食物链算法及其在供应链管理中的应用

采用基于人工生命的方法,即自下而上建构的原则与突现集群的人工生命思想,根据生态系统中的食物链这一生态现象,通过定义各级人工生命的活动局部规则来实现供应链系统的优化;研究具有生态特征的人工生命算法,提出一种基于人工生命的食物链算法,并把它应用于供应链管理中企业联盟的企业伙伴挑选与生产能力分配问题·该算法模拟了在未来市场需求的刺激下,供应链的成员企业是如何调整自己的生产能力,以及供应链如何挑选成员企业组成企业联盟的·该算法较好地解决了既有企业联盟伙伴挑选又有生产能力分配这一具有分布特征的问题·该算法也可应用于供应链管理的其他问题,比如分销·     

食物链算法及其在分销网络优化中的应用

根据人工生命突现集群及其对环境进行动态作用的特点,即人工生命个体间微观的相互作用将在整个人工生命系统中产生突现集群的现象,同时食物链也是生命系统中重要而又有广泛存在的现象,通过定义各级人工生命的局部活动规则,提出一种具有食物链形式的人工生命算法,并称之为食物链算法.把食物链算法应用于选址-分配问题的求解,优化设计分销网络结构并最小化供应链成本.该算法取得了较好的解,可以作为企业分销渠道设计的参考,也可应用于物流、电子商务中的优化问题.     

食物链动力学分析

用化学动力学观点对生态平衡系统中的食物链、营养级进行动力学方程求解分析。揭示自然界中物物相关、相生相克、能流物复、负载定量、协调稳定、时空有宜的普遍规律。目的在于进一步唤起人们对自然界的关心 ,在维持良好的生态平衡前提下 ,遵照生态规律去开发利用自然资源     

蚁群算法的分析及其改进研究

蚁群优化算法（Ant Colony Optimization ACO）是一种新颖的仿生进化类算法,适用于求解各种复杂组合优化问题。当前该研究方法尚处于研究的初级阶段,本文针对传统的蚁群算法容易出现早熟和停滞现象,提出了一种新的自适应蚂蚁算法,对传统的蚁群算法中的信息素参数进行动态的自适应调整,并选取几个典型TSP问题进行实验,结果表明改进蚁群算法具有更好的搜索全局最优解的能力以及更好的稳定性和收敛性。     

BP网络学习参数模糊自适应算法的实现

前馈神经网络ＢＰ算法的改进方案中，对网络训练（学习）过程率和惯性系数进行模糊自适应调节，以提高收敛速度，晃一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和录属函数，并以三比特异或函数（或称奇偶分类）的实现为例，验证了这种算法的改进、加速了ＢＰ网络的学习过程。     

一种变步长LMS算法及其Matlab仿真

对变步长自适应滤波算法进行了讨论，对VS—LMS算法进行了改进，建立了步长因子μ与误差信号e（n）之间另一种新的非线性函数关系．理论分析和计算机仿真结果表明，该关系不仅具有原有算法收敛速度快的优点，而且在低信噪比环境下比原有算法具有更好的抗噪声性能．     

具有Michaelis-Menten食物链的随机恒化器模型的渐近行为

【目的】为了研究随机恒化器模型的渐近行为,本文考虑恒化器中一类稀释率受到白噪声干扰,具有Michaelis-Menten食物链的随机模型。首先证明模型正解的全局存在唯一性;【方法】然后通过构造Lyapunov函数,利用伊藤公式,得到模型的绝灭平衡点随机全局渐近稳定的充分条件;【结果】最后研究模型解的长期渐近行为,主要揭示在不同随机噪声条件下模型的解围绕其相应确定性模型的无捕食者平衡点和正平衡点的振荡行为。【结论】结果改进和推广现有文献的相关工作。     

一种改进的可变步长LMS算法及其性能分析

本文在1对传统的LMS算法进行分析,并针对该算法中步长选取影响收敛速度与稳态误差的这一对矛盾,通过建立步长因子与输入信号和误差之间的关系提出了一种改进的归一化变步长LMS算法,仿真结果验证了该算法的优越性。     

Chemostat 中单营养食物链模型的全局稳定性分析

目的研究一类单营养食物链模型的全局稳定性。方法通过解常微分方程讨论模型平衡点的存在性,应用Hurwitz判别法和特征方程法对模型平衡点的稳定性进行分析。结果得到了该模型的3个平衡点的稳定性的充分条件,并且得到了围绕平衡点E_2(x_1~*,x_2~*)至少存在一个极限环的条件。结论单营养食物链的Chemostat系统不仅可以达到生态平衡,而且还存在达到生态平衡的相对弱化的条件。     

并行流水线LMS算法及其性能分析

通过将并行处理方法引入流水线LMS(PIPLMS)算法的设计,提出一种新的并行PIPLMS算法.与常规PIPLMS算法相比,提出的算法具有更小的流水时延,更高的数据吞吐率,更快的收敛速度和更大的保证算法收敛的步长因子μ选择范围,同时对具有相关性的输入具有一定的去相关作用,特别适用于滤波器阶数高,要求系统收敛速度快的应用场合.也便于系统硬件设计.     

基于遗传算法的人工生命演示系统设计

讨论了人工生命仿真模型的建立方法 ,给出了一个基于遗传算法的人工生命模型及其演示系统的实现 .计算和考察了虚拟环境中生物在进化过程中的演变规律和涌现特征 ,模拟和解释了一些简单的生态行为和进化规律 ,如竞争、协作进化、群居、物种灭绝等现象 .这种通过进化的方法进行系统复杂性模拟的思想 ,对于研究认知进化和群体智能具有一定的参照意义     

改进人工蜂群算法的四旋翼自抗扰控制参数优化

针对四旋翼自抗扰控制(active disturbance rejection controller, ADRC)参数整定困难,给工程应用带来较大限制的问题,提出一种改进人工蜂群算法的四旋翼ADRC控制器参数优化方法。该算法采用自适应的探索策略,根据选择概率,从5种不同的搜索规则中进行选择,提高种群的多样性和寻优能力。将ADRC控制器中的参数作为蜂群中的种群应用到四旋翼无人机仿真模型中进行迭代寻优,并把风干扰模型作为环境噪声引入系统,测试算法性能。仿真结果表明,改进后的人工蜂群算法得到的控制器参数响应速度更快,稳态误差更小,抗干扰能力更强。     

人工蜂群算法及其应用

为促进人工蜂群算法理论和应用的发展, 在分析人工蜂群算法的基本原理基础上, 针对算法的不足, 全面地归纳了国内外学者对算法的改进研究, 对算法的蜜源初始化、更新策略的改进、调整策略的改进、适应度函数的选择以及与其他算法的融合进行综述, 提出了更有效的改进策略。同时从多方面综述了人工蜂群算法的应用, 并对人工蜂群算法的发展方向进行了总结和展望。     

一种改进的多目标人工蜂群算法

由于基本多目标人工蜂群算法存在着种群盲目搜索、算法开发能力有限等缺点,在利用人工蜂群算法求解多目标优化问题时,提出了一种改进的人工蜂群算法.通过在算法中引入自适应搜索机制和变异机制等操作,使得种群个体可以有针对性地进行更新,同时也大大提高了种群个体的多样性.最后利用几种多目标的测试函数对改进前后的多目标人工蜂群算法的性能进行测试,结果表明:改进后多目标人工蜂群算法具有良好的算法收敛性和均匀性.     

基于粒子群和人工蜂群算法的混合优化算法

提出一种基于粒子群(PSO)和人工蜂群算法(ABC)相结合的新型混合优化算法—PSOABC。该算法基于一种双种群进化策略,一个种群中的个体由粒子群算法进化而来,另一种群的个体由人工蜂群算法进化而来,并且在人工蜂群算法中按轮盘赌的方式选择个体进化所需的随机个体。此外,算法采用一种信息分享机制,使两个种群中的个体可以实现协同进化。对4个基准函数进行仿真实验并与ABC进行比较,表明本文提出的算法能有效地改善寻优性能,增强摆脱局部极值的能力。     

基于蚁群算法的物流配送算法

蚁群算法是一种新型智能仿生类算法.以近年来国内外学者提出的蚁群算法思想为基础,结合实际应用,对和生活紧密相关的物流配送系统进行了研究,提出了基于蚁群算法的配送算法,从而快速实现了企业物流配送业务,减少了企业的物流成本.     

求解TSP的遗传蚁群融合算法

原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足,优化效果得到了改善,但存在克服收敛速度较慢、易出现停滞以及全局搜索能力较低的缺陷.针对存在容易陷入局部最优解等问题,在原有的遗传融合蚁群算法的基础上进行了许多改进以扩大解的搜索空间,提高了其寻优能力和速度.仿真结果表明,改进后的算法具有更好的寻优能力,效果较好.     

一种改进的LMS Newton算法及分析

详细论述了对常规LMS Newton算法的改进算法,通过建立步长因子μ与误差信号e（n）之间的非线性函数关系,提出经过修正的新的变步长自适应滤波算法;详细分析了修正算法中的若干因子对算法的影响及在不同IP环境下的表现,表明该算法具有传统固定步长LMS算法计算量小、稳定性好、简单、易于实时处理等优点;理论分析及计算机仿真结果表明,其收敛速度及稳定性优于修正SVSLMS算法。