多项目交互组合选择模型的改进粒子群优化研究

为解决多项目之间发生交互作用时的项目选择和组合优化问题,在已有优化模型的基础上,提出改进的粒子群算法,利用种群间跳跃改进的方法增强了粒子的搜索性能,并通过聚类和干涉的方法,防止算法陷入局部最优,有效求解多目标优化模型,最后利用算例分析证明模型和算法的有效性。     

基于模块性指标优化的层次聚类算法

层次形成的正确性决定了层次聚类的质量,通常围绕对象类内类间关系评价实现。本文基于聚类目标,综合考虑类内类问关系,借鉴网络分析中模块性评价准则,设计用于层次聚类的模块性指标,并采用自底向上合并的途径实现指标优化从而完成聚类,提出一种基于模块性指标优化的层次聚类算法。仿真试验表明,和谱聚类算法相比,本文介绍的算法实现简单,能以较少的计算代价,准确地获得样本特征,实现聚类。     

应用于无人驾驶车辆的点云聚类算法研究进展

点云聚类是激光雷达实现无人驾驶汽车环境感知中的关键步骤,其将激光雷达构建的点云地图中离散的点聚类成各个整体,是实现检测的重要前提,也为后续的辨识提供了必要基础.本文将应用于无人驾驶车辆点云聚类中的聚类算法分为六类,分别是现有的基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、基于网格的聚类算法、基于距离的聚类...     

谱聚类的扰动分析

以矩阵的扰动理论为工具对谱聚类（spectral clustering）进行了分析，通过引入图的权矩阵并对权矩阵的谱和特征向量进行分析，得到了权矩阵的谱与聚类的类数、权矩阵特征值的大小与每一类所含点的个数、以及权矩阵的特征向量与聚类之间的关系．据此，设计了一个基于权矩阵的无监督谱聚类算法（unsupervised spectral clustering algorithm based on weightmatrix，简记为USCAWM），并在模拟点集和实际的数据集上进行了实验，实验结果肯定了理论分析的正确性．     

基于粒子群寻优机制的图像分割方法

利用粒子群优化（eso）算法全局寻优、快速收敛的特点,结合模糊C-均值（FCM）图像分割算法提出一种新算法,用PSO算法代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷;同时也降低了FCM算法对初始值的敏感度。实验结果表明,与FCM相比该算法聚类更准确,效率更高,具有较高的分割速度和良好的抑制噪声的能力。     

无人机群协同跟踪地面多目标导引方法研究

多机协同目标跟踪是无人机系统的典型任务之一.由于军事任务的集群性,在实际中常需要跟踪多个不同的目标.如何使用尽量少的无人机对多个目标实施有效跟踪,以提高系统鲁棒性和定位精度,是一个重要的研究课题.本文针对复杂环境下无人机群协同跟踪地面多目标过程中的关键问题进行研究,设计了复杂环境下无人机群协同跟踪多目标系统架构,提出了考虑遮蔽区域机群跟踪多目标动态分组算法、自适应多模型无迹卡尔曼粒子滤波融合算法和障碍条件下机群协同目标跟踪运动快速导引方法.通过仿真试验和飞行试验,验证了本文方法的有效性.最后,对该领域的下一步研究方向进行了展望.     

基于改进K均值的脸形聚类算法

针对海量人脸图像数据库检索时顺序匹配速度慢等问题,提出把聚类技术应用于数据库预分类,利用脸形特征对人脸图像自动聚类.首先用改进主动形状模型提取脸形特征,再用改进K-均值算法对人脸图像进行聚类.使用Hausdorff距离计算两个特征点集的相似度.实验表明,该算法的聚类结果比较稳定、精确且符合人类视觉认知特性.     

极大熵聚类算法的收敛性定理证明

有关极大熵聚类算法收敛性的研究是理论研究的一个热点问题,有的学者认为迭代序列的极限点有可能不是目标函数的严格局部极值点.针对这个问题,文中用科学计算软件对相关文献中给出的例子进行了实验,说明该例子并不能否定极大熵聚类算法收敛性定理.最后,从理论上给出了极大熵聚类算法收敛性定理的一个证明.     

一种对程序故障行为和失效行为的聚类有效性验证方法

分析软件自身故障在软件运行过程中的行为规律是分析＂故障—错误—失效＂链式效应的基础.但在研究软件故障行为特征时面临的关键问题是故障行为集合的庞大与复杂.因此,如何约简故障行为集合是研究故障行为规律的基本前提.＂当两个程序具有相似的基本属性时,其故障行为和失效行为也具有相似性＂这一推断为约简故障集提供了良好的依据,但尚未得到验证.本文核心工作即验证该推断的正确性.为此,首先提出一种针对程序基准行为、故障行为和失效行为的表征方法;其次提出一种考虑最佳聚类数的程序行为聚类方法;最后设计一组基于故障注入的程序行为聚类实验,用以验证前述推断的正确性.其中,实验分别以计算密集型程序（SPEC CPU2000和SPEC CPU2006基准程序）和I/O密集型程序（IOZONE、DEBENCH等）作为目标程序集.实验结果表明,（1）程序行为的表征方法和聚类方法具有合理性和有效性;（2）以程序基准行为聚类结果为依据的故障行为和失效行为的聚类质量良好,以此验证了推断的正确性.     

基于改进万有引力搜索算法的无人机航路规划

无人机航路规划是根据任务目标规划出某种性能指标最优的飞行航路的全局优化问题.本文将改进后的万有引力搜索算法用于求解航路规划问题,在万有引力搜索算法的速度更新部分引入粒子群算法中的记忆和群体信息交流功能,改善了最优解的质量;然后提出了基于权值的粒子惯性质量更新公式,以加快全局搜索的收敛速度;后运用优胜劣汰的选择操作规则,对粒子的位置进行更新,使种群始终朝着最优解的方向进化.通过与其他仿生智能计算方法的仿真实验对比,验证了本文所提算法可在复杂作战环境下实时有效规划出无人机的最优航路.     

利用内点法优化三相不平衡分布式电网的理论算法研究

目前分布式电网的潮流优化算法主要面对三相功率平衡系统,对于三相不平衡系统进行分析的算法介绍较少.文中利用内点法,结合美国电科院的开放式配电仿真系统分析(OpenDSS)平台,提出了三相不平衡分布式电网潮流优化算法的研究.该算法以网损和变压器三相潮流不平衡度最小为目标,以系统潮流、发电机和线路极限容量为约束,以变压器分接头和电容器投切为控制变量,建立了优化函数,利用内点法作为优化算法,以 OpenDSS为计算平台.文中最后以 IEEE123测试节点和 IEEE9500测试节点为例,验证了文中算法的有效性和实用性     

热油管道非稳态优化运行研究

本文建立了热油管道非稳态模型,并以管道能耗费用为目标函数,输油泵出站扬程及加热炉出站温度为优化变量,建立优化模型。根据SCADA系统采集的管道运行实时数据,非稳态模型计算结果与实测值相比相对误差为4.042%,与稳态模型计算结果相比准确度显著提高,采用混合粒子群-退火算法对非稳态仿真结果进行优化处理,优化后运行方案经实际运行可节约17.59%的能耗费用,节能显著。     

基于RBF神经网络的烧结终点预测模型

本文提出一种基于径向基函数(RBF)神经网络的烧结终点预测模型.该模型首先采用改进的最近邻聚类算法确定径向基函数中心,接着应用递推最小二乘法训练网络的权值.通过现场采集数据对该模型进行仿真,其实验结果表明,该模型具有较好的学习能力和泛化能力,为烧结终点的预测提供了一种新的解决方法.     

单一风电场的短期负荷调度优化策略

随着并网风电场数量迅速增加,单一风电场的调度水平需要提高.如何优化一个周期内风电场机组运行的数量与启停方案,迫切需要研究.针对风电场机组数量众多,调度方案解维数过高的问题,分析风电场机组负荷特性,提取机组负荷特征矩阵,运用FCM模糊聚类算法对风电场机组群进行分类;定义风电场机组运行相对损耗指标和启停相对损耗指标,在风功率预测的基础上,根据总调度指令,应用非线性规划理论建立风电场机组组合优化模型,运用模糊聚类算法和遗传算法相结合对模型进行求解.所建立模型和相应求解方法克服了风电场机组调度解维度过高带来的困难,获得了连续时期的风电场全部机组优化调度.最后,通过算例分析计算了某45MW风电场的多目标机组优化调度,验证了所提出算法的可行性和有效性.     

小展弦比薄机翼精细化气动优化设计研究

战斗机类小展弦比薄机翼的气动设计,主要考虑机翼的平面形状以及弯扭和厚度修形设计,忽略了机翼翼型的精细化设计,因此气动分析手段一般采用Euler方程结合黏性阻力修正的方法.以某典型战斗机机翼为例,分别使用Euler和RANS方程对机翼的流场与气动特性进行了数值模拟,发现Euler方程无法精确捕捉附面层内的流场结构,证明传统使用的Euler方程已不能满足战斗机机翼精细化设计的需要.对该机翼的翼型进行了气动优化设计,发现翼型的设计对该小展弦比薄机翼会失效,证明这类机翼必须在三维环境下进行多剖面翼型设计.综合FFD参数化方法、稳健的动网格技术、Kriging代理模型和粒子群算法,构建了三维气动优化设计方法.利用该方法对该机翼三个剖面翼型进行了跨音速巡航状态单目标以及跨音速/超音速巡航状态多目标精细化化设计,优化设计后机翼的气动性能得到很大的提高.     

一种基于自体集层次聚类的否定选择算法

否定选择算法是用于产生人工免疫检测器的重要算法,然而传统的否定选择过程需要将随机生成的候选检测器与全部自体数据进行匹配以排除识别了自体的无效检测器,该匹配过程导致检测器的生成效率过低,极大地限制了免疫算法的应用.为此,文中提出了一种基于自体集层次聚类的否定选择算法CB-RNSA.算法首先对自体数据进行层次聚类预处理,然后用聚类中心取代自体数据点与候选检测器进行匹配,以减少距离计算代价.在生成检测器的过程中,候选检测器被限定在非自体空间的低覆盖率区域内,以降低检测器冗余.对检测器的非自体空间覆盖率进行了概率分析,给出了中止生成检测器的条件,该条件较传统的预设检测器数量的中止条件更为合理.理论分析表明CB-RNSA的时间复杂度与自体集规模无关,从而解决了经典的否定选择算法的时间复杂度随自体数量呈指数增长这一难题,极大地提高了大自体样本空间下的检测器生成效率.对比实验结果表明:在相同的实验数据集与期望覆盖率下,CB-RNSA的检测率比经典的RNSA与V-detector算法分别提高了12.3%与7.4%,误警率分别降低了8.5%与4.9%,产生检测器的时间代价分别降低了67.6%和75.7%.     

考虑机动载荷不确定性的机翼气动弹性优化设计

提出了一种考虑飞行器机动载荷不确定性的气动弹性优化设计方法,并应用于一个小展弦比机翼的结构设计中.针对使用理论线性气动力和风洞试验气动力时存在的不确定性,发展了一种载荷修正模型,用于预测理论线性气动力和风洞试验气动力摄动时的严重载荷.定义了3类严重载荷目标函数,并在4种典型机动状态下,针对机翼三个剖面进行载荷评估,基于序列2次规划法,确定严重载荷状态;在此基础上,以质量最小为目标,以结构应力、变形和颤振速度为约束,采用遗传-敏度混合算法开展气动弹性结构优化设计.所得到的最优结构虽然比单独采用理论线性气动力或试验气动力得到的最优结构要重,但由于在设计之初考虑了气动力的不确定性,因而在实际飞行中遭遇严重载荷时将更具鲁棒性,可降低结构重新设计的风险.     

一种基于同步动力学模型的层次聚类方法

本文基于建模同步动力学行为的Kuramoto模型提出了一种新的有效层次聚类方法.本文提出的方法基于局部邻域的概念,能够实现稳定的局部同步聚类.通过不断扩大对象同步的邻域半径,所提出的方法能够实现层次化的同步聚类.此外,提出对象邻域闭包的概念,在对象间到达完全同步之前就能预测出聚类的形成,从而减少对象动态交互的时间.本文的方法不依赖于任何数据分布假设,无需任何手工参数设置,可以检测出任意数量、形状和大小的聚类.由于同步过程能够有效地规避离群点,该方法有较强的噪声数据抑制能力.在大量真实数据集和人工合成数据集上的实验结果表明本文的方法聚类准确率高,且运行时间较同类基准算法显著缩短.     

关联规则算法优化研究与实现

本文主要针对Apriori算法采用最小支持度和最小信任度阈值来发现知识,而没有考虑交易中数量问题的不足,提出一种快速的基于频繁模式树FP-tree的最大频繁项目集挖掘算法.该算法不需要产生频繁项集,而且只需要扫描事务数据库D一次,从而提高了算法的执行效率.该方法结合大量的实际项目数据进行关联规则挖掘测试发现,不仅能较好地分析非稠密数据,也能处理现实世界中稠密数据. 结果 表明该优化算法可显著降低关联规则挖掘在数据挖掘工作中的时间开销.     

基于PSO-SVM的复建高速公路路基质量评价研究

根据高速公路路基评价标准以及路基的功能和结构特点,提出了一种粒子群算法优化的支持向量机(PSOSVM)路基质量评价模型。以某复建高速公路项目路基检测数据为例,利用MATLAB软件中的LIBSVM工具箱进行评价等级判定,研究结果表明:运用PSO-SVM模型反复试验选取参数,避免了传统评价模型的主观随意性,使评价结果更加科学准确,更好地反映复建工程中路基的质量安全状况,有利于采取有针对性的修复措施。