基于非负矩阵分解的社区检测算法

为了了解复杂网络的特性,研究了复杂网络中的社区交叠现象,将非负矩阵分解算法用于社区检测问题。而传统的用于社区检测SNMF模型是通过离散化参数的取值范围,然后遍历得到参数的最优值,对参数的优化方法不能准确而快速搜索到最优解。利用遗传算法对参数进行优化,能够准确地找到参数的最优解,从而得到最优的社区划分。并且能够检测出交叠节点和异常节点,该算法也适应于大规模的数据。     

基于混合遗传算法的云计算任务节能调度算法

云计算中主机和任务的数量都是十分庞大的,如何通过任务分配调度来减少成本开销和降低能耗是当前云计算和绿色计算领域研究的热点问题。根据云计算任务以及运行环境的特点,将云计算任务分配问题抽象为多维多背包求解问题,并采用改进的混合遗传算法对该问题进行求解。实验结果表明,改进的混合遗传算法能够在较短的时间内找到问题的优化解,并且根据该算法实现的任务分配策略能够有效地减少任务执行的成本开销和能耗。     

用混合遗传算法研究光网络恢复路由问题

本文在研究文献[2]用单纯遗传算法研究光网络路由恢复算法的基础上,为了加强单纯遗传算法局部搜索能力,提出用混合遗传算法来研究光网络的路由恢复算法,算法结果表明混合遗传算法可以在更早的代数中出现最优解,并提出了一种新的优化目标函数.     

WSN中可靠通信保障下的生存周期优化问题研究

为了提升网络的整体性能,首先在物理层、路由层上分别提出功率反馈控制算法与能量均衡路由量度;其次设计一种以可靠通信为前提,均衡网络能耗的跨层优化算法(SCLM).研究结果发现:现有的跨层优化算法可以在一定程度上提升网络性能,但是存在局限性;从性能指标内在矛盾出发,合理设计算法才可以在众多矛盾之中找到最优解.仿真结果表明:提出的跨层优化算法可以在保障可靠通信前提下,优化网络的能量均衡.     

禁忌粒子群算法在几何约束求解中的应用

约束问题可以转化为优化问题,针对粒子群优化算法在算法的后期易陷入局部最优的缺点,提出TPSO(禁忌粒子群优化算法),在算法的前期采用粒子群算法快速产生全局最优解信息素的初始分布,后期引入禁忌搜索算法,记录已经达到的局部最优解,在下一次搜索中,不再或者有选择地搜索这些点,从而跳出局部最优点,并且在搜索过程中允许接受劣解,充分利用禁忌搜索的记忆能力及较强的爬山能力,大大提高了获得全局最优解的概率.该算法综合了粒子群优化算法的快速性,随机性和全局收敛性以及禁忌搜索局部寻优的能力.在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.该方法用于几何约束求解的性能明显高于标准粒子群算法,算法具有良好的优化性能和时间性能.     

考虑信息年龄的无人机辅助智能交通系统计算卸载优化

该文考虑无人机(UAV)交通监测与移动边缘计算(MEC)技术结合的智能交通系统。为了保障系统中数据时效性并且降低系统能耗,提出计及信息年龄(AoI)的UAV计算卸载优化方法。首先,建立UAV辅助的MEC系统模型,允许MEC服务器缓存常用的应用程序并为UAV提供计算卸载,以支持UAV执行交通监测任务。通过联合优化UAV任务卸载决策、UAV上下行通信带宽分配以及被卸载任务的计算资源分配,最小化所有UAV与MEC服务器的总能耗,同时满足AoI与资源容量等约束条件。其次,系统能耗最小化问题是混合整数非凸优化问题,因此采用离散化和线性化手段,快速获得问题的近似最优解,并设计离散点生成算法来调节近似误差。最后,仿真结果表明,即使对于大型的非凸问题,所提方法也能够快速得到近似最优解,并且可以在不同的任务场景中满足AoI等约束条件,最大限度降低系统能耗。仿真结果验证了所提方法的有效性。     

一种混合遗传LM算法求解非线性最小二乘问题

文章提出了一种混合遗传LM算法,并将其用于求解非线性最小二乘问题,该方法利用遗传算法摆脱局部最小值,在全局极小值的领域内估计解,找到全局最小值的近似后,利用遗传算法找到的全局最优解作为LM算法的起点。像遗传算法这样的随机搜索算法可以很容易地在全局最小值附近计算出一个解,但由于搜索的随机性,需要很长时间才能收敛到精确的最小值。因此,该算法协同结合了确定性局部搜索和启发式随机全局搜索的优点,高效地计算出精确的解。利用了一个圆柱拟合的实验来验证该算法,结果表明该算法在拟合问题上有良好的性能。     

用混合遗传算法研究光网络恢复路由问题

本文在研究文献[2]用单纯遗传算法研究光网络路由恢复算法的基础上，为了加强单纯遗传算法局部搜索能力，提出用混合遗传算法来研究光网络的路由恢复算法，算法结果表明混合遗传算法可以在更早的代数中出现最优解，并提出了一种新的优化目标函数。     

一种5G网络切片的编排算法

网络切片是基于SDN/NFV的5G网络架构实现按需组网的一种重要技术.通过分析5G主要场景,提出了SDN/NFV架构下一种基于GA-PSO优化的网络切片编排算法.该算法利用粒子群算法能够快速收敛于全局最优解的特性,设计网络切片性能的评价函数.并且利用遗传算法快速随机搜索的能力,实现对网络切片的更新和优化,利用粒子群追逐局部最优解与全局最优解得到最优网络切片.仿真实验结果表明,该算法能够实现对多业务场景网络切片的个性化创建,充分发挥SDN的集中控制方式的优点,在降低网络能耗的同时,提高网络资源利用率.     

基于多元优化算法的路径规划

本文提出了一种基于多元优化算法和贝塞尔曲线的启发式智能路径规划方法.该方法通过用贝塞尔曲线描述路径的方法把路径规划问题转化成最优化问题.然后,使用多元优化算法来寻找最优的贝塞尔曲线控制点以获得最优路径.多元优化算法智能搜素个体协同合作交替的对解空间进行全局、局部迭代搜索以找到最优解.多元优化算法的搜索个体（元）按照分工不同可以分为全局元和局部元.在一次迭代中,全局元首先探索整个解空间以找出更优的潜在解区域.然后,局部元在各个潜在解区域进行局部开采以改善解质量.可见,搜索元具有分工不同的多元化特点,多元优化算法也就因此而得名.分工不同的搜索元之间高效的沟通和合作保证了多元优化算法的良好性能.为了评估多元优化算法的性能,我们基于标准测试地图比较了多元优化算法与其它三种经典启发式智能路径规划算法.结果表明,我们提出的方法在最优性,稳定性和有效性上方面优于其它方法.     

太阳能溴化锂吸收式空调性能测试分析

太阳能溴化锂吸收式空调制冷是解决建筑节能降耗和太阳能建筑供能推广应用的重要途径。通过对太阳能热源系统、空调机组制冷系统的性能测试,确定了太阳能吸收式空调的制冷能力和太阳能辐照、冷冻出水温度及水循环流量之间的关系。在太阳能辐照度为700 W/m2、热源供水温度在75℃以上的工况下,溴化锂吸收式空调机组的COP达到0.65左右。太阳能空调内的真空环境和溶液管理措施是影响机组制冷性能的重要因素。     

改进蚁群算法在空调冷冻水系统中的应用研究

针对空调冷冻水系统存在的时间滞后、多干扰等特点和传统PID控制器控制效果不佳等问题进行了控制策略的优化。将改进蚁群PID控制器应用于冷冻水系统中,并对蚁群算法在寻优时易出现的停滞现象进行改进。最后,通过Matlab软件进行仿真实验,表明了基于改进蚁群算法PID控制的冷冻水系统有效地改善了控制环节的惯性大、时间滞后等问题,提高了系统的准确性与稳定性。     

基于变频技术的中央空调冷却水循环系统改造设计

基于变频技术,对中央空调的冷却水循环系统实施改造。分析了中央空调系统的运行中出现的高能耗问题,阐述了水泵的变频节能控制原理,继而给出了PID调节的温差闭环控制设计方案,最后设计了变频器和PLC的控制电路。本研究为设计或使用部门对中央空调的改造提供一定借鉴。     

基于自适应SAGA的测试数据自动生成

结合遗传算法（GA）的并行搜索结构和模拟退火（SA）的概率突跳性，并结合使用自适应的交叉算子和变异算子，提出了一种高效的自适应的SAGA混合优化算法。在自主开发的结构性测试工具WBoxTool中，使用自适应SAGA混合优化策略进行测试数据自动生成，并通过实例对基本遗传算法、自适应遗传算法和自适应SAGA进行了比较，结果表明自适应SAGA具有更强的搜索能力，可以更快的发现全局最优解。     

个体化微环境空气调节系统的研究评述与分析

传统的集中式空气调节方式不能满足室内人员的个别舒适度,也会造成空调能源的浪费,而个体化空气调节有很大优越性。因此人们对个体化微环境作了很多的研究,热环境、空气品质和系统能耗是研究和探讨的主要方面。评述了当前个体化微环境空气调节的研究现状,讨论了个体化空调方式的优势。     

储能优化技术在太阳能路灯系统中的应用

将蓄电池飞轮储能模型应用于太阳能路灯系统中。该模型以成本最小化为目标,以系统的稳定性、实用性和低能耗为约束条件,分别采用线性规划和遗传算法对所建的数学模型进行优化计算。研究结果表明,2种优化方法均能找到稳定的最优解,且遗传算法优于线性规划算法。     

采用变频器的中央空调系统节能方法

中国南方地区由于特殊的地理条件,中央空调的使用时间较长。且冬夏空调循环水量差别过大,循环水泵冬季运行极不经济,能源浪费大。采用变频器的中央空调系统可以实现运行平稳,达到节约能源的目的。     

医院空调节能途径与措施研究

医院属于基础公共卫生场所,必然会提供基础服务.医院的空调能耗占据较多,接近医院总能耗的二分之一.为了降低医院空调系统能耗,也为病患和工作人员提供一个良好、舒适、清洁的环境,医院对于空调节能要深入研究分析,以探寻出可行的节能措施.本文首先分析了医院空调节能的重要性,其次,就医院空调节能途径与措施进行了细致分析,期望为医疗事业的发展略尽一份力量.     

基于混合优化算法的纳米薄膜参数表征

为了在椭圆偏振测量过程中得到精确的纳米薄膜参数,提出了一种求解纳米薄膜参数的混合优化算法。结合人工神经网络算法反向传播和粒子群算法快速寻优的特点,建立了改进粒子群-神经网络(Improved Particle Swarm Optimization-Neural Network,IPSO-NN)混合优化算法。该算法在较少的迭代次数下具有快速跳出局部最优解的能力,从而快速寻找椭偏方程最优解。文中使用该算法对标称值为(26.7±0.4)nm的硅上二氧化硅纳米薄膜厚度标准样片进行薄膜参数计算。结果表明:采用IPSO-NN混合优化算法计算薄膜厚度时相对误差小于2%,折射率误差小于0.1。同时,文中通过实验对比了传统粒子群算法与IPSO-NN算法,验证了IPSO-NN算法计算薄膜参数时能有效优化迭代次数和寻找最优解的过程,实现快速收敛,提高计算效率。