基于改进微粒群算法的带有软水管的混凝土热学参数反分析

埋设冷却水管是常用的混凝土温控措施之一,塑料质水管由于铺设快捷、接头方便、价格便宜而得到广泛应用,但其在温控防裂分析计算中热分析参数很难确定.根据曹娥江大闸施工现场实测的温度值,利用改进微粒群算法对大闸混凝土温度场进行反演计算,并将计算值和实测值进行对比,分析计算结果的合理性,得到反映混凝土热学性能的参数.反演结果表明,微粒群算法作为一种优化算法,具有收敛速度快、效果好等特点.     

基于佳点集构造的改进量子粒子群优化算法

针对粒子群优化算法易出现早熟收敛及局部搜索能力不足的特点,提出一种改进的量子粒子群优化算法(IQPSO).该算法在量子粒子群优化算法(QPSO)的基础上,引入佳点集初始化量子的初始角位置,提高初始种群的遍历性;在粒子角速度位置更新中,采用混沌时间序列数,促使粒子跳出局部极值点;为避免粒子陷入早熟收敛,在算法中加入变异处理.仿真实验结果表明:与标准粒子群优化(SPSO)算法和量子粒子群优化(QPSO)算法比较,提出的算法具有快速的收敛能力、良好的稳定性,其优化性能有较明显的提高.     

改进人工鱼群算法在气溶胶粒径分布反演中的应用

基于光谱消光法,利用一种改进的人工鱼群算法(improved artificial fish school algorithm,IAFSA)反演单峰和双峰气溶胶粒子粒径分布。其中,正问题的求解采用反常衍射近似(anomalous diffraction approximation,ADA)和Lambert-Beer定律。研究结果表明:相对标准人工鱼群算法而言,IAFSA能很好地避免出现后期收敛速度慢、精度低等问题。在非独立模型下反演气溶胶粒径分布时,IAFSA算法体现出很好的收敛精确度和鲁棒性。在非独立模型下,IAFSA算法可用于反演实际测量得到的哈尔滨地区气溶胶粒径分布。     

基于动态光散射法测量量子点粒径的实验方法

动态光散射技术是进行纳米及亚微米颗粒粒径测量的一种有效方法.通过对量子点特性和动态光散射系统的分析,提出了一种基于动态光散射测量量子点粒径的实验方法,构建实验装置并进行测量与分析.通过CONTIN算法反演量子点粒径,并与电子显微镜和粒径公式得到的粒径数据进行比较,证明动态光散射法是测量量子点粒径的一种有效的方法,为量子点光学特性的快速分析提供了一种新的途径.     

基于BQPSO算法的癌症特征基因选择与分类

提出了基于二进制编码的量子行为粒子群优化算法(BQPSO)的癌症特征基因选择方法,利用BQPSO对样本数据进行特征选择。使用选出的特征基因训练支持向量机进行留一法交叉验证。实验结果表明,基于BQPSO算法的癌症特征基因选择方法是一种行之有效的方法。     

基于量子微粒群优化算法的半透明介质光学参数反演

针对半透明介质光学参数估计问题,建立了脉冲激光辐照下半透明介质光学参数反演模型,采用量子微粒群优化(QPSO)算法反演了折射率和吸收系数,分析了测量误差、热物性参数对反演结果的影响,并利用敏感性分析揭示了反演精度与测量误差的关系.计算结果表明：建立的反演模型和采用的QPSO算法可以精确估计折射率和吸收系数,即使人为添加10%的测量误差,反演结果依然具有较强的鲁棒性和准确度.本研究可为半透明介质物性参数获取提供技术参考.     

动态分群的微粒群优化算法

在分析基本微粒群优化算法的基础上,引进分群思想,提出了一种动态分群的微粒群优化算法(DPSO)。根据适应值的大小将微粒群分成两个或多个分群,然后,每个分群采用不同的策略分别搜索,得到输出最优值。将动态分群的微粒群优化算法用于一些常用测试函数的优化问题,实例计算表明:DPSO具有较强的全局寻优能力。将DPSO用于延迟焦化装置粗汽油干点软测量,所建模型的泛化性较好,模型具有较高的精度。     

基于有限元反算和粒子群优化算法杨氏模量重构

提出一种基于边缘提取技术和图像配准技术的杨氏模量定量计算方法.在已知取生物组织边缘位移及病变位置的基础上,假设力的分布、构造单元系统、运用有限元反演方法(IFEM)多次迭代,计算出组织的杨氏模量.在此基础上估计全局杨氏模量范围,采用改进粒子群优化算法(PSO),计算出生物组织整体的杨氏模量分布.并通过计算机模拟实验验证了算法的可行性,讨论了在边界位移存在误差的情况下,计算结果的准确性;改进PSO算法在较大范围内搜索,总能向理论值靠近,得到可行解.     

散射法粒度分布测试中无约束反演的误差分析

激光散射法测量粒度分布技术近年来发展很快，其测量误差涉及散射理论及其反演计算，有关的理论研究还不充分。通过数值模拟，利用Chahine算法研究包含反演计算在内的系统误差。计算结果表明，光散射测量粒径不能通过简单的增加离散级数来提高测量精度，必须通过反演算法的改进来提高。     

基于k-means的量子微粒群动态聚类

k-means算法原理简单、收敛速度快,但易陷入局部最优,且须将聚类的类簇数作为先验知识,为此,引入量子微粒群与k-means算法结合,提出了一种改进的动态聚类算法。改进算法具有量子微粒群的全局搜索能力,且对每个粒子采用k-means进行优化,从而加快算法的收敛速度。通过适应度函数值的调整,算法在聚类中能够搜寻到最优类簇数,这样类簇个数和中心就不受主观因素的影响。实验表明,算法有效。     

酸性CoFe_2O_4磁性液体中微粒的粒径及其分布的电子显微镜研究

选用等比与等差两种间距测量了酸性ＣｏＦｅ２Ｏ４磁性液体中的微粒粒径分布情况,计算了平均粒径和表征粒径分布的偏差,模拟了微粒粒径的分布曲线．对比和分析两种情况下粒径平均值和粒径分布的离散数学特征,表明在一定条件下选取不同测量间距对超细微粒粒径分布及其电子显微镜分析并无影响．最后引用较准确的分布函数进行了模拟．     

单纯形微粒群算法在确定路堤安全系数中的应用

在公路设计中,对于路堤的堤身稳定性、路堤和地基的整体稳定性评价,按规范要求一般采用简化Bishop算法来确定公路边坡最危险滑动弧面及其对应的最小安全系数.工程上常采用的枚举法要求给出搜索范围,计算速度慢.传统的优化算法如步长加速法等存在容易陷入局部极值等缺点.在微粒群算法(PSO)基础上,运用了一种用单纯形法和微粒群法结合的优化搜索算法(SM-PSO),并与PSO方法在优化效率和优化性能方面作了比较.该方法在收敛速度、适应性等方面较PSO方法也有明显改进,与传统枚举算法相比计算精度满足要求.     

混合量子算法在旅行商问题中的应用研究

针对旅行商问题(TSP)的特点提出了一种新的解码方式,结合了进化计算(EA)和微粒群算法(PSO)的思想,构造了独特的混合量子算法(HQA).为进一步提高算法的性能,构造了改进混合量子算法(IHQA).IHQA在更新个体时能够指导惯性权重进行动态变化,决定个体在下一代被吸引或扩散.经测试证明,两种混合算法均表现出强大的寻优能力,IHQA效率更高.     

酸性CoFeO4磁性液体中微粒的粒径及其分布的电子显微镜研究

选用等比与等差两种间距测量了酸性ＣｏＦｅ２Ｏ４磁性液体中的微粒粒径分布情况，计算了平均粒径和表征粒径分布的偏差，模拟了微粒粒径的分布曲线，对比和分析两种情况了粒径平均值和粒径分布的离散数学特征，表明在一定条件下选取不同测量间距对超强粒粒径分布及其电子显微镜分析并无影响，最后引用较准确的分布函数进行了模拟。     

惯性权重线性调整的局部收缩微粒群算法

针对微粒群优化算法存在陷入局部极小点和搜索效率低的问题, 给出一个新的速度更新策略局部收缩策略, 并提出一种改进的微粒群优化算法, 该算法保持微粒群优化算法结构简单的特点, 改善了微粒群优化算法的全局寻优能力, 提高了算法的收敛速度和计算精度. 仿真计算结果表明, 改进的算法性能优于混沌微粒群优化算法、 微粒群优化算法和带有收缩因子的微粒群算法.     

结合变异机制和量子PSO的关联规则挖掘算法

针对数据集中的关联规则挖掘问题,提出一种基于改进量子粒子群优化(improved quantum particle swarm optimization,IQPSO)算法的关联规则挖掘方法。首先,将数据实例以量子比特形式表示,构建一个基于量子进化算法(quantum evolutionary algorithm,QEA)的关联规则挖掘基础框架。然后,在该基础框架上,采用新的量子角度更新公式,即使用QPSO代替QEA实现关联规则挖掘。最后,为了进一步提高QPSO算法的收敛性能,融入变异机制和动态惯性权重对其进行改进,加快其收敛速度和跳出局部最优的能力。在UCI和课程成绩数据集上的实验结果表明,提出的算法能够快速且有效地挖掘出关联规则,相比其他几种算法,挖掘到的关联规则价值更高。     

基于并行PSO算法的岩石细观力学参数反演研究

用颗粒流方法(PFC)模拟岩石细观参数的校准过程主要采用反复试验,既依赖于经验又费时。提出了一种基于并行粒子群优化(PSO)算法的细观力学参数反演方法,该方法 PSO算法中微粒的适应值取宏观力学参数模拟计算值和试验值间的误差平方和,采用Open MP技术实现了PSO算法的并行计算。实例计算结果表明,以反演结果作为计算参数,宏观力学参数模拟计算值与试验值相比,相对误差普遍低于4%;敏感性分析表明,细观参数之间不独立,岩石宏观力学参数与细观力学参数之间存在高度非线性关系;计算效率分析表明,并行PSO算法是一种高效自动的PFC模型细观力学参数反演方法。     

基于几何速度稳定性的最优觅食微粒群算法

最优觅食微粒群算法是一种高效的改进微粒群算法,该算法通过引入动物的最优觅食策略,较为真实地模拟了动物的觅食行为。利用几何速度稳定性分析了最优觅食微粒群算法的稳定性,给出了稳定性条件。为验证其性能,选取了5个典型测试函数,仿真结果证明了该策略的有效性。     

基于MQPSO优化的属性约简方法

变异量子粒子群算法(MQPSO)通过在量子粒子群算法(QPSO)中引入变异机制,增加了全局搜索能力,避免陷入局部最优。在粗糙集理论和MQPSO算法基础上,提出了基于MQPSO优化的决策表属性约简方法,并在算法实现中提出了迭代记录策略,改进了算法中的耗时计算部分,降低了算法的时间复杂度。     

小生境微粒群优化算法

将小生境技术引入到微粒群优化算法之中,设计出一种小生境微粒群优化算法。该算法除了始终赋予微粒生命力,还将位置重叠的差适应值微粒在搜索空间重新启动。通过对4个常用测试函数进行优化计算,仿真结果表明小生境微粒群优化算法比基本微粒群优化算法具有更好的优化性能。