基于单亲遗传算法的飞行机组指派技术

航空公司机组人员指派是一个NP疑难问题.现在航空公司的排班工作存在着排班人员工作量大,排班过程效率低,值勤成本高,排班结果机组人员不满意等等的问题.为解决这些问题,采用单亲遗传算法,利用计算机技术,对机组人员进行合理的排班.通过与改进遗传算法进行比较,单亲遗传算法收敛速度更快,能够得到更合理的机组指派结果.     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

基于数据加密技术网上办公系统的研究

首先分析当前比较流行的数字签名算法,着重介绍MD5与RSA算法,讨论如何对两者的优点加以利用,如何通过互补避免两者的缺点所带来的一系列问题,以及如何在利用两者的同时加入一些控制因素,加强数据在网上办公系统传输中的安全性.接着讨论数字签名在电子公文中的实现与应用,利用发送方与接受方之间比较严密的应答协议,克服了单纯利用数字签名带来的弊端,介绍了如何利用两者的优势互补再配合科学的封装机制,利用传送协议实现包含数字签名的公文在网上安全传输,并且提供了一种有效的认证机制,接着介绍电子公章在公文流转中的软件方案.通过对BMP图像数据位的读写分析,结合公文流转的特点以及MD5加密算法,实现用户对电子公文的加盖公章操作.对网上办公系统进行研究分析,创建了一套安全的网上公文流转方案,结合公文审批、申请等网上办公的方法,利用前面讨论的安全机制,完成了基于数据加密技术的网上办公系统.最后对这套网上办公系统的源文件的注册加密技术展开讨论,从而实现对文件的底层保护,避免程序文件被破解而产生的整个办公系统的安全问题.     

基于FFT算法的低频信号失真度测量装置优化设计

总谐波失真（THD）是运算放大器、功率放大器等器件的主要衡量参数之一．设计以TMDSSK3358开发板为硬件基础,以FFT算法为核心的高精度快速信号失真度测量装置．传统的模拟测量法不仅硬件设计复杂,且性能受限于滤波器．该设计利用AD转换实现模拟信号与单片机可接收的数字信号转换,采用FFT（快速傅里叶变换）实现信号的时频转换,通过获得幅频信息进而得到各个谐波的功率,最后所测的THD值通过TMDSSK3358开发板上的液晶屏模块显示．测量结果表明,该设计在频率为1kHz时测量精度误差小于0.05%,失真度测量与显示用时不超过10s．与传统的信号失真度测量装置对比,在简化硬件复杂度时,速度更快、精度更高,为FFT算法应用于失真度测量提高新的研究思路．     

多层前馈神经网络的快速学习算法及其仿真研究

本文主要研究多层前馈神经网络的快速学习问题。文中首先概述了多层前馈神经网络的B—P学习算法,并分析了这种算法的主要缺陷,在此基础上提出了若干克服和缓解这些缺陷的技术方法,由此构造了一种新的多层前馈神经网络的快速B—P学习算法即FB—P算法。通过对FB—P算法学习过程进行较详细的分析,本文还建立了一种改进的FB—P学习算法即MFB—P算法。最后本文以三层前馈神经网络识别五类地面目标图像为例,对文中提出的FB—P和MFB—P学习算法的性能(即学习速度与推广特性)进行了计算机仿真实验,同时与B—P学习算法的性能作比较,理论分析与仿真实验表明:MFB—P与FB—P学习算法比B—P学习算法具有更快的收敛速度,且MFB—P算法收敛最快;MFB—P算法比FB—P和B—P学习算法具有更好的推广特性,而后两者的推广特性则大致相同。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm opti-mization,PSO)算法实现对SVM惩罚参数和核参数...     

可视动目标逐步求精分割技术研究

运动目标识别跟踪系统中 ,目标分割是至关重要的处理环节。由于目标阴影、碎块等因素 ,估计精度受到影响 ,甚至导致跟踪的失败。提出了目标形状波动度的概念 ,并将其作为目标识别特征 ,利用最大似然估计准则 ,对目标初始区进行逐步求精估计。该算法简练实用 ,能有效地提高估计精度 ,为确保目标可靠性跟踪提供了新的手段。     

动态用户最优等价不等式问题

分别给出了动态交通配流(DTA)理论中与瞬时动态用户最优及理想动态用户最优条件等价的两个不等式问题,其中不等式中采用针对迄节点的路段变量,在符合现实中人们择路行为的同时为用户提供较为全面地诱导信息.在此基础上进一步分析了该不等式作为动态用户最优条件的等价性约束在具体相关交通问题中的应用.将该不等式问题作为等价性约束条件放到实际交通问题的模型当中,为动态交通分配理论的应用研究提供了新方法;该不等式为DUO模型提供了一种计算最小路径阻抗的方法,以及在求解模型时可以将其作为验证模型解是否满足DUO条件的算法收敛准则.     

模拟细菌菌落进化过程的群体智能算法

针对常规群体智能算法缺乏进化能力,存在易于陷入早熟收敛的不足,将问题的解空间视为细菌培养液,在其中放置单个或少量细菌个体,模拟细菌菌落的生长进化过程,提出一种新的群体智能算法.该算法本身具有进化机制,并且能够自然结束,从而为优化算法提出了一种新的结束准则.通过仿真实验验证了算法的有效性,同时仿真实验结果还表明通过简单改进,算法可以达到全局最优.     

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。