新的粒子群优化算法

粒子群优化(PSO:Partic le Swarm Optim ization)算法是一种有效的全局优化技术。对于PSO算法,很容易陷入局部极值。针对上述缺点,提出了两点改进:对基本PSO算法的速度更新公式中的全局极值给出新的定义,以使粒子群体保持多样性;适当地缩放适应值,与随机规则共同决定某个粒子作为速度公式中的全局极值。改进的两点用于PSO算法后期,形成新的PSO算法(NPSO:New PSO)。NPSO能有效地改善算法,具有摆脱局部极值的能力。在给定的条件下,选用3个函数进行了测试。实验结果显示,在获得平均适应值方面,该算法比PSO算法提高1.62%~16.5%,明显优于基本的PSO算法。     

单体建筑节能优化研究

建筑节能已成为建筑领域当前研究和实践的重点,通过计算机软件模拟,对单体建筑能耗进行分析,提出节能优化方案．     

面向应用层QoS的实时视频优化码率控制

基于传统视频信源编码在应用层QoS的联合信源信道优化，研究了信源编码和信道编码之间合理分配带宽以及信道与信源联合编码下的有效码率控制问题．依据视频编码的实时可变帧率下的VBR视频网络传输信道模型，提出了网络接入带宽统计复用基础上的优化信道码率分配；根据信道传输失真，推导出基于图像帧的全局信源信道联合失真估算递归模型，按照模型运算率失真优化下的跳帧参数和帧内宏块刷新率，实现整体的图像编码质量优化控制．相对于普遍采用的基于宏块的局部优化控制策略，所提出的优化码率控制策略能获取更一致的图像质量和更高的性能增益．     

聚类分析在多极值函数优化中的应用

将聚类分析方法应用于经典的优化和遗传寻优过程当中，提出了一种求解多极值函数全局最优解的方法。在基于梯度的算法中，先取多个初始点，几次迭代搜索后做聚类分析。在每类取一点，将目标函数分为多个单极值函数，然后分别寻优，通过比较得到全局最优解。在遗传算法中，通过聚类分析在每类取若干个体作为代表个体，它们将始终参与遗传操作，从而有望达到全局最优。     

分布式数据查询优化算法的研究

分布式数据查询是分布式数据库管理系统的核心,而查询优化算法又是查询处理中的关键技术。分布式数据库管理系统的研究始于20世纪70年代中期,在30多年的发展中,取得了丰硕的成果。但由于分布式数据的分散性,使分布式数据查询比集中式数据查询复杂得多。本文对基于关系代数优化的算法进行了探讨和研究,并应用于实例,取得了较好的优化效果。     

长幅外摆线行星传动运动学研究及齿廓圆弧优化替代

以链条少齿差行星减速器为研究背景，分析了长幅外摆线行星传动主要参数变幅系数k对当量曲率半径、压力角以及圆弧替代区段、齿廓干涉、齿高、重合度等的影响．给出了齿廓干涉Ⅳ点的解法，明确了理论与实际廓线压力角α的区别，讨论了准圆弧替代误差分布的类型．据此提出主要机构参数的优化选择方法，确定齿形圆弧替代的步骤．试验验证表明，该理论模型是可行的．     

基于改进的蚁群算法的物流拣选路径优化

提出了一种改进的蚁群算法来解决物流拣选路径的优化问题。通过实验室模拟环境,用Matlab7.0进行了某次拣选作业仿真,取得了最优路径。与基本蚁群算法相比,所提出的方法能更快地找到最优解。     

体育文化环境的效能及其优化

人类在社会生活中所创造的物质财富和精神财富是体育的先导,是体育萌生、生长、发展、成熟的先决条件.无论是物质的还是非物质的,文化始终在阻碍或促进着体育的发展,对体育的控制为＂软约束＂.社会文化环境对体育的作用主要体现为：孕育作用、指导作用、渗透作用和促进作用.我国体育文化环境的优化主要从余暇文化氛围、传统优秀体育文化的挖掘与整理、东西方文化意识的认同与接轨、党和国家对有关文化教化活动的领导与管理来进行.     

引入侦查子群的蚁群算法求解0/1背包问题

针对标准蚁群算法易于出现早熟停滞等缺陷,在原有算法基础上引入一定比例的侦查蚁群。在优化过程中侦查蚁群以一定概率做侦查搜索,以扩大了解的搜索空间;在信息素更新策略上,为了兼顾当代和历代的搜索成果,采取了信息素混合更新策略,同时增强侦查子群的最佳路径信息及剩余全部蚁群路径信息,有效抑制了收敛过程中的早熟停滞现象,提高了算法收敛速度。通过4个典型0/1背包问题(KP)实例进行了仿真实验,并与标准蚁群算法进行性能比较,结果表明该算法不仅能够克服早熟现象,而且能够加快收敛速度。     

The parameter determination in the design of 3-D spherically symmetric FIR filters via the McClellan transformation

In the design of 3-D spherically symmetric FIR filters via the McClellan transformation, two methods are proposed to determine the transformation parameters. The first is to improve the original 3-D algorithm by exploiting the 2-D effective methods in 3-D. This method can change the constrained optimization algorithm into the unconstrained one and makes the design easier to realize. The second method is to solve the coupled equations under constrained conditions and a set of ideal parameters can be gotten. The design example shows that the two methods are all efficient and easier than the original algorithm. Supported by the National Natural Science Foundation of China Jin Xiaoying: born in 1975, Graduate student