基于势场导向的对数蚁群算法的移动机器人路径规划

针对蚁群算法存在收敛速度慢,易陷入局部最优的问题,提出了一种将人工势场和对数蚁群算法相融合的新算法.该算法是在蚁群算法的基础上,将势场的影响因素引入到蚁群算法的状态转移概率函数和启发函数中,并通过对数函数模型对蚁群算法的信息素更新策略进行改进,使得路径算法搜索不再具有盲目性,并加快算法的收敛速度.为了验证改进算法的有效性,分别在不同环境的2维栅格地图中进行仿真.仿真结果表明,相比改进前的蚁群算法,改进后的蚁群算法在路径规划中收敛速度更快,规划效率更高.将基于势场导向的对数蚁群算法应用于Hokuyo激光建图的实际机器人上进行路径规划实验.实验结果表明,改进后的蚁群算法路径搜索效率较改进前提高了约52％.     

基于樽海鞘群与粒子群混合优化算法的特征选择

针对现有特征选择方法中存在的收敛速度慢和计算效率低等问题,提出了一种基于樽海鞘群与粒子群优化的混合优化(hybrid optimization of salp swarm algorithm and particle swarm optimization,HOSSPSO)特征选择方法,该方法在樽海鞘群算法(salp swarm algorithm,SSA)的基础上,引入粒子群优化(particle swarm optimization,PSO),提高了SSA的收敛速度,改进了探索和开发步骤的效率,增加了解空间更多的灵活性和多样性,使得方法能够迅速获得全局最优值.为了验证算法的性能,在2个实验序列上进行了测试:第一个实验序列使用基准函数,将HOSSPSO与标准SSA、PSO进行了比较;第二个实验序列采用不同的UCI数据集,通过提出的算法确定最佳特征集.实验结果表明,相比于其他优化算法,HOSSPSO的性能更具优势,在多项评估指标中获得较好的效果,能以极少量的特征获得最大的分类精度.     

基于Gasa-BPNN的水轮机系统辨识与预测控制

Based on the characteristics of nonlinearity, multi-case, and multi-disturbance, it is difficult to establish an accurate parameter model on the hydraulic turbine system which is limited by the degree of fitting between parametric model and actual model, and the design of control algorithm has a certain degree of limitation. Aiming at the modeling and control problems of hydraulic turbine system, this paper proposes hydraulic turbine system identification and predictive control based on genetic algorithm-simulate anneal and back propagation neural network (GASA–BPNN), and the output value predicted by GASA–BPNN model is fed back to the nonlinear optimizer to output the control quantity. The results show that the output speed of the traditional control system increases greatly and the speed of regulation is slow, while the speed of GASA–BPNN predictive control system increases little and the regulation speed is obviously faster than that of the traditional control system. Compared with the output response of the traditional control of the hydraulic turbine governing system, the neural network predictive controller used in this paper has better effect and stronger robustness, solves the problem of poor generalization ability and identification accuracy of the turbine system under variable conditions, and achieves better control effect.     

改进遗传算法求解带不相关并行机的HFSP

以最小化最大完工时间为目标的不相关并行机混合流水车间调度问题。首先建立了不相关并行机混合流水车间调度问题的数学模型;然后提出了改进的遗传算法进行求解。为弥补遗传算法的迭代后期容易陷入局部搜索的缺陷,在传统遗传算法的基础上利用改进的自适应交叉和变异概率因子及模拟退火局部搜索策略,增强遗传算法在迭代后期跳出局部最优的能力。并通过两个案例来验证改进遗传算法的有效性。     

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.     

人机交互遗传算法的人机界面

为建立更有效的人机界面,研究了人机交互遗传算法(HCIGA)的人机界面技术,给出了最优适应度与平均适应度多代均值随进化代数的变化趋势图、个体与最优个体欧式距离与适应度关系直方图及其应用方法;实现了从宏观和微观层面揭示算法动态过程,解决何时及如何在线添加人工解或控制算子问题,以更好地发挥HCIGA作用;最后在以印刷电路板布局设计为背景的算例中进行了数值验证.结果表明,应用该人机界面的HCIGA计算精度较标准遗传算法(SGA)和HCIGA高,计算效率较SGA低、较HCIGA高.     

基于方向信息测度的约束最小二乘图像恢复方法

根据约束最小二乘图像恢复方法,设计了一种新的图像恢复方法,把图像方向信息测度的概念引入到图像恢复算法中．它的优点在于,克服了约束最小二乘恢复方法中平滑噪声的同时,边缘信息也被平滑了的缺点,能够在边缘信息保持与噪声平滑之间取得更好的折中．满足了人眼对边缘比较敏感的视觉特性要求．实验证明,这是一种较好的图像恢复方法．     

基于实数编码的多种群演化遗传算法

针对标准遗传算法(SGA)在实际应用中存在早熟收敛、精度较差及运算速度慢的缺点,提出了一种基于实数编码的多种群演化遗传算法(RMGA).实验结果表明该算法能够有效的提高全局搜索能力和局部快速搜索能力,对改进SGA的缺点是十分有效的.     

一种基于RSA的加密算法

RSA加密算法是第一个较为完善的公开密钥算法,它的安全性主要依赖于大数分解的难度.在分析了RSA公钥加密系统和背包公钥密码系统存在的安全问题的基础上,将背包公钥密码的思想与RSA算法相结合,形成了一种新的加密算法,它不仅消除了RSA的安全性完全依赖于大数因式分解难度的特性,并且在加密信息的同时,实现了用户身份的验证,有效地防止了中间人攻击.最后,对该算法在智能卡上的应用做了简要介绍.     

2K-H型直齿行星减速器的设计研究

以2K-H型直齿行星传动的设计为例,采用新的穷举法在计算机上进行设计计算,并给出了计算机程序的编制方法.应用这种设计方法可以得到全部可行设计方案,通过对比可容易从中选出最佳的方案.