变概率混合细菌觅食优化算法

针对细菌觅食优化算法寻优过程中精度差、易陷入早熟收敛等缺点,提出一种变概率混合细菌觅食优化算法。借鉴粒子群算法的信息共享机制,采用能综合反映细菌自身学习及群体合作的趋化方向,以提高算法的寻优精度和效率;基于群体适应度方差理论引入变概率迁徙策略,帮助细菌快速跳出局部极值,避免了早熟收敛和精英细菌逃逸;采用改进型佳点集方法构造初始种群及迁徙后的新个体,保证了种群多样性和解空间随机性。实验结果表明,本文提出的算法在全局收敛能力及优化精度和速度方面均表现更优。     

蚁群优化的多Agent路由算法及其应用

针对移动Agent在WSN的路由建模的TSP问题,提出了一种基于改进蚁群算法的移动Agent路由算法——MARA-AS。采用伪随机概率选择下一节点,对选择的路径进行局部更新,并在最后一轮循环结束时对最优最差路径进行全局更新。引入一个与节点位置相关的参数w,通过w值移动Agent采用改进蚁群算法访问那些剩余能量高、处理能力强、相邻节点之间距离较大的节点。Matlab仿真结果表明,改进蚁群算法有更好的搜索能力,且与LCF等路由算法相比能减少网络能量消耗和延迟。     

基于TMS320C55X芯片的IIR滤波器设计

IIR数字滤波器作为数字信号的前置处理单元,在信号处理方面有着广泛的应用,本文主要介绍IIR数字滤波器的特性、设计方法以及其在TMS320C55x上的设计过程,通过举例和具体仿真展现了IIR数字滤波器在DSP上的实现,并取得较好的效果。     

光照不均图像的自适应加权均值算法

 在结合矩形框加权均值算法的基础上,提出一种对光照不均图像进行二值化处理的自适应加权均值算法。对流量计图像中每个像素点分别计算阈值,利用和值表及自适应计算调整参数t,可有效地避免光照不均的影响,减少程序计算量,增强阈值自适应能力,提高流量检测速度及图像二值化处理效果。结果显示,在C++环境下,分别运用自适应加权均值算法和传统的基于小波包及Niblack 算法,对所采集的同一幅流量计光照不均图像进行二值化处理,自适应加权均值算法用时1.6 ms,基于小波包及Niblack 算法用时9.3 ms,且自适应加权均值算法处理效果明显优于传统算法。     

采用双经验回放池的噪声流双延迟深度确定性策略梯度算法

为了进一步提高双延迟深度确定性策略梯度算法(TD3)的网络探索性能和收敛速度,提出一种采用基于多步优先和重抽样优选机制的双经验回放池的噪声流TD3算法。该算法在策略网络中的每一层添加噪声流以增加参数的随机性,并引入多步优先经验回放池,将多个连续样本组成一个基础单元进行存储,训练时通过多步截断双Q处理实现对值函数的有效逼近,同时增加一个经验回放池采用重抽样优选机制来存储学习价值更大的样本,双经验回放池的设置可弥补样本多样性不足的问题。在OpenAI Gym平台的Walker2d-v2场景中进行仿真实验,结果表明,与对比算法相比,本文算法获得的回报值有明显改善,网络收敛速度也大大加快。     

基于VaR约束不允许卖空的均值-方差投资组合优化

提出基于风险价值(VaR)约束且不允许卖空的均值-方差投资组合模型,结合序列二次规划方法和不等式组的旋转算法,计算出不同最低收益率所对应的最优投资策略。采用实例验证了上述算法的有效性,并证明在一定条件下,引入VaR约束条件可以降低投资风险。     

基于混合改进鸟群算法的贝叶斯网络结构学习

针对贝叶斯网络结构学习中寻优效率低下、易陷入局部最优的缺陷,提出了一种基于混合改进鸟群算法的贝叶斯网络结构学习算法.首先,通过互信息约束算法迭代初始网络;其次,改进鸟群算法,在经典鸟群算法中加入自适应惯性权重,随着迭代次数的增加动态调整搜索空间、改变收敛速度;最后,将改进的鸟群算法作为搜索策略,进行贝叶斯网络结构寻优.实验结果表明:改进的算法在寻优过程中不仅有较好的准确率和较快的收敛速度,而且具有良好的全局寻优能力.     

多元线性模型回归系数有偏估计的实现

指出文献［１］ 所讨论的多元线性模型回归系数的有偏估计方法在计算实现上存在的问题, 提出计算多元线性模型回归系数的岭估计迭代算法     

基于VMD-LSTM-IPSO-GRU的电力负荷预测

为了挖掘电力负荷数据中的潜藏信息,提高负荷预测的精度,针对电力负荷强非线性、非平稳性等特点,提出一种基于变分模态分解(variational mode decomposition,VMD)、优化长短期神经网络(long-term and short-term memory network,LSTM)、改进的粒子群算法(improve particle swarm optimization,IPSO)优化门控循环单元(gated recurrent unit neural network,GRU)的混合预测模型。首先,使用相关性分析确定确定输入因素,再将负荷数据运用VMD算法结合样本熵分解为一系列本征模态分量(intrinsic mode fuction,IMF)和残差量,更加合理地确定分解层数和惩罚因子;其次,根据过零率将这些量划分为低频和高频,低频分量使用LSTM网络,高频分量利用IPSO-GRU网络分别进行预测;最后,将预测结果重构得到电力负荷的最终结果。仿真结果表明,相对于其它常规模型,该混合模型可有效的提取模态特征,具有更高的预测精度。     

永磁同步电动机电磁振动特性及抑制措施

电磁振动水平是永磁同步电动机的重要评价指标之一,为了有效抑制永磁同步电动机的电磁振动,文中首先建立了转子永磁体磁动势、定子绕组电流磁动势与定子齿槽相互作用产生的径向电磁力的解析分析模型。然后建立了电机的变参数矢量控制系统的场路耦合联合分析模型,以一台11 kW内置式永磁同步电动机为样机,利用机械阻抗法得到了电机主要低阶电磁力产生的电磁振动噪声频谱,确定了对电机电磁振动起主要作用的低阶电磁力的频率。最后利用遗传-蚁群算法,研究了通过优化电机的定子齿槽参数有效削弱具有上述频率的低阶电磁力,从而有效抑制电机的电磁振动。结果显示,利用文中方法确定的定子齿槽参数能有效抑制电机的电磁振动,并且对电机的运行性能产生的影响较小。