基于虚拟力和果蝇优化算法混合控制水声传感器网络部署策略

提出了基于改进的虚拟力和果蝇优化(Virtual Force and Fruit Fly Optimization,VFFO)算法混合控制水声传感器网络部署优化的方法.该方法首先通过虚拟力算法对传感器节点的初始部署进行优化,以得到较好的初始部署状态;然后通过改进的果蝇算法对水声传感器网络进行重部署,同时分析了算法的移动部署能耗问题.仿真结果表明,该算法在相同能耗下能够得到更高的网络有效覆盖率.     

体育文化环境的效能及其优化

人类在社会生活中所创造的物质财富和精神财富是体育的先导,是体育萌生、生长、发展、成熟的先决条件.无论是物质的还是非物质的,文化始终在阻碍或促进着体育的发展,对体育的控制为＂软约束＂.社会文化环境对体育的作用主要体现为：孕育作用、指导作用、渗透作用和促进作用.我国体育文化环境的优化主要从余暇文化氛围、传统优秀体育文化的挖掘与整理、东西方文化意识的认同与接轨、党和国家对有关文化教化活动的领导与管理来进行.     

电动汽车传动系统的匹配及优化

以某种型号的电动汽车作为研究对象,在对其动力传动系统的参数设计进行分析研究的基础上,对参数进行了较为合理的、简洁地匹配.应用基于遗传算法的汽车动力传动系统设计优化方法对电动机效率、蓄电池容量、传动系传动比等主要参数进行了优化处理,使得电动汽车在蓄电池一定的条件下,性能达到最优.     

基于划分和重分布的粒子群算法及优化策略

提出了一种新的基于划分和重分布的粒子群优化算法.新算法将粒子划分为普通和优化两类.普通粒子随机产生,速度快,侧重全局搜索;优化粒子紧随群体最优并且速度较慢,侧重局部收敛,以提高收敛精度.当群体最优未发生变更的时间过长时,在保持群体最优的同时将粒子重新分布,以摆脱过早的局部收敛.对典型函数的测试结果表明,新算法没有增加复杂度,在摆脱解的早熟和提高解的收敛精度等方面优于基本粒子群算法.     

多车型条件下机场接送服务的协作调度优化

针对多车型机场接送服务,建立了以最少行驶总里程数为目标的协作调度模型.根据模型特点,提出用于模型求解的启发式优化算法.该方法在初步规划出基本路径后,寻找出需要一辆车单独服务的载客点,即孤立点.分别考虑了孤立点与基本路径的协作方式、剩余基本路径与已和孤立点协作的基本路径的协作方式,以及最终剩余路径之间的协作方式,由此获得了协作模式下的车辆调度方案.仿真实验证明,本文提出的协作调度模型及优化算法能有效降低机场接送服务的运营成本.     

基于物理规划的弹道多目标优化

针对加权系数法求解弹道多目标优化问题时不能获取非凸Pareto非劣解,并且主观依赖性严重,难以选取合适的权值的问题,将物理规划引入弹道多目标优化中,建立了基于物理规划的弹道多目标优化模型,详细分析了基于物理规划的弹道多目标优化方法的求解流程,指出了该方法的优点. 最后分别采用加权系数法、最优控制方法以及本文所提方法进行拉平段弹道多目标优化. 优化结果对比研究表明,物理规划法效率更高,结果更好,对初值不敏感,鲁棒性更强,并且有利于获得非凸Pareto非劣解,从而体现了所提方法较强的工程实用价值.      

基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.      

自适应的over-relaxed快速动态均值漂移算法

为了解决高斯核均值漂移算法收敛速度慢、计算效率不高的问题,提出自适应over-relaxed快速动态更新方法改进高斯核均值漂移算法。首先,在静态均值漂移算法中引入数据集的动态更新机制,每次迭代后将数据集更新到新的数据点,然后,将迭代过程中聚集在一起的数据点用1个收敛点表示,逐步减少参与计算的数据,保证准确性的同时降低计算量。由于非正态分布的数据集动态更新时,主方向上的数据点的收敛速度较慢,采用over-relaxed的策略来提高主方向数据点的迭代步长,并根据数据集直径的变化,自适应地计算步长参数。实验结果表明,改进后的高斯核均值漂移算法以超线性的速度收敛,收敛点的应用降低了收敛过程中的计算量。     

改进的粒子群优化算法用于芳香化合物毒性的定量构效关系分析

粒子群优化（PSO）算法是一种新兴的优化技术,该算法简单易实现,可调参数少,已广泛应用于许多研究领域．但PSO在化学中的应用还较少。本文将改进的粒子群优化算法用于多元线性回归的变量选择,并将其用于芳香胺的致癌活性的构效关系研究．结果表明：改进的粒子群优化算法能搜索到最优的变量组合,具有较快的收敛速度。     

基于模糊推理的粒子群优化算法

针对无约束优化问题,提出了基于模糊推理的粒子群优化算法,该算法针对粒子群优化算法搜索能力的不足,先引入平均粒子,然后引入模糊推理来改进粒子群的速度更新公式,再利用模糊推理动态地改进算法惯性权重和速度更新公式的权重因子,再结合混沌扰动增加算法后期的局部搜索能力.数值试验采用12个测试函数并有5个算法进行对比,数值试验证明,改进算法的搜索能力有较大的提高.