基于粒子群优化的神经网络算法的英语翻译

近年来出现的粒子群优化算法与神经网络相结合,可以有效地提升全局搜索最优的能力,同时也提升了收敛的速度。将粒子群算法与神经网络结合应用于英语教学,通过对提取的学生翻译样本进行学习训练,用训练好的粒子群优化的神经网络模型对学生的英语翻译能力进行正确程度的分析,帮助教师估计学生的翻译能力水平,为下一步的教学提供参考。深入从粒子群优化算法的数学模型和算法流程何人工神经网络模型的基本原理出发,提出了学习能力分析模型,确定该模型的神经网络的拓扑结构和隐藏层的节点数。案例应用结果表明,该研究模型可以促进英语翻译教学质量的提高和教学相长。     

基于差分演化的改进多目标粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解多目标优化问题。算法通过对Pareto最优解集的差分演化来增加Pareto解集的多样挫;通过循环拥挤距离采控制归档集中非劣解的分布．提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘睹法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度...     

某型飞机前起落架降噪试验

流经起落架的流场非常复杂,并会产生强烈的噪声。以某飞机前起落架1/6缩比模型为研究对象进行气动噪声试验,通过在扭力臂处安装翼形整流罩和防扭支架处安装圆台形整流罩的被动方法降低起落架噪声。试验采用粒子图像测速仪(PIV)对起落架不同特征截面的的流场进行观测,探究起落架降噪的机理。试验结果表明,安装整流罩可以改善起落架周围的流场,降低起落架的高频噪声;安装整流罩后,起落架的特征尺寸长度变大,导致中低频噪声增幅明显。试验结果可以用于指导起落架降噪和外形优化,并可作为进一步探索实用的起落架降噪方法的基础。     

工程项目多目标协同优化研究

将微粒群算法(particle swarm optimization,PSO)引入工程项目多目标协同优化领域,研究工程项目的质量、费用、资源和工期的协同优化问题。文章首先系统介绍微粒群算法原理、流程以及算法的改进发展,然后研究了工程项目质量、费用、工期和资源的协调功效系数,并建立了质量、费用、工期和资源的多目标协同优化模型,接下来介绍了应用微粒群算法编码解决工程项目多目标优化的方法步骤。最后,通过一个应用实例,计算表明微粒群算法可以准确快速地解决工程项目多目标协同优化问题。     

一种具有捕食逃逸的粒子群优化算法

早熟收敛是粒子群优化算法面临的一大难题,其主要原因是群体最优gBest的唯一支配性信息供香模式无法对称调整社会认知能力,因此,借鉴生物界普遍存在的捕食与被捕食现象,提出一种具有捕食逃逸的粒子群优化算法。算法通过在群体中引入捕食粒子来增大逃逸粒子的捕食风险,各逃逸粒子根据捕食风险和自身能量状态的权衡结果产生相应逃逸行为,提高了粒子群对称调整社会认知能力,能有效保持群体多样性,平衡群体的探索和开发能力,使群体避免陷入早熟收敛。实验结果表明新算法能够有效抑制早熟收敛。     

基于改进粒子群算法整定的PID网络流量控制研究

结合经典控制理论和优化控制理论设计了基于改进粒子群算法的PID（Proportion Integral Derivative）控制器,并与经典的PID控制器进行了比较．仿真结果验证,优化后的PID控制器能较好地控制ATM（Asynchronous Transfer Mode）网络流量,减少拥塞,提高网络资源利用率．     

单个颗粒在垂直同心环空牛顿流体及幂律流体中运动规律的研究

本文选择更接近于实际的实验参数,使用全尺寸的环空实验架,在牛顿流体及幂律流体中做了颗粒上返及下沉规律的实验。运用数理分析和模型实验方法设计了实验方案,用统计分析方法采集并处理数据。通过计算机用多项式对实验结果做曲线拟合,得出了颗粒粒径、内管转速、环空平均流速等单因素的影响规律。运用量纲分析方法寻找各单因素影响规律之间的关系,从而得出了单个颗粒在牛顿流体、幂律流体中,轴向流和螺旋流流场下上返以及在静止和旋转流场中下沉规律的半经验公式。最后运用流体力学理论对结果进行了分析,认为在分析颗粒在环空中运动规律时,应区别颗粒在环空中上返和下沉两种情况,而不应在上返规律中直接套用下沉规律的结果。     

第三单体—不饱和酸对醋酸乙烯酯/丙烯酸丁酯乳胶体系性质的影响

在聚乙烯醇(PVA)的醋酸乙烯酯(VAc),丙烯酸丁酯(BA)体系中,讨论了在无酸及顺丁烯二酸酐(MAn)、或丙烯酸(AA)、或α—甲基丙烯酸(MAA)的加入等四种情况下,所得乳胶粒径大小及分布、流变性、离心稳定性、膜的耐水性、剥离强度等性能的变化,所得数据表明,酸的加入使得乳胶体系的粒径变大,AA的加入使体系粘度增大,稳定性增强,MAn的加入使其乳胶对PVC塑料具有较强的粘接力。     

点的加加速度在乘车中的计算公式

本文提出了乘车中感受加加速度的概念,并推导出各种情况下的计算公式。     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合，形成模拟退火-遗传算法以及模拟退火-粒子群优化算法，并作性能对比分析。研究结果表明，这两种算法都在进化代数和全局寻优能力方面有较大突破，在找寻最佳个体解的效率士，模拟退火-粒子群优化算法更突出。