Modelica软件中微分代数方程指标约简算法分析

Modelica 建模软件会产生高指标的微分代数方程(DAE),因为现有数值求解器一般不能直接对高指标DAE进行求解,所以Modelica建模软件必须对高指标DAE进行指标约简.为提高Modelica建模软件性能,针对现有指标约简算法,展开了理论分析和实验比较,着重对负权二部图算法进行了详细分析,并给出了负权二部图算法的时间复杂度.理论分析和实验结果表明,负权二部图算法相对Pantelides算法有较好的性能,因此可以考虑在Modelica建模软件中使用负权二部图算法来提高性能.     

基于模型的机组组合两阶段启发式算法

针对同时考虑机组爬坡速率约束和系统安全约束的机组组合问题,提出一个基于模型的两阶段启发式算法.第1阶段确定可行的机组启停状态,首先构造初始启停状态,并根据模型检验初始启停状态是否可行,如果不可行,则通过目标函数的线性近似和约束松弛构造问题的松弛模型,并将其用于可行化机组的启停状态;第2阶段利用经济分配模型确定机组的输出功率.基于118-母线电力系统的测试验证了所提出算法的有效性和鲁棒性.     

组合查询的组合算法

在数据库运用中,多重条件查询运用越来越普遍,多重条件必须按照一定规则组合才能使查询得出正确结果,而组合方式可能有许多种,到底哪一种组合更优呢?这就是该文要探讨的问题。文章先分析了组合查询的层次性,进而介绍了一种能定量比较查询效率的算法——组合查询树算法,该算法通过计算比较组合查询树的带权路径长度有效地度量每一种组合。     

蚁群算法参数分析与组合优化设置研究

文章对蚁群算法中影响算法性能的参数进行了分析、研究和仿真,通过分析与仿真得出了算法中各参数的最佳取值范围和组合优化设置,参数的组合优化设置有助于提高蚁群算法的收敛速度,缩短蚁群算法的计算时间,以达到优化算法性能的目的.     

基于QoS的P2P网络服务组合的算法

现有的P2P网络服务缺乏服务质量保证,很难应用于商业领域.将服务质量属性引入P2P网络服务,提出了P2P网络中服务组合模型,并且给出一个基于服务质量的P2P服务组合计算方法.然后提出一种拉格朗日松弛法算法,给出了满足用户服务水平协议的服务组合求解步骤.实验结果表明,提出的拉格朗日松弛法求解P2P服务组合计算的模型有良好的时间性能.     

基于集结投影次梯度的机组组合算法研究

针对大规模电力系统机组组合问题,提出了基于集结投影次梯度方法的分解协调算法.首先在上层通过拉格朗日松弛方法将原问题分解为多个子问题,从而减小了求解问题的复杂度,避免了维数灾问题,同时显著降低了计算时间,使得原问题可以在多项式时间内求解,随后下层子问题采用动态规划方法很容易求最优解.算例仿真结果表明,所采用的集结投影次梯度方法调整拉格朗日乘子,避免了传统次梯度方法振荡现象严重的缺点,同时加快了收敛速度,得到了令人满意的机组组合方案.     

一种基于组合查询的组合算法

在数据库运用中,多重条件查询运用越来越普遍,多重条件必须按照一定规则组合才能使查询得出正确结果,而组合方式可能有许多种,到底哪一种组合更优呢?这就是本文要探讨的问题。本文先分析了组合查询的层次性,进而介绍了一种能定量比较查询效率的算法——组合查询树算法,该算法通过计算比较组合查询树的带权路径长度有效地度量每一种组合。     

指标约简中Gear算法的实现

基于组件的建模有时会产生高指标的微分代数方程(DAE),不能直接求解,需要进行指标约筒.Gear方法是一个经典的指标约简方法,对Gear方法从理论上进行了说明和分析.对于一类具有特殊结构的DAE,提出了Gear方法实现中的优化策略,以降低指标约简后得到的方程规模.把优化后的实现与未优化的实现进行了比对,实验结果表明,优化过的实现方法针对这类特殊的问题确实达到了更好的约简效果.     

萤火虫算法求解多体系统动力学微分-代数方程

针对多体系统动力学微分-代数方程求解问题,研究基于萤火虫算法的求解方法.首先将广义坐标和广义速度进行Lagrange插值,结合Gauss数值积分方法,将微分-代数方程求解问题转化成求解最优化问题.然后用萤火虫算法对问题进行优化求解.最后,通过对平面双连杆机械臂的多体系统仿真实验,验证了萤火虫算法在求解动力学方程中既保持...     

Runtime analysis of an evolutionary algorithm for stochastic multi-objective combinatorial optimization

For stochastic multi-objective combinatorial optimization (SMOCO) problems, the adaptive Pareto sampling (APS) framework has been proposed, which is based on sampling and on the solution of deterministic multi-objective subproblems. We show that when plugging in the well-known simple evolutionary multi-objective optimizer (SEMO) as a subprocedure into APS, ε-dominance has to be used to achieve fast convergence to the Pareto front. Two general theorems are presented indicating how runtime complexity results for APS can be derived from corresponding results for SEMO. This may be a starting point for the runtime analysis of evolutionary SMOCO algorithms.     

求解自适应组合优化蚁群算法的研究

传统的组合优化蚁群算法在求解过程中要消耗大量的时间,极易陷入局部最优化求解等弊端,同时还会产生大量无用的冗余迭代码,运算效率低。对此,提出了自适应组合优化蚁群算法。通过对改变信息素的迭代、参数选择的分析和增加对信息素局部更新方式,提高了整个系统运算速度及收敛速度,扩充了优化的范围,克服了无用迭代码的产生,减少了停滞现象的出现。通过该算法对旅行商问题进行仿真实验,其结果表明了该算法的可行性和有效性。     

物联网和SCADA系统的发展、现状与展望

物联网信息网络技术发展非常迅速,他和SCADA系统应用于众多行业和领域。首先介绍了物联网和SCADA系统的基本概念和特征,其次介绍它们的现状和现行应用中的问题,然后归纳它们的共同点,最后总结出它们的未来发展方向,以及对物联网发展的期待。     

对比色配色方案数字化生成技术的研究

以RGB颜色模式为例,以九宫格为生成对比色目标,利用全组合算法建立数字化配色方案模型,根据不同基值对结果进行设置,完成了无限组合配色方案的有限生成方案。为配色方案图谱提供了一种便捷的生成算法,适合网页设计、平面设计、服装设计,甚至在服装搭配、家居设计和家具搭配等方面都具有应用价值。     

非线性组合的协同过滤推荐算法

协同过滤是目前最流行的个性化推荐技术,但现有算法局限于用户项目评分矩阵,存在稀疏性、冷开始问题,邻居相似性只考虑用户共同评分项目,忽略项目属性、用户特征相关性;同等对待用户不同时间的兴趣偏好,缺乏实时性。针对这些问题,提出一种非线性组合的协同过滤算法,改进基于项目属性、用户特征的邻居相似性计算方法,获得更加准确的最近邻居集;初始预测评分填充矩阵,以增强其稠密性;最终预测评分增加时间权限,使用户最新兴趣权重最大。实验表明,该算法通过有效降低稀疏性、冷开始和实现实时推荐,提高了预测精度。     

一种有效的指纹预处理组合算法

系统分析指纹预处理全过程,在图像初滤波和方向滤波器设计方面提出新见解.结合指纹图像高频丰富的特点,及小波包高频分辨率高的分析特性,采用小波包分析对指纹图像进行初滤波;设计方向滤波器时,对滤波器的旋转引入方-圆变换,减少计算复杂度,同时避免引入误差.对含高斯白噪声指纹图像的实验结果表明,该预处理算法是有效的.     

一种用于求解多目标组合优化的混合遗传算法

为高效求解多目标组合优化问题 ,提出一种进化计算与局部搜索结合的多目标算法。此算法基于个体排序数和密度值进行适应度赋值 ,采用非劣解并行局部搜索策略 ,在解的适应度赋值和局部搜索过程中使用 Pa-reto支配的概念。实验结果表明 ,新算法不仅提高了优化搜索的效率 ,且能够找到更多的近似 Pareto最优解。     

Quantum-inspired evolutionary algorithm for a class of combinatorial optimization

This paper proposes a novel evolutionary algorithm inspired by quantum computing, called a quantum-inspired evolutionary algorithm (QEA), which is based on the concept and principles of quantum computing, such as a quantum bit and superposition of states. Like other evolutionary algorithms, QEA is also characterized by the representation of the individual, evaluation function, and population dynamics. However, instead of binary, numeric, or symbolic representation, QEA uses a Q-bit, defined as the smallest unit of information, for the probabilistic representation and a Q-bit individual as a string of Q-bits. A Q-gate is introduced as a variation operator to drive the individuals toward better solutions. To demonstrate its effectiveness and applicability, experiments were carried out on the knapsack problem, which is a well-known combinatorial optimization problem. The results show that QEA performs well, even with a small population, without premature convergence as compared to the conventional genetic algorithm.     

An immune memory clonal algorithm for numerical and combinatorial optimization

Inspired by the clonal selection theory together with the immune network model, we present a new artificial immune algorithm named the immune memory clonal algorithm (IMCA). The clonal operator, inspired by the immune system, is discussed first. The IMCA includes two versions based on different immune memory mechanisms; they are the adaptive immune memory clonal algorithm (AIMCA) and the immune memory clonal strategy (IMCS). In the AIMCA, the mutation rate and memory unit size of each antibody is adjusted dynamically. The IMCS realizes the evolution of both the antibody population and the memory unit at the same time. By using the clonal selection operator, global searching is effectively combined with local searching. According to the antibody-antibody (Ab-Ab) affinity and the antibody-antigen (Ab-Ag) affinity, The IMCA can adaptively allocate the scale of the memory units and the antibody population. In the experiments, 18 multimodal functions ranging in dimensionality from two, to one thousand and combinatorial optimization problems such as the traveling salesman and knapsack problems (KPs) are used to validate the performance of the IMCA. The computational cost per iteration is presented. Experimental results show that the IMCA has a high convergence speed and a strong ability in enhancing the diversity of the population and avoiding premature convergence to some degree. Theoretical roof is provided that the IMCA is convergent with probability 1.