基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.     

陕南乡村新民居建筑立面热环境优化

在中国的乡村民居建设中,不同气候区下的民居表现出各自独有的建造特征,建筑立面是有效回应气候的重要组成部分。为了解陕南新民居的建筑热环境现状,提高民居室内热舒适性,通过对安康市江安村典型新民居热环境实测分析,发现陕南新民居的立面各部分构造的传热系数与规范要求的传热系数相差较远,从而导致了民居室内热环境不适宜。结果表明：在建筑朝向以地形为优先条件下,可以通过优化民居立面的构造做法有效改善新民居室内热环境和建筑的保温性。根据建筑立面的面积大小权重排序为墙体,屋面,窗户,门,系统地构建优化策略。将外墙改为使用页岩空心砖,在构造层中加入30 mm聚丙苯板保温层,并将北向墙体厚度增加至370 mm;屋面采用厚炉渣混凝土构造的保温层,加入一定厚度的厚炉渣混凝土来调整屋面的构造层次;门窗选择导热性较低的材料减少热散失,综合提高新民居建筑立面各部分的热工性能。     

基于正交试验法的柔性风选机参数优化研究

为提高膨胀烟丝的质量,减少烟丝消耗,采用正交试验法对柔性风选机的关键工艺参数进行试验研究。采用直观分析法和方差分析法对试验结果进行分析,以确定风选机较佳的工艺参数。结果表明,导向板角度(刻度)为57、风机频率为36Hz、侧向档板高度(刻度)为11时,膨胀烟丝的梗签及湿团烟丝的剔除效果较好,风选后膨胀烟丝的含梗签率由0.57%降为0.35%。     

多目标区间值优化问题的最优性条件

利用Clarke广义Jacobi矩阵,研究含等式和不等式约束的不可微多目标区间值优化问题,得到局部LU-有效解的Fritz-John和Karush-Kuhn-Tucker(KKT)最优性必要条件。     

采用动态知识因子的基于知识共享的优化算法

针对基于知识共享的优化算法(GSK)之不足,提出一种采用动态知识因子的基于知识共享的优化算法(DKGSK)。首先,个体通过自适应权重来调节其搜索,在算法前期以较大步长进行全局探索,增强了算法全局探索能力;在算法后期以较小步长进行局部搜索,提升了算法局部开发能力。其次,个体使用动态知识因子来调控其搜索步长,使搜索步长更具灵活性和随机性,提升了个体的局部搜索能力,从而增强了算法的局部开发能力。再次,个体借助列维飞行增强其跳出局部最优的能力,从而增强了算法规避陷入局部最优的能力。通过12个基准测试函数的数值实验与仿真,结果表明DKGSK的全局收敛速度和优化精度方面均得到了明显的改善,规避陷入局部最优的能力得到了增强。     

知识驱动的SSVEP刺激界面序贯式实验方案优化

为解决传统实验设计方法中稳态视觉诱发电位(SSVEP)刺激界面优化设计时存在实验次数多、成本高、周期长的问题,提出一种知识驱动的SSVEP刺激界面序贯式实验方案优化方法.以SSVEP刺激界面参数为设计变量,SSVEP响应性能作为优化目标.利用概率模型表征刺激界面参数的先验知识,通过概率积分变换翘曲实验样本空间,缩小最优...     

面向边缘计算环境的服务器性能评估及优化模型

针对边缘计算服务器运维难度大、运维成本高等问题,基于对单台服务器动态采集的多维指标,并通过汇聚算法得到业务汇聚指标,通过巡检模型评估需要进行优化的目标服务器,并根据动态调整模型给出的决策方案对服务器实施优化调整,提出一种边缘计算服务器性能评估及优化模型。实验结果表明,本模型可实现边缘计算服务器的业务规划、软件配置与硬件配置等决策预警,可提升26%的服务质量、10%的运维效率,同时能降低3.57%的运维成本。     

基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果。经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95%以上,能够准确预测未来短时间段内的通信网络质量。     

基于加权响应面法和混沌粒子群优化算法的单梁有限元模型修正

为获得与实际结构受力性能吻合的有限元模型,以耿峪河大桥单梁荷载试验为工程背景,建立单梁有限元模型.提出以加权响应面法对单梁有限元模型进行修正,采用中心复合试验设计法和方差分析筛选出显著性高的参数,建立加权响应面模型代替单梁有限元模型计算响应值,以测试数据构造目标函数结合混沌粒子群优化算法对有限元模型进行修正.结果 表明...