可视化动态编辑在重力模拟退火反演中的应用

以重力模拟退火反演为例对传统模式进行改造,引进可视化动态编辑技术,实现建模、参数设置和计算结果的"透明化",为在综合先验约束信息条件下进行精细反演,监测反演状态,适当干预反演,提高反演合理性提供了一种方法.     

基于遗传算法的发动机自寻优模糊控制

针对汽车发动机参数具有离散性、非线性和不确定性,采用传统控制模型难以精确控制瞬态过程的过量空气系数和点火时刻的问题,提出了一种基于遗传算法的发动机自寻优模糊控制模型.设计了实现该控制模型的嵌入式控制器,讨论了实时在线仿真基础上,采用遗传算法对模糊控制参数的自动寻优.实验表明,发动机动力性和经济性指标取得到了明显提高,以及控制模型在降低燃油消耗方面具有明显的优势.     

DE-ICA优化算法在工作模态参数识别的应用

提出一种差分进化(DE)改进的独立成分分析(ICA)优化算法,解决工作模态参数识别时容易陷入局部最优,难以识别出高阶模态参数的问题.通过对悬臂梁的ANSYS仿真数据对比可知:相对于传统的ICA方法,结合差分进化算法的ICA识别的模态参数精度更高,且能分离出更多的高阶模态,更适合于高阶模态参数的识别.     

基于改进粒子群算法的飞行控制器参数寻优

提出了一种自适应参数策略的混沌粒子群优化算法。该方法将自适应加速度系数调整策略引入到PSO中,以有效地控制全局和局部搜索,并利用混沌运动的遍历性在解空间产生较大规模的初始群体,从中择优选出分布均匀的初始种群以提高粒子的质量,同时根据种群适应度方差对陷入早熟收敛的粒子进行混沌扰动,提高算法收敛的精度。将该方法用于飞行控制器的参数优化设计中。仿真结果表明:使用该方法能够有效地解决飞行控制系统的参数优化设计,极大地提高了飞行控制器参数的设计效率。     

航空运量预测

分析SVM的非线性回归预测基本原理, 分别选用不同的核函数进行拟合训练预测.然后利用LIBSVM软件求解,利用Python和Gnuplot对核函数的参数寻优.把1975年到2006年全国的客运量数据和其他相关指标作为学习样本,验证寻优参数得到训练模型预测结果的可靠性.     

项目附加资源优化的整数规划算法

根据网络计划技术中的关键线路法ＣＰＭ的时间参数分析,提出了一个工程项目建设过程中附加资源的混合整数规划模型,使建设项目在充分利用自身已有资源的前提下得到附加租赁机械设备和附加资源的使用安排计划,并使所支付的费用最低     

基于单一小波的时变信号最优分解方法

针对常规的小波变换并不能保证对信号实现最优分解。以时频性能优良的Morlet小波为单一基函数,并扩大了基函数的参数空间,确定了满足小波容许条件的参数空间边界,提高了用其分解信号的灵活性。对实数编码遗传算法进行了改进,改进后的算法免除了独立的变异操作,提高了算法的搜索速度、收敛性和准确性。以互信息最小化为寻优的判据准则,给出了基于改进的遗传算法和改造后的Morlet小波的信号最优分解的具体步骤。对时变信号的仿真分析表明所提方法是有效和可行的。     

利用模糊理论进行第七层网络性能寻优的网管系统研究

随着计算机网络系统规模的不断扩大,网管系统显得越来越重要。利用模糊理论进行网络性能寻优来优化配置网络管理系统可使网管系统由被动告知型向智能化方向发展。文章以实际的网管系统分析为例,详细介绍了在大型网络中利用模糊理论进行影响网络性能的根本因素的分析和寻优,从而提供给网络管理者更加准确的网络管理措施。仿真模拟试验表明:系统分析准确,对网管决策具有极强的指导意义。     

基于标记和模糊聚类的分水岭声纳图像分割

针对传统分水岭算法在处理声纳图像时存在严重的过分割现象,提出一种结合分割前处理和后处理两类方法优点的算法.首先利用H-min变换技术提取区域极小值和新的标记,对标记后的图像进行分水岭图像分割;然后结合改进适应度函数的粒子群全局寻优算法,从初分割的小区域中搜索出较为准确的初始聚类中心,利用这个聚类中心和改进目标函数的模糊C均值聚类算法,再对分割后的小区域聚类,并控制迭代次数,以提高分割速度.实验结果表明:该方法能够有效消除过分割现象,提高声纳图像处理效果,有效分割率达89％,处理时间提高30％以上.     

非线性系统神经网络控制器 BP 算法的改进

对非线性系统神经网络控制器提出了一种改进的误差反向传播算法。该算法引入一维参数寻优法,预估神经网络连接权系数学习步长,减少了步长选取的盲目性,避免了学习过程陷入局部极小的可能性,并以二自由度机器人为对象,进行了神经网络控制的仿真研究。