粒子群优化算法及其应用

粒子群算法是一种群体优化算法,详细介绍了粒子群算法的基本原理、参数选择及其应用领域.     

快速Delaunay逐点插入网格生成算法

对插入形心的Delaunay逐点插入算法,提出按单元可插度分组的双向链表组数据结构,避免了对最大可插度单元的搜索。采用了邻接单元搜索、双向链表存储、随机方向搜索、邻接旋转、几何量继承等技术,使算法的计算时间与生成单元数近似呈线性关系,时间复杂度达到O(N1.05),N为生成单元数。算例表明,在一台AMD Athlon3200 (主频2.0GHz)PC上,该算法的四面体单元生成速度达每秒50000个以上。     

基于CARIMA模型的PFC与GPC的等价性

建立了新型的模型预测控制方法——预测函数控制(PFC)与传统的广义预测控制(GPC)的联系.首先推导了基于含有色噪声的自回归增量滑动平均(CARIMA)模型的预测函数控制的控制律,然后通过选取不同的基函数获取PFC控制律的形式并与GPC控制律进行比较.从而证明了在一定的基函数的选取方式下,基于CARIMA模型的PFC算法和GPC算法是等价的.揭示了PFC与GPC两者之间深刻的内在联系,为PFC的工程应用提供了理论保证.     

电容层析成像算法

电容层析成像技术具有非侵入,响应快,低成本,测量范围宽及易于安装等特点,在多相流在线检测中具有良好的发展前景.电容成像中图像的重建算法与技术,是其在工业实际中得以应用的关键.近年来在图像重建方面的研究取得了较大的进展,Tikhonov正则法,Landweber迭代法、同步跌代法、神经网络法、共轭梯度法及通用迭代法的图像重建质量较LBP法有了明显提高.     

车间流程的免疫调度算法

为了高效地解决车间流程(Flow Shop)问题,提出了一种利用免疫算法求解Flow Shop调度问题的方法.该算法是根据人或者其他高等动物的免疫系统机理设计的,将调度目标和约束条件作为抗原,将问题的解作为抗体,对抗体采用按工件加工顺序进行自然数编码,并把最大流程时间的倒数作为适应度函数,新抗体的繁殖是通过部分匹配交叉算子和按工件顺序互换的变异算子实现的,对抗体产生的刺激和抑制通过抗体浓度来调节,而抗体浓度通过计算抗体之间的最大亲和力获得.通过对Flow Shop问题的基准测试表明,该算法不仅在求解问题的规模上具有很好的可伸缩性,而且在运算时间上也低于遗传算法和模拟退火算法.     

三Ⅰ算法的统一形式

给出了正则蕴涵算子的概念,证明了Lukasiewicz算子、Godel算子、乘积算子和R0-算子都是正则蕴涵算子-针对这种正则蕴涵算子建立了FMP和FMT的三Ⅰ算法的统一形式,相应地三Ⅰ解可用一般的伴随对((×),R)中的左连续三角模(×)和正则蕴涵算子R统一表达;指出在Godel的意义下,Zadeh关于FMP的CRI算法可以纳入到这种统一形式之中;给出了α-三Ⅰ算法的统一形式,得到了关于FMP和FMT而言的α-三Ⅰ算法的对偶性结论.     

柴油机振动信号谱估计的自回归方法

介绍了经典谱分析和现代谱分析中自回归(AR)谱分析的各种常用方法，比较了各种方法对模拟信号(样本总数N=32)和柴油机爆发信号(N=128)的处理效果。结果表明，经典谱分析方法的稳定性好，但分辨率受信号样本数影响，不适于小样本信号。现代谱分析方法比经典谱分析方法有更高的分辨率，因而可用于柴油机小样本数据段的分析，但使用时要注意模型阶次p的选择。当p太高时，各种方法都出现不稳定的现象。自相关法的分辨率略低，但其稳定性较好，可优先考虑使用。柴油机振动过程中有许多小样本信号，如爆发、阀开关、喷油信号等，它们引起的振动信号都非常短，采用AR谱估计方法是非常合适的。     

基于组合神经网络的雷达弱信号检测

本文提出了一种基于组合RBF神经网络与混沌理论的弱目标检测算法。运用RBF神经网络的特点,将非线性预测模型的建立归结为预测误差的最小化问题,再对误差的控制建立合适的非线性预测模型。经仿真研究表明了所提出算法的可行性和有效性。     

模拟退火算法机理研究

从机理上分析了采用Metropolis概率接受准则的重要性 ,认为按照该准则可以使模型跳出局部极小值 ,避免了落入局部极小点的可能 ,然后在退火计划的控制下模拟退火算法 ,最终可以找到最优解 ;深入分析了算法的退火计划和模型扰动 ,以及两者之间的配合的技巧 ,认为算法本身可以作进一步的改进 ;并提出了改进的思路 ,为下一步的具体改进打下了基础