蚁群算法参数优化设置研究

根据基本蚁群算法的两个常用信息素更新公式,研究了算法中最初信息量、信息素挥发因子、信息素增量之间的关系以及变化规律,找到了其不等式关系,并进行了仿真证明.     

基于非参数统计的生物启发式优化算法性能评估

由于生物启发式优化算法性能评估方法存在单一性、片面性且无法进行统一地检验分析问题,从而严重影响了对优化算法性能的深入研究而导致各类优化算法无法准确地应用于解决实际问题。针对这一问题,利用非参数统计检验中典型的Wilcoxon符号秩检验和Quade检验方法,对5种生物启发式优化算法在36种测试函数条件下的仿真结果进行检验分析。测试结果表明:上述检验方法能够有效地对不同类型的优化算法性能进行分析比较,JADE算法相比于其他4种算法,在收敛速度及搜索精度方面表现最优,而GWO算法在精度稳定性方面相比于其他4种算法表现出较优的性能,对各类生物启发式优化算法优化性能的评估与比较提供了新的思路。     

DV-hop定位算法参数优化仿真研究

在低功耗、低成本、低运算的无线传感器网络中,节点的定位精度受到局限。DV-hop定位算法作为一种经典的无需测距的定位算法,在实际应用中较容易实现,但研究者多致力于提高其定位精度,而对影响定位精度的参数的优化研究较少。在深入分析DV-hop定位算法的基础上,对影响DV-hop定位算法精度的主要参数包括锚节点数、节点通信半径以及网络中的节点总数进行分析和仿真。仿真结果表明,针对不同的节点总数,在锚节点数为12时,存在最优节点通信半径使其定位误差最小。     

利用基因算法实现参数优化的研究

优化问题的实质是搜索空间中寻找一个点，在满足一定的条件下，使其给定的性质指标达以最大值（或最小值），基因算法（ＧＡ）是一种新型的基于遗传学理论，模拟生命进化机制来帝现搜索和优化的算法，该文以一定的目标函数进行了研究，结果表明，该处法能以很大的概率趋于全局最优解。     

混沌优化算法的参数分析

通过一些典型的复杂测试函数,对文［１］中提出的混沌算法的效率及其参数,用统计的方法进行了详细的分析。     

非参数回归的罚样条算法

研究了一种非参数回归的罚样条方法，提出了一种具体的算法，给出相应定理及其证明，并利用MATLAB进行了随机模拟，验证了方法的可行性和稳健性。     

一类非单调三参数共轭梯度算法研究

虽然求解无约束优化问题共轭梯度方法的算法程序便于计算机上实现,但难于建立算法的全局收敛性理论.为弥补其不足,研究了一类新的共轭梯度算法.该算法搜索方向的构造中引入了3个参数,且通过合适地选取这些参数保证了所得搜索方向不依赖于线搜索技术,是目标函数的恒充分下降方向.以此为基础,提出了一种求解无约束优化问题的非单调三参数共...     

网络技术时间参数优化算法

讨论了网络计划技术中时间参数的计算，提出了一种比惯用的关系表算法速度更快、占用的存贮空间更少的新的优化算法。     

基于育种算法的SVM参数优化

支持向量机(SVM)的学习性能主要取决于参数选择.论文基于育种算法提出了混合算法的支持向量机参数优化模型,即将种子或者粒子所对应的适应度取作交叉验证方法中的测试样本集数据的识别率,构成基于混合算法的支持向量机,并通过数值试验验证了该方法的可行性。     

Hadoop云计算平台的参数优化算法

为提高Hadoop云计算平台的性能,该文提出了一种跨层的参数优化模型.首先分析了云计算平台的工作流程,将系统参数与流程对应,并加入基础设施即服务与平台即服务层的参数,找出对Hadoop集群效率作用显著的参数,并把这些参数值作为性能参数,构建成性能参数模型,再用启发式蚁群算法搜寻性能较优的可行参数,并不断修正,找出最佳参数组合,最后整合跨层的参数来提高Hadoop云计算平台的性能.实验表明,该算法可行,性能优良.     

基于参数组合优化的救援机器人蚁群算法研究

救援机器人可以在灾害发生后,协助工作人员立即进行勘察援助,其进行全局路径规划的能力是影响机器救援性能的关键技术之一。蚁群算法对于全局路径规划问题具有随机搜索能力强的特点,但其参数的选择对于最终性能有直接的影响,针对此问题提出了运用单因素法对蚁群算法中的信息素启发因子α和距离启发因子β、信息素挥发系数ρ、信息素强度Q,蚂蚁数目和救援点数目分别进行独立分析研究,通过仿真实验统计算法性能中距离和迭代次数的相关数据,进而确定出最优化参数组合。结果表明,确定最优参数组合后路径规划正确和高效,为该算法参数的相关研究提供有利支撑。     

基于粒子群算法的隔振体系参数优化研究

首先利用粒子群优化算法,以传递率为适应值函数,分别对单自由度、双自由度隔振体系进行了隔振参数的单目标和多目标优化研究.随之,考虑了状态反馈控制方法,目标函数选为传递函数矩阵的无穷范数;数值试验表明,在无控最优隔振参数的基础上,施加反馈控制,并不能进一步优化隔振体系;而重新在线计算隔振参数及反馈控制器,可以进一步优化原无控最优隔振体系.最后,进行了兼顾控制力传递率的多目标研究,旨在优化隔振体系传递率的同时,尽可能降低控制能源消耗.本文的系统研究,解决了隔振体系参数的最优设计问题;并在隔振基础上施加控制体系,讨论了最优参数设置的重要性;此外,兼顾控制能源消耗的参数优化,对于传统的隔振和控制体系设计具有一定的创新意义.     

线性分式规划的一个非参数算法

本文给出了一般线性分式规划的一种不利用参数的求解方法——直接单纯形法,以及与这个算法相联系的最优性准则.这个算法在结构上与线性规划的单纯形法十分相似。     

基于 DYCORS 算法的 OVA-SVM 参数优化与应用研究

目的 现有的参数优化方法普遍存在时间成本较大、内存占用较大、难以解决高维数据情况、难以找到全局最优解等问题,DYCORS算法可以在节约时间成本和内存的前提下,对高维数据问题也能找到全局最优解,故针对现有参数优化方法存在的问题,提出了针对OVA-SVM模型参数分块优化的YDYCORS算法。方法 OVA-SVM的参数中对模型影响较大的有惩罚参数C、核函数类型k、RBF核函数参数γ、ploy核函数参数d以及迭代终止参数t,由于同时调节5个参数计算量较大,难以找到最优解,而DYCORS算法可以减少迭代次数,对于高维数据问题也同样适用,在DYCORS算法的基础上进行参数分块调节：先调节影响最大的参数C、k、γ,再固定最优参数C、k、γ,调节剩余参数中影响较大的参数d和t,最后同时调节已获得的5个最优参数,如此对参数进行分块调节,提升参数优化的效果。结果 通过MNIST和IRIS两个数据集上的实验结果对比可以发现：运用YDYCORS算法对OVA-SVM参数进行分块调节后,能得到与手动调参和直接用DYCORS同时调节5个参数更高的模型准确率,从而也能进一步提升模型性能。结论 最终实验结果表明：DYC...     

改进的非参数Census变换立体匹配算法

针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上, 无法彻底消除匹配差异性, 易出现歧异性的问题, 提出一种改进的非参数Census变换匹配算法. 该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度, 引入图像纹理度量的方向性, 使中心像素灰度值不再是唯一决定因素, 改进了匹配模版, 从而有效解决了传统匹配算法的歧异性问题. 实验结果表明, 改进算法是一种有效、 合理的立体匹配方法, 提高了稠密匹配精度.     

非参数模型谱估计算法性能比较

介绍了各种非参数模型功率谱估计算法,对各种算法的谱估计质量从理论上进行了分析比较,并通过Matlab仿真验证了理论分析的正确性．对于使用较广泛的Welch法进行了深入的研究,给出了窗函数选择的一般要求,通过仿真分析了不同的窗函数对Welch法谱估计质量的影响,比较了它们的优缺点．     

改进粒子群优化算法对反应动力学参数的估计

针对粒子群算法容易早熟,全局寻优效率偏低等缺点,在原有算法的基础上对粒子群优化算法的速度权重和更新机制进行分析,提出更有效的可直接反映粒子空间分布的分布矢量以调整粒子搜索进程,并通过粒子对最优粒子的跨越机制增强粒子的全局寻优能力.空间自适应粒子群优化算法(LAPSO)有机融合上述2种改进机制.通过对环辛二烯在球形粉状催化剂Pd/Al2O3上进行催化加氢反应的动力学分析,构建包含内、外效率因子的反应动力学模型.并根据所测实验数据,采用几种具有代表性的粒子群优化算法和LAPSO优化算法对相关动力学参数分别进行估计.参数估计的统计分析结果表明,LAPSO具有较强的全局寻优能力和较稳定的收敛特性,能够较好地用于解决化工中常见的非线性动力学参数估计问题.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.     

反应动力学参数的优化模型及算法

干酪根降解过程中的反应动力学参数（即频率因子和活化能）是油气生成数值模 拟中必不可少的关键参数，确定这些参数的问题是个常微分方程组初值问题的反问 题。本文将该问题转化为隐式约束（即动态约束）非线性规划，并讨论规划的分解及 目标函数的性质，从而给出了可在微机上实现的优化算法和实际应用。