基于多种群共生进化的RFID网络优化

在RFID(radio frequency identification)网络实际大规模部署与应用方面,如何有效地进行RFID网络规划,使网络资源得到优化分配,在保证高读取率和网络负载平衡的前提下,减少读写器冲突,提高标签读取率是决定RFID系统服务质量的关键问题.分析了RFID网络规划和RFID网络环境下的读写器防冲突问题,对两类问题分别建立了相应的数学优化模型.基于生态系统中的不同物种间的互利共生现象,提出了一种多种群共生进化优化算法SMSO(symbiotic multi-species optimization).试验结果表明,将该算法应用于RFID网络规划与防冲突问题,体现了进化的多样性和多层次性,在寻优能力、收敛速度以及克服早熟收敛等方面均具有很好的性能.     

改进的PSO算法在RFID网络调度中的应用

为在寻优过程中有效地保持算法的种群多样性,提出了一种改进的PSO（Particle Swarm Optimization) 算法--PSOPC（Particle Swarm Optimizer based on Predator-prey Coevolution）。PSOPC算法将生态系统中捕食者和猎物的竞争协同进化机制嵌入到PSO算法中。基于PSOPC进行RFID（Radio Frequency IDentification）读写器网络调度模型的求解,根据读写器冲突关系的变化在线进行读写器的时隙分配求解与控制,在不影响读写器工作效率的同时,有效消除密集读写器环境下的读写器冲突问题,并优化整个读写器网络的工作效率。     

GRU:神经程序解释器性能优化

传统神经程序解释器NPI(Neural Programmer-interpreters)存在运算性能较低的问题,为了提升人工智能自动编码中训练速度,平均损失等性能,在传统神经程序解释器基础上,对其进行重构,通过采用GRU(Gated recurrent unit)为核心计算模块,引入基于枚举的程序空间搜索技术,并使用AMSGrad收敛算法改进神经程序解释器.使得重构后的神经程序解释器在训练速度上相较重构前提升了33%,在平均损失率方面下降了28%.重构后神经程序解释器运算性能方面有较大提升.     

云制造模式下分布式资源共享激励机制研究

针对云制造模式下分布式企业间迫切需要开展大规模开放式协作及资源共享的需求，结合演化博弈理论，建立分布式环境下资源共享激励机制，分析了不同情况下资源共享的演化博弈趋势.通过理论分析及仿真实验可知:资源可共享总量、资源共享水平、资源利用能力、协同收益系数、评价收益系数、共享激励系数及投机惩罚系数对资源共享起促进作用，共享成本系数起阻碍作用，直接收益系数无影响，协同收益分配系数与资源共享演化稳定状态呈倒U型关系.本文研究内容为促进分布式资源共享，加速未来云制造模式下产业创新研发提供借鉴意义.