蚁群算法求解消防站的选址问题

将消防设施选址问题抽象成集合覆盖问题。应用蚁群算法对集合覆盖问题进行了求解。并针对点的重复覆盖问题对每次迭代的结果进行了启发式改进,消除了冗余的子集。同时采用精英策略,加速了蚁群算法的收敛速度。并将用蚁群算法得到的结果与基于贪心策略得到的结果进行了比较,效果较好。     

以可靠性为中心的多状态单源单汇网络路径优化

本文在考虑网络单元存在多状态特性的基础上,描述了一个单源单汇的多状态网络运输问题,建立了综合考虑可靠度、时间、成本的效用函数模型,并基于捕食搜索算法建立了问题的求解方法,最后,针对不同实例在Matlab上进行了试验,并与蚁群算法进行了对比,验证了算法的有效性和适用性。     

一种改进的Aitken加速算法

在传统的Aitken加速算法的基础之上,定义了新的收敛序列,构造了新的加速方法,给出了定理的证明和算法实现的计算机程序伪代码.结合其在幂法加速中的应用进行了理论分析和实例比较.结果表明,此方法不仅减少了计算量,加快了计算速度,还可以提高计算精度.     

一种改进的基于博弈树模型的五子棋系统

通过对五子棋算法的研究,本文探讨了知识抽象、知识表示、估价函数、博弈树及搜索策略等人工智能领域的问题,并基于博弈树模型设计了一个智能五子棋系统。该系统采用多链表结构的知识表示方法记录棋局信息,可以全面地描述和分析棋局形势。最后,结合局部性原理,采取增量分析法、α-β剪枝及低层剪枝等手段加速分析和搜索效率,提高了该系统的反应速度和智能化程度。     

基于遗传算法的单向路网配时优化

为求取单向路网整体配时优化方案,实现路网排队长度最小,构造了路网排队长度模型作为评价函数。考虑到单向路网信号配时的整体性和相关性较强,计算复杂度较高,为降低计算的复杂度,采用遗传算法对路网排队长度模型进行计算,得到优化的配时方案。通过评价指标的对比,表明利用遗传算法进行最优值的计算可以取得很好的优化效果。     

电力设备视频监控画面分析中的视觉噪声的影响研究

通过对电力设备视频监控中的典型画面以及典型电力设备的视觉噪声影响研究,及几种常用的去噪算法的去噪效果比较研究,得出小波软阈值算法能比较好地处理电力设备视频监控画面的高斯噪声和混合噪声这一实用的工程结论。针对小波去噪算法对于细线缆等轮廓线较细的设备,以及阴影较深的设备的噪声背景处理效果较差,轮廓线断裂显著等问题,提出可利用已知轮廓线对小波算法的软阈值进行启发式修正,修补轮廓线断裂缺陷的解决方案。     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。     

复杂产品碳足迹结构元规划方法研究*

日益增长的环境压力对复杂产品供应链碳足迹优化提出了更高的要求。为了降低优化过程动态性及不确定性,在综合评述产品拆卸建模分析研究方法的基础上,依据约束关系和装配结构,通过构建规则,设计多目标复杂产品碳足迹结构元拆卸混合图模型,确立模型约束关系矩阵,利用迭代分层思想设计驱动式递归聚类搜索算法,规划各层次碳足迹结构元模块。经液晶显示器实例证明,该规划方法可有效剖析复杂产品碳足迹结构基本元及模块单元。     

基于FPGA的多接口路由系统设计与实现

在异构设备采集数据的过程中,为解决多种接口之间数据传输与交互的问题,设计了一种基于FPGA的多接口路由系统。给出了该系统的总体设计方案,针对不同端口间地址不匹配的问题,提出了一种基于虚拟IP地址分配方法的路由算法,并对其进行了仿真,最后在FPGA上实现了该算法。实验结果表明该系统具有不同接口之间数据路由寻址功能,能够满足不同应用场景、带有多种接口设备数据采集与传输的功能需求。     

基于D*算法的场面滑行动态规划研究

研究了机场场面滑行路径动态规划问题.基于三种滑行冲突约束,建立了使航班总体滑行时间最短的动态优化模型.改进了传统的D*算法,提出了基于时间权值的冲突预测和代价修正函数.案例计算相比Dijkstra算法得到的结果减少了203s,有效减少总滑行时间,提高场面运行效率.该算法不仅可以用于滑行路径的初始规划,也适用于场面实时滑行引导的实施.