脉动阵列算法在语音识别中的应用

本文介绍亍脉动阵列算法的原理,给出了语音识别中进行模式匹配使用的动态规划算法和概率匹配算法的实现。这种结构对实时的大词汇量的孤立词或连续语音识别是十分有效的。     

基于改进蚁群算法的集装箱装卸顺序优化研究

为缩短船舶在港时间,提高码头的作业效率,应用改进蚁群算法对集装箱装卸顺序的组合优化问题进行求解。首先结合柔性作业车间调度理论与集装箱装卸过程中船舶和岸桥的实际情形,建立集装箱装卸顺序调度模型;然后针对基本蚁群算法易出现早熟现象和收敛速度慢等问题,通过动态的改变信息素的挥发度与信息素强度,同时按照改进的信息素更新策略更新各路径的信息素,从而跳出局部最优;最后运用C#.NET语言对基于改进蚁群算法的集装箱装卸顺序问题进行仿真与步骤分析,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,能够对集装箱装卸顺序优化,缩短作业时间。     

求解二层线性规划问题的混合粒子群算法

结合粒子群优化方法和单纯形法为二层线性规划构造了一个混合粒子群优化算法.算法具有两层结构,其中粒子群算法用以求解上层规划问题,单纯形法用以求解下层规划问题.设计的粒子群在上层决策变量的可行城内搜索最优解,同时通过单纯形法求解下层规划问题得到每个粒子相应的下层规划问题的解.算法通过初始种群可行化,以及步长控制、不可行粒子淘汰等技巧避免了使用罚函数处理约束带来的困难,提高了粒子群优化算法的计算性能.最后,我们给出算法的数值例子并对该算法的计算性能加以分析.     

求解带装载能力限制的开放式车辆路径问题的遗传算法

对带装载能力限制的开放式车辆路径问题的求解进行了研究,提出了一种用于求解该问题的遗传算法.对算法中几个关键操作的不同实现方式的性能进行了比较.给出了算法对标准测试算例的运算结果,并与文献中目前最好的结果进行了比较和分析.     

基于改进粒子群优化算法的虚拟企业伙伴选择

在分析基本粒子群优化算法和建立虚拟企业伙伴选择多目标决策模型的基础上,提出了一种求解供应链联盟伙伴选择的优化问题的改进粒子群算法.在优化过程中,该算法以优良适应值粒子取代部分不良适应值粒子,使算法具有过滤能力,加快了搜索速度,并保证了收敛于全局最优解.实验结果用基本粒子群算法进行了验证和比较,表明该改进粒子群算法具有较好的性能和简单快速准确等特点.     

冗余系统费用模型及优化

根据冗余设计的不同形式 ,在Tillman并联系统费用模型的基础上引入了系统功能指标 ,并将其推广至其它形式的冗余系统 ,从而得到了一个较为完整的冗余系统费用模型。在此基础上 ,建立了用于优化并串联冗余系统设计的非线性混合整数规划模型 ,分别使用了模式搜索与启发式算法的组合算法以及遗传算法对其进行求解 ,着重讨论了两种方法的实现关键及各自的优劣。最后 ,经计算比较 ,提出了遗传算法与模式搜索、启发式算法相结合的求解方法 ,并说明了该方法的有效性。     

三维瞬时极化滤波器

以高频地波雷达为背景 ,提出了三维极化滤波方法 ,此方法能够滤除二维极化滤波不能抑制的干扰 ,扩大极化滤波的干扰抑制范围。为实现实时处理和自适应快速变化的干扰 ,推导了一种瞬时极化滤波算法 ,该算法可以根据单样本建立滤波极化矢量 ,按照取样率的速度自适应干扰极化状态的变化 ,为算法的实时处理提供了可能性。     

舰载反导跟踪算法与模型分析

反舰导弹构成了现代舰艇的严重威胁 ,对反舰导弹精确跟踪是反导防御成功的重要前提。针对比例制导的飞航式反舰导弹弹道的特点和机动特征 ,提出了跟踪此类目标的两种新算法———基于自适应模型的算法和基于自适应交互多模型的算法。仿真实验证明 ,这两种各具特点的算法都有足够的适用性能。     

遗传算法和遗传规划对比研究

通过对遗传算法定向搜索机制和遗传规划搜索机制的研究比较,可以看出,依据遗传算法的基本思想设计遗传规划的进化算子时,由于算子空间过大而导致盲目搜索。通过对遗传规划的研究,提出了一套有定向机制的进化算子,进而设计和实现了基于这一套算子的遗传规划算法。     

基于遗传算法的管理信息系统的智能分解

将遗传算法原理应用于管理信息大系统的结构化分解,并对具体分解技术进行了详细描述,最后对一个具体实例进行了仿真计算。仿真说明,该算法具有全局快速收敛性、并行性和极高的分解效率。