基于Logistic混沌映射的改进麻雀算法

针对麻雀搜索算法(SSA)在迭代后期种群多样性减少,易陷入局部最优等难题,提出了一种基于Logistic混沌映射的改进麻雀算法(LCSSA).利用Logistic混沌映射初始化种群,提高了初始解的质量,增加了种群多样性,利用线性递减权重法,降低了群体智能算法容易早熟的风险,避免算法后期容易在全局最优解附近发生振荡现象....     

类属空间在概念整合理论中的作用：质疑与阐释

以心理空间为基础的概念整合理论自提出以来就得到了很广泛的关注、研究与应用。人们在赞叹它所带来的强大解释力的同时,对它也提出了一些质疑。其中最突出的便是对类属空间在概念整合理论中作用的质疑。作者尝试在学习研究概念整合理论的基础上对上述以及相关问题给出自己一些肤浅的理解与解释。     

巨灾死亡率债券定价模型研究

巨灾死亡率债券是以规避巨灾死亡率风险为目的的金融衍生产品,此类债券的给付与死亡率指数相关联.利用含Poisson频率的跳跃-扩散过程刻画随机死亡率指数发生跳跃的频率与幅度,应用共同单调理论处理不同地区死亡率指数之间的相关性问题.进一步运用王氏变换(Wang transform)方法,在不完全市场中给出巨灾死亡率债券的定价模型.最后,依据我国人口死亡率数据进行实证研究.     

PSO基础的链路平衡NoC映射与路由

针对NoC设计流程中IP核映射和路由分配两个关键步骤,提出了一种基于PSO低功耗IP核映射和链路平衡的路由分配算法PLBMR。PLBMR是一个两步PSO优化算法,在建立NoC的通信功耗和链路负载的数学表示的基础上,采用一种有效IP核映射与路由分配的PSO粒子编码方法,使得NoC的通信能量消耗最小以及保证NoC的通信链路负载平衡。仿真结果表明,采用PLBMR算法产生的NoC通信能量消耗平均比GA和BnB分别少了0.7%和0.6%,特别是,PLBMR算法在计算时间上都优于GA和BnB;对于链路负载的平衡能力,PLBMR平均分别比MOCA小了9%,比BnB小了7%。     

单支方法的保单调性

保单调的时间离散方法求解具有非连续解的双曲型守恒律是一种常用而且有效的算法,空间离散化双曲型守恒律可得到相应的常微分方程初值问题。研究了单支方法求解上述常微分方程初值问题的非线性稳定性质,分析了单支方法的保单调性。将单支方法写为一般线性方法的形式,在步长满足一定约束条件的情况下,获得了单支方法保单调的充分条件。     

离散数据模型的PFC变换器非线性现象仿真研究

对于平均电流控制下的PFC Boost 变换器,根据其工作基本原理,推导了其离散迭代映射数学模型.基于该数学模型,通过数字仿真确定了存在于变换器中的快时标不稳定现象.通过对系统数学模型的详细分析,与PFC变换器的Simulink精确开关模型仿真结果相比较,得到了一致结论,从而证明了该变换器离散数学模型的正确性,为PFC变换器参数设计提供了理论依据.     

最小质量标准及设定动机研究

提出最小质量标准(MQS)可以作为贸易技术壁垒(TBT)来考虑,因为贸易技术壁垒的实质就是设定一个高于进口产品质量的标准,以阻碍进入.在此前提下,本文考虑了在一个开放的经济体中,企业的利润及社会福利随MQS的变化情况,并提出了相应的对策.结果表明,当进口国政府设定较低的MQS时,生产低质量产品的进入企业利润增加,生产高质量产品的在位企业利润减少,但进口国消费者剩余提高,且消费者剩余的增加幅度要大于本国企业利润的减少,因此社会福利增加.当进口国政府设定较高的MQS时,出口国政府有动机为本国企业提供补贴,但不管出口国政府是否对本国企业提供补贴,进口国政府都有动机对进口产品设定MQS以便增加本国福利.     

具有对偶极点的不稳定过程的鲁棒控制

为了进一步完善不稳定系统的鲁棒控制器设计方法,将具有对偶极点的不稳定过程分成纯不稳定过程与一般的稳定过程两部分,对于纯不稳定过程采用先成形再镜像映射的方法,而对于一般的稳定过程则基于极点对消原则直接设计控制器,最后用闭环增益成形算法求解鲁棒控制器。将所设计的鲁棒控制器应用于磁浮列车的悬浮控制中,从仿真结果可以看出,控制效果可以达到小超调(<8%)、无静差、调节时间快(<0.1 s)、对模型摄动具有鲁棒稳定性。     

改进差分进化算法求解化工间歇与连续混合生产过程调度问题

采用统一时间离散化方法,用改进的差分进化算法求解带有限中间存储的连续生产过程和间歇生产过程混合的化工生产调度问题.提出随机产生符合容量约束的任务队列组成染色体的新的编码方式,采用块交叉和块变异进化操作. 为了提高算法全局收敛能力,该文对算法的选择操作进行了改进,并通过Logisic混沌映射方法获得交叉算子CR的取值. 最后,通过化工算例仿真来说明模型和算法的有效性.     

求解0-1动态优化问题的双概率原对偶遗传算法

在原对偶遗传算法(PDGA)的基础上,提出一种双概率原对偶遗传算法(DPPDGA).引入弱势基因位值与强势基因位值的概念,对二者赋予不同的对偶映射概率,并对两个对偶概率进行适应性调整.比较原始算法,改进算法使种群具有更理想的多样性,并利于种群较快地收敛到满意解.仿真结果表明,该算法在0-1动态优化问题的求解中具有更好的性能.