基于GA和Bootstrap的最小二乘支持向量机参数优选

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便.针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用遗传算法(GA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

基于POMDP模型的机器人行动的仿真优化

策略梯度优化算法是一种很重要的强化学习算法,对实现机器人的自主导航有着重要的应用价值.在部分可观Markov决策过程(POMDP)的基础上,实现了两个有限记忆的策略梯度优化算法:基于模型的GAMP算法和无模型的IState-GPOMDP算法,并利用该算法对机器人走迷宫的问题进行了仿真.通过分析仿真结果,对这两种算法引入了基于观测的优化;并发现在所给报酬函数下,策略梯度算法中的步长参数也在一定程度上影响着优化策略的效率.     

再就业工程动态模型及其控制

研究了下岗－再就业行为,并提出了其动态模型及以企业和社会总负担最小为目标的目标函数。然后,以这样的动态方程和目标评价方程为对象,进行了Ｈ∞优化设计并给出了该问题的特殊解法,得出了最优下岗－再就业率的动态解析式。     

基于减小功率孔径积的天基雷达扫描方式优化

针对天基雷达的性能受限于功率孔径积的情况,利用目标相对于天基雷达覆盖区域的运动方向基本与星下点运动方向相反这一特性,在保证击中目标的前提下得到了一种能有效延长扫描时间的优化扫描方式,从而达到减小功率孔径积的目的。研究同时表明,优化的扫描方式还能较快地击中目标。最后给出了优化扫描方式下系统允许的最大扫描时间。计算机仿真验证了结论的正确性。     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法.借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优.实例分析表明,所提算法能够...     

ABAQUS二次开发在骨重建仿真中的应用

本研究的目的 是利用ABAQUS二次开发环境,将基于应变能密度准则的骨自优化理论,编写成骨重建仿真算法.可以提取仿真模拟的密度分布数据作为场变量以云纹图的形式显示出来.通过计算骨组织密度的变化趋势分析骨重建过程.建立二维悬臂梁模型,进行200步迭代计算.结果 显示密度分布呈现出桁架结构,验证了基于ABAQUS二次开发环...     

基于改进支持向量机的飞机空气循环系统仿真模型及故障分析

为了有效地识别飞机空气循环系统组件是否发生故障,区分故障类型,并作出对应的维修策略,提出一种基于改进支持向量机的飞机空气循环系统故障诊断方法;首先建立飞机空气循环系统仿真模型,然后将支持向量机运用于飞机空气循环系统,引入蚱蜢优化算法、位置随机偏移机制和模拟退火算法,对支持向量机进行参数优化,最后参考最优参数对飞机空气循环系统仿真模型进行训练。结果表明,建立的飞机空气循环系统仿真模型可以模拟不同情况下飞机空气循环系统主要组件的出口温度以及故障发生时的出口状态,加入蚱蜢优化算法等优化方式的支持向量机系统达到了简化调节参数、加快收敛、提高收敛精度的目的,可以根据多样本数据进行训练,完成故障分析。     

基于MOPSO的石墨烯/磁性粒子混合填充多层吸波材料优化设计

本文研究了基于多目标粒子群算法(MOPSO)的石墨烯/磁性粒子混合填充多层吸波材料的优化设计.首先,基于电磁场理论推导了多层吸波材料的反射系数,并定义了兼顾宽频带、宽角度和极化无关特性的吸波性能以及磁性粒子填充量这两个相互矛盾的子目标的表达式.进而,以石墨烯纳米片(GNS)/片状羰基铁颗粒(FCI)混合填充吸波材料为例...     

基于熵权-TOPSIS的多能互补联供系统优化配置研究

基于农村居民用能需求,研究生物质能、太阳能及空气能互补的分布式供能系统的最优容量配置．选取环境、能耗与经济三方面评价指标最大值为多目标优化函数,内燃机、厌氧发酵罐、光伏系统和空气源热泵的容量为决策变量,采用改进的多目标遗传算法(NSGA-Ⅱ),利用熵权-优劣解距离(TOPSIS)法求解系统最佳容量配置．多目标优化结果表明,随着种群数和繁衍次数的增多,结果越具有优势;当环境、热力和经济权重取值相同时,最优配置方案下系统的综合性能指标由优化前48.4%增至优化后53.0%,二氧化碳减排率由103.25%增至108.43%,一次能源节约率由12.74%增至32.79%,费用年值节省率由29.34%减至17.89%.     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．