多惯性权重的自适应粒子群优化算法

惯性权重是粒子群优化算法重要参数之一,它能够平衡算法的全局搜索能力和局部搜索能力.为了利用已知惯性权重解决某些问题的优点,提出一种多惯性权重的自适应粒子群优化算法.首先定义了K步进化度的概念,然后基于进化度,从惯性权重集中随机选择惯性权重,使得适合解决某一问题的惯性权重在迭代过程中能够多次被使用,从而提高算法性能,把该算法应用到典型测试函数中,并与其他算法进行比较分析,结果表明,所提出的算法是可行的、有效的.     

强嵌入在群作用下的遗传性质

有限生成群G粗拟作用在一个度量空间X上,如果X具有有限渐近维,且拟稳定子是可强嵌入的,则群G是可强嵌入的.     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

面向非合作目标的柔性捕获器设计与动力学建模

为更好地实现对动态非合作目标的捕获,设计开发了一种多臂式柔性捕获器.这种捕获器的原理类似海葵等生物捕猎的方式,不依赖单个柔性臂的精准夹持而是靠多根臂所构成的臂群实现聚拢、挤压等动作,以完成对目标物体的捕获.基于能量守恒和动量守恒原理对非合作目标物体与柔性臂的碰撞问题进行分析,给出了发生碰撞后柔性臂与目标物体各自的运动参数.为进一步分析柔性臂的动态变形过程,采用多个线性关节和扭转关节的组合对单根柔性臂进行描述,并基于牛顿法对各离散关节进行受力分析,建立了柔性臂的动力学模型.将柔性臂整个变形过程离散为多个微小时间段运动的集合,通过动力学分析得到当前时刻的动力学参量,经过一个微小时间内的运动后即可得到下一时刻各质点的位置,迭代进行上述步骤便得到了柔性臂的动态变形过程.而后,通过实验确定单臂动力学模型的最优参数,并将参数优化后的动力学模型在不同加载情况下与单臂样机进行对比,验证了动力学模型的准确性.最后,在单臂动力学模型的基础上建立包括多根柔性臂的捕获器三维模型,进行非合作目标捕获的仿真与样机实验.结果表明:所设计的臂群式柔性捕获器能够很好地完成动态非合作目标捕获任务,所建立的捕获器三维仿真模...     

混合粒子群算法的电火花成型加工工艺参数优化

针对电火花成型加工机床工艺参数难以确定以及工件表面质量差的问题,在CTM450机床上探究了脉冲电流、脉冲宽度、脉冲间隔对成型加工中MPR和Ra的影响,在正方实验的基础上,以提高材料去除率和工件表面质量为优化目标,设计了混合粒子群算法,将仿真优化后的结果与实际加工效果进行验证,表面该算法准确有效.     

基于动态博弈的补贴模式对机场群航线网络结构的影响研究

为探讨不同补贴模式对机场群航线网络结构的影响，本文构建了关于机场、航空公司和乘客之间的动态博弈模型，通过逆向归纳法得到了纳什均衡条件. 研究结果发现：（1）不同的补贴模式对多机场航线网络结构产生重要影响，低补贴模式促使机场群倾向于形成点对点航线网络结构，反之，在高补贴模式下机场群易于形成枢纽辐射航线网络； （2）在较低的空铁联运总运营成本环境下，补贴竞争使得航空公司倾向于选择系统内的大型机场作为枢纽机场；反之，如果空铁联运总运营成本相对较高，补贴竞争使得航空公司倾向于选择小机场作为枢纽节点； （3）随航班固定成本和空铁联运总运营成本的增大，大型机场作为枢纽节点的概率逐渐减少，而小机场被选为枢纽节点的概率将逐渐增大. 随着机场群内大型机场腹地服务人口比例的增大，航空公司选择点对点航线网络的概率在减小. 研究结论能够为民航管理部门科学制定和应用航线补贴政策提供决策依据.     

基于量子粒子群优化算法的换热器综合能效评价研究

换热器是工业领域中被广泛应用的一种通用工艺设备,降低生产过程中的能源消耗来提高生产效益逐渐被重视。采用理论分析和数值模拟仿真相结合的方式,将影响换热器能效评价的各类因素进行了合理的归类与分析,根据各类型影响因素,建立了一个线性加权函数形式的换热器综合能效评价模型,对模型中的各个权重系数采用量子粒子群的优化算法进行优化,得到与各项能效因素相对应的最优权重,从而建立起最优的换热器综合能效评价方法。     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

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 optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

关于Berger定理的推广

Berger定理断言任意可解群G中的拟本原复特征标也是本原的，文章考察了该定理关于正规子群L?G的相对情形。为了统一研究复特征标和Brauer特征标的本原性和拟本原性的关系，引入了L-本原的和L-拟本原的π-部分特征标，证明了在适当的可解性条件下L-拟本原性等价于L本原性，该结果加强并推广了Berger定理。