求解SAT问题的拟人退火算法

该文利用一个简单的变换，将可满足性（SAT）问题转换为一个求相应目标函数最小值的优化问题，提出了一种用于跳出局部陷阱的拟人策略，基于模拟退火算法和拟人策略，为SAT问题的高效近注解得出了拟人退火算法（PA），该方法不仅具有模拟退火算法的全局收敛性质，而且具有一定的并行性，继承性。数值实验表明，对于本文随机产生的测试问题例，采用拟人策略的模拟退火算法的结果优于局部搜索算法，模拟退火算法以及近来国际上流行的WALKSAT算法，因此拟人退火算法是可行的和有效的。     

WDM双环网上Hopfield网的波长分配*

基于WDM双环网,讨论了在其上实现Hopfield通信模式的波长分配问题,提出了一种路由策略及波长分配方案.在此基础上给出了实现Hopfield算法所需的波长数.     

基于局部进化的Hopfield神经网络的优化计算方法

提出一种基于局部进化的Hopfield神经网络优化计算方法，该方法将遗传算法和Hopfield神经网络结合在一起，克服了Hopfield神经网络易收敛到局部最优值的缺点，以及遗传算法收敛速度慢的缺点。该方法首先由Hopfield神经网络进行状态方程的迭代计算降低网络能量，收敛后的Hopfield神经网络在局部范围内进行遗传算法寻优，以跳出可能的局部最优值陷阱，再由Hopfield神经网络进一步迭代优化。这种局部进化的Hopfield神经网络优化计算方法尤其适合于大规模的优化问题，对图像分割问题和规模较大的200城市旅行商问题的优化计算结果表明，其全局收敛率和收敛速度明显提高。     

用改进的竞争Hopfield神经网络求解多边形近似问题

多边形近似是提取曲线特征点和简化曲线描述的一种重要方法.提出一种改进的Hopfield神经网络多边形近似算法,该算法利用选择拐点策略减少了搜索空间,重新定义了神经网络的能量函数,使其更能反映优化目标;引?入合并拆分搜索策略,有效帮助神经网络脱离局部最小值.实验结果表明,提出的改进算法是有效的,比其它算法如关键点检测法、竞争Hopfield神经网络、混沌Hopfield神经网络、遗传算法等具有更优的性能.     

用改进的竞争Hopfieid神经网络求解多边形近似问题

多边形近似是提取曲线特征点和简化曲线描述的一种重要方法。提出一种改进的Hopfield神经网络多边形近似算法,该算法利用选择拐点策略减少了搜索空间,重新定义了神经网络的能量函数,使其更能反映优化目标;引入合并拆分搜索策略,有效帮助神经网络脱离局部最小值。实验结果表明,提出的改进算法是有效的,比其它算法如关键点检测法、竞争Hopfield神经网络、混沌Hopfield神经网络、遗传算法等具有更优的性能。     

非对称Hopfield网络稳定性分析

Hopfield神经网络是迄今得到最广泛应用的神经网络模型之一，而这些应用极大地依赖于神经网络的动态特性。对于对称Hopfield网络，已有很多成熟的判定其稳定性的方法。对非对称Hopfield神经网络，提出了一种有效的方法来研究这种网络的全局稳定性，并又给出了其稳定性条件。应用所提供的方法很容易对非对称Hopfield神经网络的局部稳定性进行分析。     

基于生物功能的拟人控制系统的平行体系

本文从系统学、生物学的功能划分基础上，提出了拟人控制系统的平行体系。平行体系是由拟人神经控制系统PCS2／N．拟人内分泌控制系统PCS2／E，拟人呼吸控制系统PCS2／Res,拟人消化控制系统PCS2／D，拟人生殖控制系统PCS2／Rep，拟人运动控制系统PCS2／M．拟人泌尿控制承统PCS2／U，拟人血液循环控制系统PCS2／BC构成的。     

蛋白质结构预测的拟物拟人算法研究*

根据国际上最新提出的蛋白质结构预测问题的三维欧氏空间连续模型,找到了相应的物理模型,并且设计了适当的拟人策略,形成了相应的拟物拟人算法.     

三维装箱问题的组合启发式算法

通过组合拟人启发式和模拟退火算法,提出了三维装箱问题的组合启发式算法.拟人启发式算法的主要思想来源于日常砌墙中的策略.利用找点法以及水平和垂直参考线规则来控制装填过程.用模拟退火算法改进拟人启发式.经过一些数据的测试,实验结果表明,该算法能够同文献中的优秀算法竞争.     

改进的Hopfield网络图像复原

基于对图像恢复Paik的Hopfield网络模型的分析，对图像复原提出了一种改进的基于连续函数的全并行自反馈Hopfield网络，通过引入计算的参数γ，而不是按照实验或经验获得，可以使网络收敛速度更快。改进后的Hopfield网络模型对退化图像的复原结果与J.K. Paik的方法比较，结果表明此算法使图像复原处理更快，并且图像恢复效果好。与固定参数γ比较显示，计算出的参数γ对网络有更好的收敛速度。     

SPARC体系结构的操作系统仿真器实现方法研究

在CPU的研制阶段通常也要同时进行操作系统的开发,为在新型CPU问世之前运行和调试目标操作系统,就必须开发支持操作系统功能的CPU仿真器。文章针对一种正在研制的基于SPARC体系结构的CPU,提出了操作系统仿真器的两种实现方案,然后对其中一种相对可行的方案进行了深入研究,并总结了开发过程中解决的一些实际问题。     

一种换热器的变PID参数的整定方法及其实现

在分析换热器热传导过程特性的基础上,讨论了负荷干扰对热器热传导的影响,针对换热器的特性参数随负荷变化而变化的特性,提出一种实时改变控制器PID参数的控制方案,并用KMM可编程调节器加以实现。实验表明,该方案比较常规、固定PID参数的控制系统的抗干扰能力强。     

双馈风力发电机无速度传感器控制研究

间接利用定子、转子电流间的比例关系,分析转子电流和转子位置观测之间的关系,提出了一种基于PQ 功率转子位置观测法的DFIG 矢量控制策略,这种控制策略克服了其他速度观测方式在同步速运行时观测不准的缺陷,具有较宽广的运行范围,能够取得与有速度传感器控制相似的稳态性能。最后构建了DFIG 仿真与实验平台,对所述无位置传感器控制策略进行了仿真与实验验证。仿真结果和试验结果证明了这个控制方法的正确性与有效性。     

基于混沌粒子群算法和Hopfield网络求解TSP问题

针对Hopfield网络求解TSP问题经常出现局部最优解,该文将混沌粒子群算法（PSO）与之结合,提出一种基于混沌粒子群的Hopfield神经网络方法。通过实验将其与文献[5,8]以及“PSO＋HNN”策略比较,验证了该文算法不仅能够以更大概率收敛到全局最优,而且耗时更少。     

Solving large scale combinatorial optimisation problems based on a divide and conquer strategy

A Hopfield neural network for a large scale problem optimisation poses difficulties due to the issues of stability and the determination of network parameters. In this paper, we introduce the concept of a divide and conquer algorithm to solve large scale optimisation problems using the Hopfield neural network. This paper also introduces the Grossberg Regularity Detector (GRD) neural network as a partition tool. This neural network based partition tool has the advantages of reducing the complexity of partition selection as well as removing the recursive division process during the divide and conquer operation. A large scale combinatorial optimisation problem (i.e. sequence-dependent set-up time minimisation problem with a large number of parts (N> 100)) is linearly partitioned into smaller sets of sub-problems based on their similarity relations. With a large number of parts (N>100), the problem could not effectively be verified with other methods, such as the heuristic or branch and bound methods. Hence, the effectiveness of the divide and conquer strategy implemented by the GRD neural network in conjunction with a Hopfield neural network was benchmarked against the first-come first-serve method, and the Hopfield neural network based on arbitrary separations. The results showed that the divide and conquer strategy of the GRD neural network was far superior to the other methods.     

基于混沌粒子群算法和Hopfield网络求解TSP问题

针对Hopfield网络求解TSP问题经常出现局部最优解,该文将混沌粒子群算法(PSO)与之结合,提出一种基于混沌粒子群的Hopfield神经网络方法。通过实验将其与文献[5,8]以及"PSO+HNN"策略比较,验证了该文算法不仅能够以更大概率收敛到全局最优,而且耗时更少。     

基于混合神经网络的车辆路径模型研究

为有效解决现代物流配送中的车辆路径问题,发挥BP神经网络在解决分类问题和Hopfield神经网络在解决组合优化问题中的优势,依据"分而治之"策略提出了基于混合神经网络的优化模型。通过BP神经网络对一个配送中心范围内的多个配送点进行区域划分,在各子区域内使用Hopfield神经网络求得最优配送路径,从而得到质量较高的解和较快的收敛速度。基于Matlab的仿真实验结果表明,与传统的爬山算法、遗传算法相比,该模型能够获得性能更好的全局最优解。     

Ad Hoc网络锚位置管理策略

在移动Ad hoc网络中,由于网络的自组织性、节点的频繁移动以及节点数目的增加,网络的开销迅速增大,这就直接影响到网络的可扩展性。目前,在移动Ad Hoc网络中越来越多地引入了位置管理的策略,以达到减少网络开销的目的。引入锚策略的思想,提出了一种新的位置管理策略。在这种锚策略下,离家乡区域较远节点的位置更新不需报告它的家乡区域,该节点只需把位置更新信息登记到附近的锚区域。通过与其他策略的仿真比较,证明其在性能上具有更好的可扩展性。     

基于混合变异策略的改进差分进化算法及函数优化

针对差分进化算法DE 传统变异策略不能有效平衡全局搜索和局部搜索,并且算 子固定,导致算法早收敛、搜索效率较低。基于DE 变异策略性能,提出一种混合变异策略, 力图平衡算法探索和开发能力,使得前期增强全局搜索,保持种群多样性; 后期偏重局部搜 索,尽快收敛到全局最优值。同时操作算子采用随机正态缩放因子F 和时变交叉概率因子CＲ, 进一步改善算法性能。几个典型Benchmarks 测试函数实验表明: 该改进型差分进化算法能有 效避免早收敛,较好地提高算法的全局收敛能力和搜索效率。