基于CCPSO及PP模型的洪灾评估方法及其仿真应用

以求解洪水灾情评估问题为背景,针对洪灾评估模型参数难以优化这一问题,研究了一种混沌文化粒子群算法(CCPSO)。该算法将PSO纳入文化算法的框架,并在算法中引入局部遍历搜索性能较强的混沌搜索,组成基于PSO的群体空间以及基于混沌优化的信念空间,通过两个种群的独立演化及信息交流来提升算法的全局寻优能力。典型的测试函数的测试结果表明,CCPSO可以有效克服PSO存在的早熟收敛问题,全局收敛能力较PSO有较大提高。同时,为提高洪水灾情评估的灾情分辨率,提出一种基于CCPSO及投影寻踪模型的洪灾评估方法,该方法采用一种修正Logistic曲线来建立洪灾评估的投影寻踪模型,并使用CCPSO来优化投影指标函数以及模型参数。仿真应用结果验证了该方法的合理性及有效性。     

基于活动轮廓模型的人脸特征提取方法的研究

根据活动轮廓模型理论 ,提出了提取人脸面部特征的系列算法 ,特征是精确的轮廓描述而非简单的数字表达.     

商品流转过程中动态成本优化控制方法与实践

针对商品进销存流转过程的费用问题 ,提出了建立费用数学模型的方法 ,并对经销过程中的动态成本优化问题给出了一系列算法 ,其中的保本保利模型与算法揭示了经营成本变动与商品在库时间的内在联系 ,为成本的优化控制奠定了基础 ,具有很好的理论研究意义和实际应用价值 .     

建立频繁项目集向量的极大频繁项目集挖掘

在分析和研究诸多经典关联规则挖掘算法或最大频繁项目集挖掘算法的基础上,提出了一种新的极大频繁项目集挖掘算法BOFPV_MMFIA算法.该算法引入频繁项目集向量FP-V,将极大频繁项目集的挖掘过程转化为频繁项目集向量FP-V的与运算过程.算法只需扫描数据库一次,克服了Apriori及其相关算法产生大量候选集和需多次扫描数据库的缺点.又不同于BOM算法,挖掘频繁k_项目集时,需要进行 次k个向量的与运算.因此,BOFPV_MMFIA算法的效率明显高于Apriori、DMFIA及BOM算法.     

基于混沌优化的模糊聚类分析方法

提出了基于混沌优化的模糊聚类方法(COFCM).COFCM将混沌优化策略与传统的模糊C-均值算法(FCM)相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,同时结合梯度算子,使方法能有效收敛到极值点.以六组人工数据集和真实数据集作为实验数据,对聚类目标函数值、聚类有效性函数指标值进行对比实验,其结果表明COFCM能得到比FCM更好的目标函数值,从而有更好的聚类效果.最后将该方法应用于Lena图像进行图像分割,验证了方法的有效性.     

基于熵权的模糊物元决策

熵权是根据评价指标及其属性值的固有信息确定的.根据Vague集理论和物元理论,结合信息熵的概念,将熵权引入模糊物元决策中,介绍了Vague集的相关概念,定义了Vague复合物元.根据Vague排序函数定义熵权,并确定了模糊物元决策的理想解.在同时考虑专家权重和熵权的基础上,对各方案物元进行了综合评价.最后,以1个具体的数例说明如何运用本文所提出的方法.     

混沌差分文化算法及其仿真应用研究

针时差分进化算法(DE)全局寻优能力差,无法有效的求解工程中复杂的高维非线性优化问题等缺点,提出一种混沌差分文化算法(CDECA).该算法模型将DE嵌入文化算法的框架作为主群体空间的进化过程,同时,引入具有较强局部搜索性能的混沌搜索来进行信念空间的进化,并通过设计一组联系操作实现文化算法模型中两个空间的互相影响互相促进,提高算法的寻优效率.几个典型测试函数的测试结果表明CDECA的搜索能力优于DE,将其应用于某大型水库的优化调度,也取得满意的效果.     

仿真逼真度对配送中心作业效率评估的影响

仿真逼真度对配送中心规划方案效率评估有着显著影响.构建了虚拟物理模型、输入数据建模和作业流程建模三维度逼真度层次划分框架,给出仿真代价和仿真效用分析框架,探讨了不同逼真度对仿真代价和仿真效用的影响评价方法,并以某图书配送中心两个作业模块为实例,分别建立了多组三维度不同逼真度组合的仿真模型进行分析评价,最后总结了仿真逼真度对效率评估影响的基本特征和仿真实施前事先确定仿真逼真度的一般方法.     

基于进化算法的多飞行器四维航迹规划方法

鉴于目前的航迹规划方法都局限于二维或三维空间,提出了一种基于进化算法的多飞行器四堆航迹规划方法.该方法在三维航迹规划的基础上加入时间代价约束,通过计算航迹节点在四维空间的坐标,将到达目标的时间与航迹搜索结合起来,使多个无人飞行器能够对目标进行同时打击并避免飞行器在飞行过程中的碰撞.仿真试验结果表明,该方法可以快速有效地完成四维航迹规划,获得满足要求的多飞行器飞行航迹.     

传感器网络中异常数据实时检测算法

如何实时检测传感器网络中异常数据是一项非常重要的工作。通过对线性自回归的分析法,给出传感器数据流的预测模型及其预测机制。当预测出现失败时,给出了一种预测模型自动调整策略,以降低预测误差。基于该预测模型,提出了一种异常数据检测方法,通过计算当前时刻的预测误差与平均预测误差的比值,比较该比值与预先设定的阈值的大小,以检测该时刻数据是否为异常数据。基于该方法,提出了异常事件检测和数据压缩处理的算法。仿真结果验证了预测模型的正确性和有效性,表明该模型能够实时检测异常事件和压缩数据处理。