一类二维分数阶偏微分方程解的适定性

研究一类二维分数阶偏微分方程的边值问题,主要包括两方面内容:一是研究了合适的分数阶Sobolev空间及分数阶算子的性质;二是发展了一个弱解的理论框架,并建立了弱解的适定性理论.这是构造数值方法(如有限元和谱方法等)求解二维分数阶偏微分方程的理论基础.     

基于GA优化BP神经网络的WSN数据融合技术研究

为减少无线传感器网络中节点的数据通讯量,降低能量消耗,达到数据融合的目的,设计了一种基于遗传算法优化BP神经网络的数据融合算法(BPGA),阐述了数据融合原理、BP神经网络和遗传算法,介绍了遗传算法优化BP神经网络的数据融合方法,利用遗传算法优化神经网络的权值、阀值及隐含层结构,然后通过优化后的神经网络提取无线传感器网络中原始数据的特征信息,并将特征信息发送给汇聚节点,从而提高网络数据采集效率,延长网络生命周期。最后通过与LEACH、BPNDA算法进行仿真实验比较,证明了其有效性。     

一种基于改进遗传算法的WSN负载均衡聚类算法

针对无线传感器网络簇首需承担额外负载的问题,为了最大化网络寿命,提出了一种基于改进遗传算法的聚类算法.首先,将染色体表示为网关的一个字符串,通过考虑传感器节点与簇首之间的连接限制初始化种群;然后,构建适应度函数来评估初始种群的各个染色体;最后,利用遗传算法对染色体进行选择、交叉、突变,利用迭代算法完成聚类.结果表明,相比分布式自组织负载均衡聚类算法,本算法的执行时间可降低18.5%;相比基站控制自适应聚类算法,本算法收敛速度可提升50%;相比低占空比多管道调度算法,本算法平均负载标准差降低了81.2%;当网络轮数达到2 500时,相比其他几种较新的算法,本算法可降低至少40%的能耗.因此,本算法在WSN应用中可以很好地解决额外负载问题,延长了网络寿命.     

关于分数阶扩散方程的系数反问题

考虑在有界域Ω上的一个扩散方程的初边值问题:tαu=Δu+p(x)u,其中,tα是Caputo导数,0α2,α≠1.讨论了空间系数p(x),x∈Ω的反问题,以及通过数据u|ω×(0,T)确定分数阶导数的阶数α,其中,ωΩ是一个子域;并在初始条件是正的与ω是Ω的领域的条件下得出唯一性重要结论,最后通过将解u转换成波动方程的解来证明这一结论.     

基于离散阵列广义同步的彩色图像加密算法

为设计出具有较高安全性能的图像算法,提出了一种基于离散阵列广义同步系统的彩色图像加密算法。首先利用离散阵列广义同步定理,在3D-Lorenz映射的基础上构造了一个具有16×16×6的阵列广义同步系统。其次,结合二维离散分数阶傅里叶变换设计了一种彩色图像加密算法。该算法对像素矩阵进行了新混沌序列的位置变换,提高了密钥空间。加密算法的密钥敏感性、直方图和信息熵的仿真实验表明:该加密算法安全性高,能够达到较好的加解密效果。     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

一族带有参数的三阶收敛迭代方法

根据经典牛顿法和Runge-Kutta方法的思想,文章提出了解非线性方程f(x)=0近似解的一族带有参数的迭代方法,即通过设定不同的参数值,从而得到不同的迭代方法。经收敛性分析和证明,得出该族方法都至少三阶收敛到单根,目前一些已知改进的牛顿迭代法都是该族方法中的特殊情况。最后用数值试验证明了该方法与同阶收敛性质方法相比具有一定的有效性。     

带p-Laplacian算子的分数阶微分方程的正解

研究一类带p-Laplacian算子的高阶多点Caputo分数阶微分方程:Dβ0+(φp(Dα0+u(t)))+f(t,u(t))=0,0≤t≤1,l-1β≤l,n-1α≤n,(φp(Dα0+u(0)))(i)=0,i=0,1,2,…,l-1,■m-2u(i)(0)=0,i=1,2,…,n-1,u(1)=∑aiu(ξi)。■i=1运用Schauder不动点定理,得到边值问题正解的存在性,最后给出了例子来验证所得结论。     

基于遗传算法的智能车速度控制系统研究

针对传统PID算法在电磁导航智能车速度控制中存在的比例、积分、微分三个参数难以整定,不具有自适应能力的缺点,提出了将遗传算法应用到智能车的调速系统中来对传统PID算法进行改进.遗传算法不需要给出调节器的初始参数,可以从许多点开始并行操作,在解空间进行高效启发式搜索,克服了从单点出发的弊端以及搜索的盲目性,从而使寻优速度更快,避免了过早陷入局部最优解,最终自适应地整定PID三个参数来实现智能车的速度控制.Matlab仿真测试表明,与传统PID控制算法相比,遗传算法在智能车速度控制中具有响应快、超调量小、鲁棒性和适应性强的优点,大大提高了智能车电机控制系统的性能.     

基于量子遗传算法优化的灰色神经网络预测模型

将量子遗传算法用来对灰色神经网络参数做出优化,提出了一种通过量子遗传算法优化灰色神经网络进行预测的建模方法.应用实例表明,文章建立的模型拥有良好的预测效果,可以作为传统方法的一种补充.