离散PSO算法动态性能分析及参数选择

针对标准PSO算法的参数选择缺乏理论依据这一问题,研究了粒子在收敛域内的参数取值及对应的运动轨迹,得出寻优系统在收敛域内取值并不一定都能达到最优值的结论.进而应用离散系统分析理论,指出在收敛域内复特征根的模值与相角会影响系统的寻优效率,并通过理论分析推导出模值和相角与标准PSO算法中的惯性权重和加速因子的关系,从而在理论上确定了参数选择的原则.根据上述理论分析结果,提出五种参数选择建议,实验仿真结果证明所提参数选择的有效性.在考虑算法随机性的情况下,建议复特征根的模值取0.8左右,相角在90°附近取值.     

无线传感器节点的非同步休眠节能方法

为了更高效地使用节点能量,针对周期监控型无线传感器网络提出了一种负载自适应的节点非同步休眠方法.该方法无须在节点间进行时间同步,而是通过记录节点在多个采样周期内的时隙状态进行自适应休眠,这些状态包括数据收发、信道争用冲突和空闲侦听等.采用这种方法能能使节点在高负载时自动减少睡眠时间,在低负载时自动增加休眠时间,并能在保证网络服务质量的前提下提高节能效果.仿真实验表明,在同等条件下本文方法相比S-MAC和T-MAC降低能耗约81.7%和57.1%.     

基于NS2的RPR带宽分配算法参数确定方法

RPR(resiliencepacketring)是一种MAC层的环网络协议,具有全双工,空间可重用,自我护的特点,IEEE正在致力于RPR标准化。带宽分配算法是整个协议(RPRDraft1.0)讨论的重点之一,在分析了RPRDraft1.0中定义的参数Lpcoef和Rampcoef对带宽分配算法效率的影响之后,分别用25种不同的关键参数配置NS2RPR模拟器,模拟经典的两种背景压力情景,综合考虑收敛时间和振荡波形可以选出最优的关键参数组合。实验结果发现Lpcoef=32且Rampcoef=64在收敛时间与振荡方面都优于草案中建议的Lpcoef=64且Rampcoef=64。     

WSN中一种基于协作休眠的MAC协议

无线传感器网路中,支持休眠机制的MAC协议通常采用同相位调度策略,存在冲突概率高,数据传输延迟大等问题。针对这些问题,设计了一种新的基于不同相位调度表的MAC协议。该协议的簇内节点采用不同相位的调度表,以减少冲突概率和串音问题;数据传输采用机会协同传输方法,以有效降低数据传输时延。仿真结果表明,相比传统的非协作休眠机制和直接传输方法,CS-MAC协议可以有效减少冲突概率,降低数据传输时延,从而减少网络能耗。     

基于虚拟势场和学习自动机的有向传感网覆盖控制

针对目前有向传感网中覆盖增强和冗余节点体眠调度算法存在的问题,提出虚拟势场结合学习自动机的覆盖控制算法.引入基于质心距离和重复感知率的虚拟力改进模型,综合考虑虚拟向心力和切向力对感知角度调整的影响,建立微观虚拟力与转动角度的关系模型,并根据网络整体覆盖率增长率对节点调整幅度进行宏观控制,合理调整节点感知方向.在此基础上,根据节点重复感知率和能量因素建立学习自动机与环境信息的交互机制,学习最优的冗余节点休眠调度策略.仿真实验结果表明,该算法能够显著增强网络覆盖,并有效地控制网络覆盖冗余.     

基于停时模拟的移动窗口巴黎期权的定价

移动窗口巴黎期权是更高层次的极为复杂的巴黎期权, 在可转换债券等领域均有广泛应用. 在连续时间框架下, 扩展了Anderluh的方法, 通过模拟具有移动窗口巴黎期权特征的停时, 给出了移动窗口巴黎期权的定价表达式、算法及算法实现, 并且对比了累计巴黎期权、连续巴黎期权和移动窗口巴黎期权在不同参数条件下计算出来的价格, 验证了所提出方法的有效性. 最后, 为了验证停时模拟方法的计算精度, 将障碍期权(退化的巴黎期权)的解析解作为基准, 比较了停时模拟和标准蒙特卡罗这两种算法, 结果显示停时模拟算法具有较高的精度. 该方法的应用将有利于提高可转债定价的精确度, 为我国可转债的发行和投资决策提供有价值的依据.     

低碳供应链资源配置算法及其鲁棒性能

为合理解决低碳供应链资源的配置效率问题,本文在云模型、量子神经网络研究基础上提出了基于云模型的混合量子神经网络算法。应用混合粒子群算法来确定神经网络的连接权值、隐层神经元个数及各层神经元的阈值等参数。通过对低碳供应链资源配置算法及其算法的鲁棒性能等问题展开深入研究,确定了混合量子神经网络算法的参数主要有各层神经元的个数及阈值。数值实验发现不同的初始状态和参数设计会影响混合算法鲁棒性能的测定。采用混合量子粒子群算法的混合网络结构可以提高在低碳供应链资源配置过程中的错聚效率,能有效提高低碳供应链资源配置的准确度和正确性。     

非匹配非线性系统多滑模模糊控制

针对一类非匹配非线性系统,提出一种多滑模自适应模糊控制算法。通过将参数光滑投影算法,带饱和层的滑模面设计技术以及积分型李雅普诺夫设计技术集成起来,使得算法提高了系统在抑制参数漂移、抖振现象、控制器奇异等方面的能力。算法保证闭环系统所有信号的有界性且使得跟踪误差收敛于任意设定的饱和层内。仿真结果进一步说明了算法的有效性。     

人工神经网络的改进训练学习算法BPGA

本文通过引进神经元增益参数和记忆上一次网络状态改变量的冲量参数,设计了BPGA,对标准的BP算法进行了改进,提高了网络的学习速度和收敛性,并与标准的BP算法进行了比较.     

多层前向神经网络的RLS修正训练算法

文献［４］提出一种训练多层前向神经网络的快速学习算法—ＲＬＳ算法,与标准ＢＰ算法相比有较高的学习效率,但该方法的主要缺陷是存在数值稳定问题和鲁棒性不强的问题。提出了一种修正的基于递推最小二乘算法（ＲＬＳ）的多层前向神经网络的快速学习算法,证明了算法的数值稳定性,对两个系统进行了辨识,并与ＲＬＳ训练算法和标准ＢＰ算法进行了比较,仿真结果显示了所提方法的鲁棒性和有效性。     

求解车辆路径问题的一种遗传算法

车辆路径问题(VRP)是一个典型的NP-hard问题,采用传统方法求解往往找不到满意解。在分析现有求解该问题的遗传算法的基础上,对现有的交叉算子进行了改进,并设计了基于自然数编码的遗传算法,用来求解一般的和有时间窗限制的车辆路径问题。采用文献中的实例进行了数值试验,试验结果表明该算法是有效的。     

高速运动雷达弱小目标检测方法研究

针对强杂波下高速运动的雷达弱小目标的特点,提出了一种基于短时滑窗相参积累和改进动态规划的检测前跟踪相结合的算法。首先,将雷达的回波信号构成一个先入先出的队列,进行短时滑窗相参积累。其次,在航迹跟踪时采用了基于改进动态规划的检测前跟踪算法,并且在原来的状态转移的基础上又对后续状态进行了估计,从而降低了相邻两帧间目标强度起伏的影响。实测数据证明此算法检测性能好,计算量较小,实际可行。     

基于改进A*算法的自动导引车无碰撞路径规划

针对自动导引车(automated guided vehicle,AGV)的无碰撞路径规划问题,提出一种引入时间因子的改进A^*算法以减少转弯次数,结合时间窗及优先级策略实现多AGV的动态无碰撞路径规划.首先利用改进后的A^*算法静态规划各AGV转弯次数最少路径;其次,分析路径节点到达时间及冗余时间,根据电量与路径性能动态地为多AGV分配优先级,结合时间窗模型解决了多AGV碰撞冲突问题并且提升了系统效率.案例分析结果表明,该算法在保证路径最优性的同时解决了传统A^*算法带来的转弯次数多问题,能有效实现无重复、无冲突的系统调度,并证明了其在动态环境下具有良好的适应性和鲁棒性.     

基于Pareto改进VNS-MMAS的定点修理任务多目标动态调度

针对战时定点修理任务重、修理时间有限、约束复杂的问题,进行了面向定点修理的战时装备维修任务多目标动态调度研究。提出了战时定点修理装备维修任务调度军事问题,考虑修理时间窗、非遍历性等约束,构建了战时装备维修任务多目标动态调度模型。采取分步求解思路处理修理小组分配以及修理任务排序两阶段优化问题,并从状态转移规则、信息素更新规则、先验信息获取3个方面对最大最小蚂蚁系统(max-min ant system, MMAS)算法进行改进,结合变邻域搜索(variable neighborhood search, VNS)算法增强算法的局部搜索能力,设计了基于Pareto改进VNS-MMAS算法实现模型求解,并通过示例仿真验证了模型及算法的科学性与有效性。     

存在车辆租赁及共享且有时间窗的多配送中心开环VRP

针对企业自身运力有限以及旗下多个配送中心在各决策周期运力不均衡的情况,提出了一类具有多个配送中心、需要进行车辆租赁和车辆共享、有时间窗限制、开环的VRP, 建立了相应的混合整数规划模型.通过引入一个虚拟配送中心,将多配送中心VRP 转化为单配送中心VRP, 并设计了一种结合扫描算法和C-W节约算法、对车辆路径和车辆调度统筹优化的混合遗传算法.最后,以重庆天友乳业物流分公司的业务数据对该模型的可行性和有效性进行了验证, 结果表明本文所提方法与该企业现有的配送方案相比,在配送总里程、配送总成本和车辆在途时间等方面均有明显改进.此外,进行了模型参数的灵敏度分析和算法的收敛性分析, 结果表明该算法具有较好的性能.     

求解带时间窗取送货问题的遗传算法

首先介绍基于时差的插入法,进而设计求解带时间窗取送货问题的遗传算法.与传统求解该问题的遗传算法相比, 本算法有 以下特点:一是设计了基于时差插入法的交叉算子、R1变异算子与R2变异算子;二是采用非代际搜索策略. 应用56个标准测试算 例测试显示,其求解质量比已有文献报道的同类算法高.     

基于递阶遗传算法和BP网络的时间序列预测

提出一种基于递阶遗传算法和BP神经网络的时间序列预测模型。现有的BP训练方法只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以铁路客运市场数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,所提出的方法是可行的。     

海况影响下的分布式海战补给路径规划方法

传统的舰船伴随补给方式路径规划较为简单,且没有考虑风浪等海况因素的影响,已无法满足现在分布式杀伤海战概念及其反制措施的要求。为此,建立了多编队海上补给路径规划模型,综合考虑了复杂海况及补给时间窗对舰船补给的影响。为了求解规划模型,提出了基于时长步进的路径评估算法,首先利用海洋气象预报信息计算各时间步长的舰船阻力,随后估算不同候选路径的航行时间、等待时间及作业时间,从而比较得到最优路径。仿真实验证明了所提算法的优越性,能够为分布式海战补给提供决策支持。     

海况影响下的分布式海战补给路径规划方法

传统的舰船伴随补给方式路径规划较为简单,且没有考虑风浪等海况因素的影响,已无法满足现在分布式杀伤海战概念及其反制措施的要求。为此,建立了多编队海上补给路径规划模型,综合考虑了复杂海况及补给时间窗对舰船补给的影响。为了求解规划模型,提出了基于时长步进的路径评估算法,首先利用海洋气象预报信息计算各时间步长的舰船阻力,随后估算不同候选路径的航行时间、等待时间及作业时间,从而比较得到最优路径。仿真实验证明了所提算法的优越性,能够为分布式海战补给提供决策支持。     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。