基于混沌天牛群算法优化的神经网络分类模型

针对传统BP神经网络受初始权阈值影响大且易陷入局部极值,标准天牛须搜索算法局部搜索能力差、寻优精度低等问题,提出一种自适应步长因子的混沌天牛群算法用于优化BP神经网络分类模型。通过增加天牛种群,引入自适应步长更新策略优化天牛须搜索算法的局部搜索能力,使其跳出局部最优,提高算法的计算精度;利用Logisitic混沌映射产生新个体,替换性能较差的个体,增强全局搜索效果。为了改善BP神经网络对非均衡数据集中少数类的分类效果,采用SMOTE算法处理非均衡数据集。将改进的天牛须搜索算法用于优化BP神经网络中的初始权值和阈值,建立IBAS-BPNN（Improved Beetle Antennae Search and Back Propagation Neural Network）分类模型,提高BP神经网络分类模型的准确率。为验证分类模型的性能,将改进的BP神经网络分类模型与其他六种典型的分类算法进行比较,实验结果表明IBAS-BPNN分类模型的平均分类正确率高于其他算法。改进的混沌天牛群算法泛化能力强,鲁棒性好,具有一定的优越性。     

基于发布订阅的P2P流媒体资源定位算法

现有的P2P流媒体资源定位算法中,多以主动查询为主,尤其是在非结构化网络中,搜索效率低下,资源耗费巨大,最终导致用户延迟播放.基于发布订阅的定位算法-PSS,通过快速预取的思想,结合视频块的优先级,可有效解决该问题,使播放连续度明显提高,搜索消耗明显降低.     

基于小波变换的块匹配运动估计方法

将小波变换引入低码率视频图像序列的运动估计研究中，提出了基于小波变换的块匹配搜索方法．该方法的特点是可根据运动物体的大小和运动程度，用可变宏块进行运动估计，统一了匹配块和匹配点的搜索，发展了一种改进的三步搜索算法．实验结果表明，该算法比三步法有更高的精度，更适应低码率和多细节视频图像传输中的运动估计．     

基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

基于DSP技术的H.263视频编码协议算法

对H．263编码原理进行了简单介绍，对运动估值中几种主要搜索算法的性能进行了分析比较，完成了H．263的运动图象的编码模拟，最后对其中的搜索算法——十字交叉搜索算法在TMS320 C6211 DSK板上进行了仿真。     

基于乘务广义费用的城市轨道交通排班

以上海城市轨道交通为背景,研究了城市轨道交通乘务排班软件的优化方法.在引入乘务广义费用实现多目标优化的基础上,将实际的城市轨道交通乘务排班优化问题分为日班和夜班两部分解决.夜班归结为一个简单二分双向匹配问题,用Hungarian算法求解.主要讨论了日班在总费用最小的目标下,用禁忌搜索法（TS）求解.对乘务作业段的定义与划分、乘务广义费用的计算、TS算法和计算过程等,都进行了详细的阐述.     

基于贪婪算法获取稀疏表示探讨研究

本文给出一个反例,指出在一般的字典中,稀疏表示中正交匹配搜索（OMP）算法不能得到测量的最稀疏信号,从而说明匹配搜索、正交匹配搜索等贪婪算法在稀疏表示中不能保证每一个测量能得到信号的最稀疏表示.     

含有J2项摄动的卫星追逃轨道优化

研究含有摄动作用下卫星拦截逃逸的双边最优控制问题,其中假定拦截卫星和目标都使用幅值受限连续有限推力进行机动。在卫星所受二体引力基础上加入J2项非球形摄动,推导了两星的动力学方程。为了求得该微分对策问题的鞍点最优解,根据极大极小值的充分必要条件由系统的哈密顿函数得到双边最优时的控制输出,将最优控制问题转化为两点边值问题。针对该问题存在的初值难以获取、收敛困难等问题,采用启发式优化算法搜到鞍点解的初值,并将其带入非线性优化算法获得精确数值解,最后通过仿真给出了两星追逃过程中的最优轨迹和双边最优控制输出。      

几种现代优化算法的比较研究

现代优化算法主要包括遗传算法、蚁群算法、禁忌搜索算法。这些算法主要是解决优化问题中的难解问题。由于这些算法在求解时不依赖于梯度信息 ,因而特别适用于传统方法解决不了的大规模复杂问题。介绍了3种算法的基本思想 ,阐述了它们的特点并进行了比较 ,提出了今后研究的方向     

适应5G通信的配电网分布式供电恢复策略

针对配电网发生故障后的快速供电恢复需求,提出了一种适应第五代移动通信技术(5th generation mobile communication technology, 5G)的配电网分布式供电恢复策略。该策略通过可靠性模型分析与深度搜索算法为负荷节点发出供电恢复请求提供依据,从而将整个非故障停电区划分为多个独立的转供区域。联络开关节点则根据收到的供电恢复请求集合,以最大范围恢复重要负荷供电为目标,构建转供区域内的负荷优化模型,并将其转换为混合整数二阶锥问题进行求解。停电负荷节点与联络开关节点之间通过多轮信息交换,获得转供区域的供电恢复方案,进而实现整个非故障停电区的供电恢复。最后,通过系统仿真分析,验证了所提分布式供电恢复策略的可行性与有效性。