基于细致化仿生的改进粒子群优化算法

粒子群优化(particle swarm optimization, PSO）算法基本思想是试图通过模拟鸟群觅食中的迁徙和聚集等行为获得连续非线性函数的最佳值,其仿生算法产生于对鸟群寻食过程中飞行方向与飞行速度等的隐喻。近年对粒子群算法经典算法的研究,虽然在速度及精度上有所改进,但由于缺乏细致化仿生（precise bionic metaphor, PBM）,改进效果并不太明显。通过在PSO算法中引入飞鸟寻食细致化行为特征隐喻,即在算法中同时导入满意粒子局地细致化寻优和探索粒子随机寻优过程,进而提出了一种新的基于细致化仿生的改进PSO算法;对改进算法和经典算法进行了性能比较,结果显示所提算法在收敛速度和求解精度方面较经典算法有很大程度的改善。     

考虑成本约束的复杂RFID网络线路仿真规划

运用仿真优化方法对复杂RFID网络设施间铺设线路整体规划问题进行了研究。规划目标是在RFID网络设施位置给定的前提下最小化线路铺设成本,通过分析RFID系统设施间的约束规则,将成本最小化问题转化为求网络中特定节点间的综合路径最短问题,构建了相应仿真规划数学模型,并利用改进Dijkstra算法对其进行辅助求解。仿真实验结果表明,通过线路仿真规划后的铺设成本明显减少,这为科学实施RFID系统提供了正确决策。     

基于SAR测量的改进型VIE降雨反演算法

提出一种新型降雨反演算法,该算法是对沃尔塔积分方程（Volterra integral equation,VIE）降雨反演算法的改进.首先,对雷达接收到的回波数据进行预处理,得到降雨起点和降雨宽度等信息;然后,仅利用沃尔塔积分反演算法处理少量特定区域,通过深度挖掘数据变化的规律来分析得出降雨分布的类型和降雨速率;最后,根据通常研究对象的分布对称性,结合已经获得的信息反演得到整个区域的降雨分布情况.通过仿真结果可知,该算法高效、计算速度快,并且具有较高的精度.     

巨厚砾岩下开采地表沉陷预计模型的改进

为了探究巨厚砾岩下开采的地表沉陷规律,结合关键层理论,通过数值模拟从垂直应力、塑性区、垂直位移3个方面分析覆岩内部稳定性及造成地表倾向下沉曲线偏态的原因,基于概率积分法,建立改进的地表沉陷预计模型。结果表明:关键层初次破断距为291 m,周期破断距为281 m;悬力臂是造成下沉曲线偏态的主要原因;相对于经典的概率积分沉陷预计模型,改进的地表沉陷预计模型相对误差减小114%。可见在巨厚砾岩层下开采地表沉陷预计中,改进的地表沉降预计模型具有较高的准确度和适用性。     

改进特征匹配算法在银行卡号识别中的应用

针对目前银行卡号识别算法的不足, 基于模式识别技术, 提出一种改进的特征匹配算法, 并将其应用于银行卡号识别. 改进的特征提取算法改变了特征向量, 并增加特征学习次数, 解决了传统方法识别银行卡号正确率较低的问题, 并保证了识别效率. 仿真实验结果表明, 改进的特征提取算法可有效提高银行卡号识别的正确率.     

带时间窗和同时送取货的车辆路径问题模型及算法

文章研究了带时间窗和同时送取货的车辆路径问题,建立相应的数学模型,并在量子进化算法的基础上,提出了一种新的改进量子算法。为了得到高质量的初始解,作者通过定义满载率和向心角,设计了带有回场权重的初始解生成方案。同时,作者通过定义量子元胞体、互换量子α位与β位等方法,尝试解决量子进化算法中有效信息丢失严重的问题,为解决量子域、二进制域、问题域之间的映射问题提供了一种思路。最后,选取Wang和Chen测试数据集,对算法性能进行有效性测试。     

基于故障敏感分量和改进K近邻分类器的故障状态识别

针对故障状态下的滚动轴承振动信号非线性非平稳性强、噪声干扰大导致的故障敏感特征提取难的问题,在对轴承振动信号进行局域均值分解（local mean decomposition,LMD）的基础上,提出了一种基于故障敏感分量的特征提取与改进K近邻分类器（K-nearest neighbor classifier,KNNC）的故障状态辨识方法。该方法采用相关系数法对LMD分解出的振动分量进行故障敏感性的量化表征,然后对筛选出的信号分量进行时域/频域的特征提取,构建不同故障状态下的特征样本集。为加快故障状态识别速度,排除不良样本的影响,提出一种基于二分K均值聚类的改进KNNC算法,精简了大容量的训练样本,有效去除不良特征样本和干扰点。实验结果表明,以敏感分量特征作为输入的改进KNNC算法能够快速准确地识别轴承不同故障状态。     

Ranking approach of cross-efficiency based on improved TOPSIS technique

The cross-efficiency evaluation method is reviewed which is developed as a date envelopment analysis (DEA) extensive tool.The cross-efficiency evaluation method is utilized to identify the decision making unit (DMU) with the best practice and to rank the DMUs by their respective cross-efficiency scores.The main drawbacks of the cross-efficiency evaluation method when the ultimate average cross-efficiency scores are used to evaluate and rank the DMUs are also pointed out.With the research gap,an improved technique for order preference by similarity to ideal solution (TOPSIS) is introduced to rank the cross-efficiency by eliminating the average assumption.Finally,an empirical example is illustrated to examine the validity of the proposed method.     

震害紧急响应阶段应急物流系统中的LRP

针对震后紧急响应阶段的应急物流系统优化问题, 建立了一个两级设施定位-运输路线安排问题模型(LRP), 据此进行应急设施定位-分配和救援物资运输路线安排决策. 根据该模型的特点, 提出一种基于两阶段分解思想的“三角”启发式算法, 对算法的复杂性进行了分析, 并与改进遗传算法进行了对比研究. 算例分析结果表明, 该模型和算法可以解决震后应急物流系统中的 LRP, 所设计的“三角”启发式算法性能优越, 具有较高的运算效率.     

基于改进的经验模态分解的时间序列匹配算法

针对经验模态分解（EMD）的不足之处,对原有EMD方法中利用上下包络的乎均值得到平均包络进行了改进,采用三次样条对连续极值点的平均值进行插值获得乎均包络。通过这种方式,增加了近似极值点,在“筛”过程的每次循环中,只需要一次而不是两次祥务插值,缓解了“逆冲”和“欠冲”现象,改进了EMD方法,然后引用改进的EMD方法降低序列的维度,并用K均值算法实现模式匹配．实验结果表明,提出的在对EMD进行改进的基础上实现模式匹配的方法,优于传统的基于小波的模式匹配方法。