群体智能优化算法

讨论四种群体智能优化算法--蚁群算法、微粒群算法、人工鱼群算法和混合蛙跳算法,对其算法的原理、发展及应用进行了综述.提出了群体智能优化算法统一框架模式,并对群体智能优化算法进一步发展进行了讨论.     

李群覆盖学习算法研究进展

覆盖算法因较高的效率与准确率得到了广泛应用,李群覆盖学习算法是覆盖算法在李群机器学习下的新领域.本文对覆盖和覆盖算法进行了简要概述,介绍了多连通李群覆盖学习算法,阐述了求解最优道路时该算法存在的问题以及对应的优化算法,最后对李群覆盖学习算法的局限性进行分析并提出了改进思路,对其未来发展方向进行了展望.     

粒子群优化算法的发展及应用

讨论了粒子群优化算法的发展和应用。介绍了粒子群优化算法的基本原理和算法流程,并且与其他演化算法进行了比较,给出了一些经常用到的测试函数。针对粒子群优化算法在搜索后期存在的不足,介绍了改进的粒子群优化算法,重点介绍了在实际应用领域中用到的改进粒子群优化算法。     

基于PID的人工智能算法的优化

在智能控制技术的不断发展中,各种先进的算法也不断推出。将人工智能以及反馈控制有效融合,可以解决复杂对象的控制问题。智能控制主要有逻辑控制、神经网络等系统。分析基于PID的人工智能算法,研究PID的控制原理,对其进行改善,可以提升系统性能;利用动、静态校正算法进行处理,可以提升系统的稳定性、快速性。     

浅谈非对称加密方式及其应用

本文主要内容是对非对称加密的研究与剖析,从非对称加密的背景、核心原理与对称加密的比较这三个方面进行概述;从密钥对生成所用的RSA算法、生成大素数的Miller-Rabin算法、以及RSA算法生成密钥的过程进行剖析;还从数字签名、邮件收发、公开声明这三个方面的应用进行分析。     

全局优化搜索新算法——列队竞争算法(Ⅰ) 解非线性和混合整数非线性规划问题

提出了一种称为列队竞争算法(LCA)的群体搜索算法,该算法在进化过程中始终保持着独立并行进化的家族,通过家族内部的生存竞争和家族间的地位竞争这两种不同的竞争方式,使群体快速进化到最优或接近最优的区域.根据家族的目标函数值大小排列成一个列队,按列队中家族地位的不同分配不同的搜索空间,使局部搜索与全局搜索达到均衡,同时,应用逐步收缩搜索空间技术加速收敛速度.数值计算表明,列队竞争算法的搜索效率优于遗传算法和模拟退火法等算法.     

相平衡计算中全局优化算法的研究及发展现状

综述了相平衡计算中常用的全局优化算法,并对其现状做了比较。全局优化算法可分为随机性算法和确定性算法。确定性算法通常不能保证得到吉布斯自由能最小值;而随机性算法发展迅速,在化工领域得到了广泛应用。最后,对相平衡算法可能发展方向做了预测。     

基于Alopex的进化算法及其在乙炔加氢反应器建模中的应用

分析进化优化算法的共性,参考Alopex优化思想提出一种新的进化优化算法.给出该算法的具体步骤,将该算法与标准粒子群算法、遗传算法和差分算法在性能上做了仿真时比,并将其应用于乙炔加氢反应器出口乙炔浓度软测量的建模中.这种新的优化算法具有全局收敛能力,并具有较快的收敛速度.对典型函数的测试和基于神经网络的软测量建模表明:新算法具有较强的全局搜索能力,特别是对易于陷入局部最优的多峰函数能够有效地避免早熟收敛问题.     

一种改进的ZigBee无线传感器网络定位算法及应用

在介绍常用的ZigBee定位算法——接收信号强度指示算法(RSSI)和加权质心定位算法特点的基础上,分析常用算法定位误差产生的原因。针对此,提出改进的RSSI算法——几何测量算法,并将几何算法应用于CC2430无线单片机,对其定位节点进行设计和实现。仿真表明:改进后的算法定位精度提高约3%。     

一种改进粒子群算法及其在聚乙烯热分解动力学分析中的应用

随着计算机技术的发展，粒子群算法在聚合物的热分解动力学领域广泛应用。虽然粒子群算法可以实现全局寻优，但也存在收敛速度慢且易陷入局部最优解的缺陷。针对标准粒子群算法的缺陷，引入自适应惯性权重与加速常数对粒子群算法进行改进，提出一种动态自适应粒子群算法（DAPSO），并进行6个测试函数的仿真实验。结果表明：DAPSO算法比MPSO及MeanPSO算法收敛速度更快且精度更高。将DAPSO算法与Kissinger法结合得到了K-DAPSO算法，分别利用DAPSO算法与K-DAPSO算法结合聚乙烯DTG曲线，对两步平行反应模型进行参数反演。K-DAPSO算法较DAPSO算法能够更快收敛到最优解。提出的两步平行反应模型能够准确描述聚乙烯热失重曲线复杂的多峰结构。