一种动态调整的改进微粒群算法

微粒群算法是一种新型的进化计算方法，已在许多领域得到了广泛的应用．通过对基本微粒群算法的分析，发现基本微粒群算法在计算过程中使用Lebesgue测度为0的线段进行搜索，较易得到过旱收敛现象．据此，提出了一种改进的微粒群算法，该算法在运行过程中能动态调整极限位置，从而使得每个微粒的极限位置在其所经历的最好位置与整体最好位置所形成的动态圆中分布，由于在搜索空间中使用测度为正的区域对定义域空间进行搜索，能以较大概率跳出局部最优点．实例仿真结果验证了方法的正确性和有效性．     

关于互补判断矩阵的群决策的专家评判水平

在群决策分析中，如何从一致性分析的角度来分析专家评判水平或对专家评判水平进行分类是一个重要的研究课题。本文针对群决策中基于互补判断矩阵偏好信息的专家评判水平的排序与分类问题，提出了一种分析方法。首先，分析了互补判断矩阵及其一致性的有关性质；然后，通过构造每个专家给出互补判断矩阵的导出矩阵及其向量表示，计算每个专家给出互补判断矩阵与一致性互补判断矩阵之间的偏差，并得到每个专家评判水平的排序结果和专家们评判水平的分类。最后，通过一个算例说明了本文给出的分析方法。     

混合粒子群算法在高维复杂函数寻优中的应用

针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况,提出了一种改进的算法结构。通过构造单个粒子的最优序列代替单一的进化方向和类似于蚁群算法信息素表的选择机制,保留了粒子的多种进化可能方向,提高了粒子间的多样性差异,从而改善算法能力。算法同时设计了最优序列的加入规则和基于粒子群聚度的最优序列动态长度控制方法。改进后的混合粒子群算法保证了算法拥有更强的搜索能力,也保留了粒子群算法高效优化的特点。仿真实验证明,混合粒子群方法相对传统方法而言具有明显的精度优势。     

一种新的求解区间数判断矩阵权重的方法

研究区间数判断矩阵的一致性和权重求解新方法.基于权重可行域定义了区间数判断矩阵局部一致性和局部满意一致性,并建立了判别其是否具有局部满意一致性的数学模型.作为度量区间数判断矩阵一致性优劣的一种有效方法,给出了区间数判断矩阵一致性程度的概念,并对一致性程度较差的区间数判断矩阵提出一种改进方法.以在区间数判断矩阵内搜索一致性水平最好的确定性判断矩阵为目标建立一个新的权重模型,求解此确定性判断矩阵的权重,以此作为区间数判断矩阵的权重,模型由颗粒群算法求解.最后给出了一个例子说明本文方法的有效性.     

关于有限群子群的判定及寻求的一个猜想

对有限普通群、有限循环群和有限Abel群分别做了详细的研究，并对循环群和Abel群的子群的形式做了深入的分析，进而得出了其子群的一个更为简便易行的判定方法；同时，也得出了寻找循环群和Abel群的子群的更为可靠的方法     

Study on the Superluminal Group Velocity in a Coaxial Photonic Crystal

In this paper, the superluminal group velocity in a coaxial photonic crystal is studied. The simulation of the effective refraction index in coaxial photonic crystal is performed. The group velocity is calculated based on the transmission line equations and compared with experimental results.     

动态改变惯性权重的新模式粒子群算法

针对标准粒子群算法在求解复杂优化问题时易陷入局部最优、收敛精度不高和收敛成功率低的不足,提出了一种改进的粒子群算法.通过算法所处的迭代阶段和粒子的分布情况动态改变惯性权重的值,并根据每个粒子的更新情况调整其飞行的起点.最后4个测试函数仿真结果表明,在求解复杂优化问题时,改进后算法的收敛精度和收敛成功率均有明显提高.     

一种云环境下的虚拟机负载均衡算法

针对多数负载均衡算法都以虚拟机的CPU、内存等资源的利用率作为优化目标,而未考虑虚拟机上总任务工作时长不均衡导致任务总等待时长增加的问题,提出一种结合随机森林分类器的粒子群优化算法用于解决虚拟机的负载均衡问题.该算法不仅均衡了虚拟机的CPU利用率和内存利用率,也将虚拟机上总任务工作时长作为优化目标,以达到均衡虚拟机资源利用率,同时减少任务总等待时间的目的.仿真实验结果表明,该算法能有效解决虚拟机的负载均衡问题.     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。     

用oc(G)刻画A_n(7≤n≤9)

G为有限群, oc(G)表示G中任意的素数阶元中心化子阶的集合,即oc(G)={CG(x) x是G中任意的素数阶元}.通过数量分析,利用oc(G)刻画了几个交错群,得到了如下结果:如果G为有限群且oc(G)=oc(A_n),则G≌An,这里7≤n≤9.