基于PSO-RBF的边坡安全系数预测

传统的径向基函数(RBF)神经网络在边坡稳定性预测中已经得到了广泛的应用,但由于其在预测中易陷入局部最优且参数选取不当会对收敛性产生影响.故引入粒子群算法(PSO)对RBF神经网络进行优化,利用其全局搜索能力对RBF神经网络的隐含层基函数中心值、宽度以及隐含层至输出层的连接权值进行参数寻优,建立了基于PSO-RBF的边坡安全系数预测模型.以114组边坡数据为训练样本,8组边坡数据为测试样本,结果显示基于PSO-RBF网络预测结果的最大误差为7.36%、最小为0.18%、平均误差为3.77%,而基于单纯RBF网络的预测结果的相应误差分析别为11.04%、1.34%、6.19%.可以看出,前者的预测结果明显优于后者,表明经粒子群算法优化后的RBF在预测精度上有了明显的提高.     

8p阶5度对称图

如果一个图的自同构群作用在它的弧集上是传递的,那么称这个图为对称图.文中给出了8p阶5度对称图的完全分类.     

一种自适应调节粒子群优化算法的研究

针对粒子群优化算法容易出现早熟收敛和稳定性低的现象,提出一种自适应调节的粒子群算法.算法中通过自适应调节适应度值的均匀分布保持种群的多样性,该策略能够提高算法的全局搜索能力,同时可避免阈值对算法稳定性的影响.另外采用自适应周期性变异的惯性权重对粒子的速度进行更新,可改善算法的局部搜索能力和稳定性.使用多维标准函数对改进的算法进行仿真试验,结果表明,算法具有较好的全局搜索精度和稳定性,避免了早熟收敛.     

基于自适应变异粒子群算法的铁路空车调配

提出一种用于求解铁路空车调配的自适应变异粒子群算法.该算法在迭代过程中加入了变异操作,根据群体适应度方差调整变异概率的大小,并通过调整惯性权重因子来增强算法跳出局部最优的能力.将自适应变异粒子群算法用于铁路空车调配,建立以空车总走行距离最小为目标的数学模型,并在此基础上设计相应的算法.算例结果表明,应用自适应变异粒子群...     

拓扑空间上的一个群拓扑收敛性问题

应用拓扑空间中拓扑群的连续映射方法,讨论了一个群拓扑收敛性问题.证明了在拓扑空间的一族群拓扑中能找到一个群拓扑,使空间中的网依此群拓扑收敛到一点.     

复杂空区群露天开采境界三维可视化及其应用

为了预防露天开采境界下复杂空区群对矿山生产造成重大安全事故,研究以不规则三角网(TIN)为基础的复杂地质体三维可视化建模技术,并以Surpac软件为平台制定出相应的复杂空区群露天开采境界三维可视化实施方案。将该方案应用于某矿区,建立该矿区内露天开采境界地表、地下矿体以及复杂空区群的三维可视化模型,重点对空区群内部错综复杂的通透关系进行三维描述。研究结果表明:复合模型的建立明确了地表、地下矿体及各水平采空区之间的空间位置关系,可利用其分析空区群的安全隐患及空区间的连带破坏作用,为露天境界内复杂空区群的灾害控制、安全性评判及矿区地表开采的施工设计提供了参考依据,从而解决了多空区矿山的盲目开采问题,有效预防了重大安全事故的发生。     

两类分块矩阵的群逆

当P为退化的幂等矩阵时,我们利用矩阵的秩的性质、分块矩阵的初等变换,以及群逆存在的充分必要条件,讨论了形如M=P P＋PP＊（P0）和M=P P（P＋PP＊0）（其中P为方阵）的两类分块矩阵群逆的存在性.接着,利用初等变换和矩阵1逆的求法,根据矩阵群逆与矩阵3次幂的1逆的关系,最终给出上述两类分块矩阵群逆的一般表示式,并以例子加以说明     

一种整合粒子群优化和K-均值的数据聚类算法

针对K-均值聚类算法存在的不足,提出了一种新的整合粒子群优化算法(PSO)和K-均值算法的聚类算法.在新算法中,首先结合使用粒子群优化算法和K-均值算法搜索全局最优解的位置,然后再用K-均值算法在全局最优解附近的局部空间内快速寻找最优聚类中心.通过对4个数据集的实验测试,将此算法与K-均值算法、基于粒子群的K-均值算法进行了比较.实验结果表明,新算法的聚类质量比后两个算法更优.     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.     

基于改进粒子群优化算法求解带时间窗的车辆路径问题研究

针对粒子群优化算法易出现早熟收敛、陷入局部最优的问题,提出了在粒子群搜索解的过程中监控粒子健康度的方法,对健康度低的粒子进行交叉操作。该方法既保证了健康粒子继续搜索最优解,又有效地改变了非健康粒子的状态,提高了粒子群的寻优能力以及跳出局部最优解的能力。最后通过实验数据集验证了新算法,实验结果表明与标准粒子群算法相比新算...