方案为基础,利用ANSYS Workbench集成建模功能,实现了PRO/E船舶牵引机械实体模型与ANSYS Workbench的双向关联性,建立了船舶牵引机械有限元模型,并对主要结构参数进行优化,给出参数对结构刚度的敏感度。通过优化方案使整机质量减少24.1%,从而为船舶牵引机械的小型化、轻量化提供了依据。     

航材后续备件优化保障模型研究

针对目前部队航材备件保障方面存在的问题,以及在理论研究方面存在的不足,建立了一种新型的数学模型,解决了在保障率一定的情况下,使得保障经费最小;以及在经费一定的情况下,使得保障率最大的问题。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm opti-mization,PSO)算法实现对SVM惩罚参数和核参数...     

新的粒子群优化算法

粒子群优化(PSO:Partic le Swarm Optim ization)算法是一种有效的全局优化技术。对于PSO算法,很容易陷入局部极值。针对上述缺点,提出了两点改进:对基本PSO算法的速度更新公式中的全局极值给出新的定义,以使粒子群体保持多样性;适当地缩放适应值,与随机规则共同决定某个粒子作为速度公式中的全局极值。改进的两点用于PSO算法后期,形成新的PSO算法(NPSO:New PSO)。NPSO能有效地改善算法,具有摆脱局部极值的能力。在给定的条件下,选用3个函数进行了测试。实验结果显示,在获得平均适应值方面,该算法比PSO算法提高1.62%~16.5%,明显优于基本的PSO算法。     

面向应用层QoS的实时视频优化码率控制

基于传统视频信源编码在应用层QoS的联合信源信道优化，研究了信源编码和信道编码之间合理分配带宽以及信道与信源联合编码下的有效码率控制问题．依据视频编码的实时可变帧率下的VBR视频网络传输信道模型，提出了网络接入带宽统计复用基础上的优化信道码率分配；根据信道传输失真，推导出基于图像帧的全局信源信道联合失真估算递归模型，按照模型运算率失真优化下的跳帧参数和帧内宏块刷新率，实现整体的图像编码质量优化控制．相对于普遍采用的基于宏块的局部优化控制策略，所提出的优化码率控制策略能获取更一致的图像质量和更高的性能增益．     

聚类分析在多极值函数优化中的应用

将聚类分析方法应用于经典的优化和遗传寻优过程当中，提出了一种求解多极值函数全局最优解的方法。在基于梯度的算法中，先取多个初始点，几次迭代搜索后做聚类分析。在每类取一点，将目标函数分为多个单极值函数，然后分别寻优，通过比较得到全局最优解。在遗传算法中，通过聚类分析在每类取若干个体作为代表个体，它们将始终参与遗传操作，从而有望达到全局最优。