一种减少LBG算法计算冗余量的有效改进算法

利用范数等价性和LBG算法迭代过程中数据是分区域收敛性质,提出新的码书训练算法FLC.该方法用计算量小的范数进行距离计算和尽早删除聚类过程中已趋稳定的区域,因而速度非常快.用典型的测试图像Lena和Barb作实验,表明FLC算法以峰值信噪比只比LBG算法少0.25dB～0.43dB为代价,把运行时间缩短为LBG的1/3.74～1/9.59.     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

系统冗余优化设计的启发式算法

可靠性设计是系统设计的重要环节,系统冗余设计是可靠性设计的重要方法,也是提高系统可靠性的有效手段。在Sharma算法思路的基础上,考虑了新的试探方式,试图给“最有可靠度效益的级”增加冗余,并采用级替换因子判断给系统中的哪一级增加冗余对系统最有效益。在替换因子的考虑上,提出两种算法,并举例说明算法如何在部件可靠度确定的情况下,考虑系统设计代价(费用,重量,体积等),优化配置部件的冗余数。     

基于改进搜索策略的混合蜂群算法

针对人工蜂群算法搜索效率低、易陷入局部最优和精度低等缺点,提出混合蜂群（hybrid bee colony, HBC)算法。将人工蜂群（artificial bee colony, ABC）算法局部收敛性与模拟退火（simulated annealing, SA）算法全局收敛性结合,为ABC算法提供了一种新机制。根据SA算法中Metropolis接受准则, 通过调整温度依概率确定全局最优解的替代值,并利用全局最优解的替代值和个体极值来改进ABC算法的引领蜂搜索模式。其次,改进侦察蜂搜索方式,根据迭代次数非线性减小侦察蜂搜索范围和以一定概率反向搜索更新方式,能够有效地提高算法的全局搜索能力,并加快算法的后期收敛速度。通过对8个复杂函数仿真测试,结果表明,HBC算法在搜索性能和精度方面均有明显提高。     

基于粒子群算法混合优化的广义预测控制器研究

提出一种基于粒子群算法混合优化的广义预测控制器(generalized predictive control based on particleswarm optimization,简称PSOGPC),将粒子群优化算法(particle swarm optimization,简称PSO)引入到广义预测控制的滚动寻优过程中,有效解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题。并对普通粒子群优化算法进行了改进,提高了优化过程的求解精度和收敛速度。多种约束情况和对电厂锅炉的主汽温控制系统的仿真结果表明了该方法的有效性和优良的控制性能。     

模拟退火算法的一种改进及其在蛋白质结构预测中的应用

根据蛋白质的氨基酸序列预测其空间结构可以归结为一个多维多极值的全局优化问题 ,缺少一种有效的全局优化方法是阻碍这一难题解决的一个关键 .文章以联合残基优化模型为基础 ,将蛋白质结构预测作为一个连续变量的全局优化问题来处理 .针对蛋白质结构预测模型的特点 ,对模拟退火算法进行了改进 ,并将其应用于脑啡肽和牛胰岛素 B(D)链的实例计算 ,得到了较为合理的结果.     

一种求解函数优化的混合差分演化算法

为了解决传统遗传算法易陷入局部最优解的问题,在多父体杂交算法和差分进化算法的基础上,提出了混合差分演化算法.该算法的核心在于,采用多父体杂交算子保证算法的遍历性,通过淘汰相同个体来保持群体的多样性,并以较小概率随机选取部分个体进行差分进化操作,从而充分利用最优个体的信息达到了加快收敛速度的目的.对复杂函数的寻优实验验证了混合差分演化算法的有效性.     

整车物流网络规划问题的混合粒子群算法研究

综合考虑整车物流系统中的运输规模经济效应、库存控制策略、设施、服务质量等决策因素,建立了整车物流网络规划集成优化模型.给出了一种流预测算法和粒子群算法相结合的求解方法,用粒子群算法搜索物流网络可行结构,用流预测算法确定其最优运输路径,二者相互协调实现最优解的搜索.在粒子群搜索过程还加入了交叉变异操作来增加种群的多样性,以避免早熟收敛.实例仿真表明混合粒子群算法的运行效率有显著提高,且有更高概率搜索到全局最优.     

求解复杂系统可靠性冗余问题的量子萤火虫算法

针对复杂系统中冗余优化设计难度大、可靠度和系统成本难以达到既定要求的问题,提出了一种量子萤火虫算法。该算法将量子理论与萤火虫算法有效融合,通过采用量子位实数编码和量子旋转门的方式,扩展了萤火虫的寻优空间,使算法的全局搜索能力和搜索效率得到提高,利用量子旋转门使量子态|0〉和量子态|1〉进行有效转换,避免了萤火虫在领域半径内大面积聚集的现象,防止了算法过早陷入局部最优值。通过基准函数和典型算例对该算法进行仿真测试和对比分析,实验结果验证了该算法的有效性和可行性。     

一种高分辨率谱估计与数据外推的快速算法

利用信号频谱幅度分布的先验信息,对短时数据序列信号提出了一种实现高分辨率谱估计和数据序列外推的快速算法。该算法利用了算子矩阵的特殊结构,采用简单、快速的矩阵求逆算法,使算法的运算量和数据存储容量大幅度下降。给出了算法在高分辨率谱估计及数据序列外推中的应用实例和仿真结果,证实了该算法的优良性能。     

基于NCAGA-投影寻踪混合优化城市客运量预测

为了提高参数投影寻踪回归(parameter projection pursuit regression,PPPR)模型对城市客运量的预测精度, 基于cat映射、高斯分布和精英局部搜索对加速遗传算法进行改进. 提出了新的混沌加速遗传算法(new chaosaccelerating genetic algorithm, NCAGA),用于对PPPR模型的最佳投影方向α的优选.建立了在外层优化岭函数个数M的同时,内层利用NCAGA优化最佳投影方向a的NCAGA-PPPR混合优化城市客运量预测模型,结合某市统 计资料进行了仿真预测.结果表明该方法的预测精度优于BP神经网络模型、传统PPR模型和基于加速遗传优选的PPPR模型, 平均绝对相对误差小于3.1%,提高了城市客运量的预测精度,可有效应用于城市客运量的预测.     

基于状态相关模态切换混合估计的航迹预测

针对航空器飞行轨迹预测的随机线性混杂系统估计问题,提出一种状态相关模态切换的混合估计算法(SDTHE). 该算法不仅解决了标准交互式多模型(IMM)算法似然函数为零均值高斯函数假设的缺陷,而且基于实时状态更新模态转移矩阵,使得飞行模态估计更为准确,从而提高飞行轨迹预测的精度. 与标准交互式多模型算法相比,仿真结果表明了所提出算法的有效性和优越性.     

基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。     

基于注意力机制的混合CNN-BiLSTM低轨卫星信道预测算法

针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题, 提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network, AT-CNN-BiLSTM)融合的信道预测方法。该方法由信号预处理、网络训练和信号预测3部分组成。首先在高斯白噪声条件下模拟室外卫星信号, 得到卫星信号的训练集和测试集; 然后将训练集输入构建的训练网络进行特征提取; 最后将测试数据输入网络进行预测分析。仿真结果表明, 在与其他4种人工智能方法的对比中, 所提出的混合神经网络能够在较快的收敛速度下达到较高的准确率(91.8%), 有效地缓解了低轨道卫星信道参数“过时”的现状, 对提升卫星通信质量和节省卫星信道资源有良好的改善作用。     

混合递阶遗传算法优化小波神经网络的研究

在研究小波神经网络结构及其学习算法的基础上,提出了一种以混合递阶遗传算法优化小波神经网络的新方法,混合递阶遗传算法是递阶遗传算法和多元线性回归的结合。此方法可同时优化小波神经网络的结构及其参数,具有学习速度快,精度高的特点。并与传统的BP算法进行了对比,证明了本算法的有效性。     

改进的基于四阶累积量的MUSIC算法

超宽带测向系统中,天线体积受限严重影响到系统的测向精度和解模糊能力,且天线阵列的孔径限制着阵列最多能分辨的目标信号个数,而一些优秀的算法如空间平滑算法和旋转不变子空间(estimation of signal parameters via rotational invariance technique, ESPRIT)算法损失了天线阵列孔径。针对这些问题,在传统的四阶累积量多重信号分类(multiple signal classification, MUSIC)算法基础上提出了一种改进的算法。该算法根据四阶累积量矩阵构成的规律,去除了原四阶累积量矩阵的数据冗余,有效地减小了运算时间,为其实际应用提供了必要条件。计算机仿真和实测数据仿真的结果表明,本改进算法可以快速地实现虚拟阵列扩展,同时对有色高斯噪声也有一定的抑制作用。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

一种基于混合反射模型的Shape-From-Shading直接算法

提出了一种基于混合反射模型的Shape-From-Shading直接算法.使用接近实际的混合反射模型描述的反射图方程作为求解对象,用有限差分近似微分运算,将反射图方程离散化,得到所求高度函数满足的代数方程,进而用迭代算法计算出表面高度.最后,用以合成图像和实际图像的三维形状恢复实验说明提出算法的有效性.     

基于共轭梯度的宽带相关处理快速算法

宽带主动信号处理是以宽带相关计算为基础的,通常采用目标尺度-时延二维搜索的计算结构。要达到较高的参数估计精度,处理结构就必须采用高密度搜索,但这同时会带来系统难以承受的大运算量。提出了基于共轭梯度的宽带相关处理快速算法,通过以较大的时延-尺度扫描间隔对目标参数进行粗略估计,得到参数估计的初值,并采用共轭梯度法构造一组共轭方向,由初值出发作迭代运算实现对峰值的搜索。仿真计算表明：基于共轭梯度的宽带相关处理快速算法能以较小的运算量得到对参数的精确估计,并具有较高的参数估计精度。参数估计误差的方差接近宽带相关处理的克拉美-罗下限（Crame-Rao low bound, CRLB）。     

求解混合流水车间调度的改进贪婪遗传算法

针对最小化最大完工时间的带有不相关并行机的混合流水车间调度问题,提出了改进贪婪遗传算法。首先,该算法染色体编码采用基于工件加工顺序的编码,解码提出了两种设备分配方案,并考虑到不同阶段加工设备配置不同对算法的影响,采用了正序解码和逆序解码加再调度并用的解码策略。其次,提出贪婪交叉算子和贪婪变异算子,这些算子不仅承担改进种群,增加种群多样性的功能,同时还具有较强的局部搜索能力。最后通过正交实验确定算法的参数设置,与已有算法对已知案例的求解结果进行了比较,说明了该算法的有效性。同时实验表明了正序和逆序解码策略的必要性以及正序或逆序解码的时机。