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.     

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。     

基于改进主观贝叶斯方法识别电熔镁炉异常工况

电熔镁炉熔炼过程信息包含大量的不确定性，基于大数据分析的方法难以应用.为准确识别电熔镁炉熔炼过程的异常工况，提出一种基于改进的主观贝叶斯在线规则推理方法.传统的主观贝叶斯方法参数赋值范围过大，针对这一问题，使用映射函数将参数赋值范围缩小到有限区间，以提高方法的实用性.在规则推理时，使用模糊隶属度函数对观察和证据进行模糊匹配，以提高工况识别的鲁棒性和准确率.仿真分析表明该方法可以有效描述规则中的不确定性信息，准确识别电熔镁炉熔炼过程的异常工况.     

人口流动如何影响主观幸福感——基于主观社会地位的中介效应

中国城镇化背景下的大规模人口流动行为一直都是学术界关注的焦点。但是关于人口流动行为与迁移个体的主观幸福感之间的关系依然鲜有研究。采用2014年中国劳动力动态调查（CLDS）数据，通过倾向得分匹配法研究迁移人群对幸福感认知的中介作用机制。研究结果发现：迁移行为显著影响了个体的主观幸福感水平；主观社会地位对于迁移行为-主观幸福感的关系具有明显的中介作用。最后，对于该研究的理论贡献和实践意义进行了讨论，并指出了未来的研究方向。     

液压悬置所引发的车内异响问题的解决方案

针对某车在运行过程中,存在的车内异响问题,进行主观评价及客观测量,并通过对客观测试的噪声及振动频谱数据进行分析,查明驾驶舱内存在异响问题的原因,提出改变液压悬置解耦膜厚度的改进方案,并对改进后的液压悬置进行了测试验证,确定优化改进的方案,最终成功解决了某车型存在的车内异响问题。     

C800型摩擦焊机移夹系统多维权重模糊综合评价方法研究

为了实现对多检测参数综合系统状态评估,将模糊综合评价方法引入到系统状态评估中。针对经典模糊综合评价方法中权重向量单一,不能反映系统参数变化,提出了多维权重模糊状态评价方法。针对C800型摩擦焊机液压辅助系统,根据实际检测状态数据,建立模糊评价矩阵,实现多参数模糊综合评价。     

Spark框架下交通流数据高效处理方法及其应用

设计并实现基于Spark的交通流数据处理与预测分析应用框架, 可以完成交通流数据的高效清洗、统计、存储和查询。利用基于多阶空间权重矩阵的STARIMA模型进行交通流预测分析, 可以验证数据处理效率及对预测应用的支撑作用。对比实验结果表明: 1) 交通流数据处理框架运行效率高, 适用于复杂的数据清洗和挖掘算法, 为预测模型建立数据支撑; 2) 交通流预测模型对空间权重矩阵进行了多阶优化, 兼顾高效性和准确性, 预测分析结果可以为交通诱导提供参考。     

基于概率语言熵和交叉熵的多准则决策方法

概率语言术语集既包含语言术语,又包含语言信息的概率,使初始决策信息能够得到充分的利用,有利于提高语言术语集多准则决策的科学性.鉴于此,本文针对概率语言多准则决策问题,提出了一种基于概率语言熵和概率语言交叉熵赋权的多准则决策方法.首先考虑各准则下概率语言术语集的个体效应及其相互作用,利用概率语言熵和概率语言交叉熵计算准则的权重,然后采用将有向图和0-1优先关系矩阵相结合的概率语言术语集备选方案排序方法,更加直观地得到备选方案的排序结果并得到各方案之间的优劣程度.最后,以企业战略规划问题为例进行分析,通过对比分析验证了所提方法的有效性和优越性.     

改进遗传算法及其在钻井液设计中的运用

在深井、超深井以及地层复杂等条件下，为了避免或减少钻井事故的发生，达到优质快速钻井的目的，选择合适的钻井液体系至关重要。基于案例推理（CBR，Case-Based Reasoning）的钻井液设计中，钻井液体系由岩性、井型和井深等属性推理得出，但属性权重的分配会对推理结果产生显著的影响；遗传算法在优化属性权重时，存在收敛速度慢、收敛精度低的缺点。针对上述问题，提出一种解决CBR中属性权重分配问题的改进遗传算法。首先，对遗传算子进行改进：选择算子方面，利用指数尺度变换法优化个体选择；交叉算子方面，对算术交叉中的比例因子进行自适应调整；变异算子方面，改进个体变异方向，保持种群多样性。其次，从个体适应度和交叉个体的差异程度两方面实现交叉概率自适应调整。最后，通过对UCI数据集的对比实验，证明了改进后的遗传算法能改善全局收敛性能，提高CBR的准确率。将该算法运用到基于CBR的钻井液设计中，实验结果表明，所提方法能够优化属性权重的分配，进而提高钻井液设计的质量。