均匀设计在粒子群算法参数设定中的应用

针对依靠经验和试验来确定粒子群优化算法中的参数设定方法存在试验工作量大且难以得到最优的参数组合的问题,提出了一种改进的粒子群算法,该算法利用均匀设计的思想设定算法的最优组合参数,把参数设定问题描述为均匀试验设计中多因素多水平优化设计问题,从而能够以较少试验很快设定算法参数的取值,以使算法获得最优性能。仿真试验表明,利用均匀设计得到的参数组合可使粒子群算法获得稳健和高效的优化效果,说明了该方法的可行性和有效性,且可以推广到其他算法参数的设定。     

基于均匀设计的差分进化算法的参数设定

差分进化算法参数的设定多采用经验选取方式,其缺点是试验运行量大以及难以得到最优参数组合,从而在很大程度上影响了算法的寻优能力。将均匀设计的试验方法引入差分进化算法的参数设定中,通过对单峰函数、多峰函数和病态函数等3种不同类型的标准测试函数进行均匀设计试验,找出适合不同类型标准测试函数的最优参数组合,从而达到对差分进化算法的参数进行设定的目的。结果显示,将经过均匀设计试验得到的两组最优的参数组合用于差分进化算法时,所获得的平均全局最优解为4.3215,平均标准差为3.650。可见,利用均匀试验设计方法对基本差分进化算法的参数进行设定是可行且有效的,同时具有较好的稳定性。     

基于均匀设计和混沌理论的蚁群算法参数调整

蚁群算法中参数选择不当会直接影响算法的全局收敛性和求解效率。为此,分析各参数对算法性能的影响,提出确定蚁群算法参数最优组合的两阶段法,在离线调整阶段将蚁群算法基本模型的参数设定问题描述成多因素多水平的均匀设计,然后在在线调整阶段引入混沌扰动以避免搜索过程陷入局部极值。实验结果表明,两阶段法发现最优解的能力明显优于在线调整前的蚁群算法。     

求解旅行商问题的遗传算法参数的均匀设计

遗传算法的参数设置通常是依靠经验和试验来确定,造成试验工作量大且难以得到最优的参数组合,影响了算法的使用。通过将遗传算法基本模型的参数设定问题描述成均匀设计中多因素多水平的试验设计,从而能够用较少的试验很快设定算法参数的取值。仿真试验表明该方法的可行性和有效性。     

免疫克隆算法参数的均匀设计

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统,本文介绍了人工免疫系统中的克隆选择原理。免疫克隆算法的参数设置通常是依靠经验和试验来确定,造成试验工作量大且难以得到最优的参数组合,影响了算法的使用。通过将免疫算法基本模型的参数设定问题描述成均匀设计中多因素、多水平的试验设计,从而能够用较少的试验很快 快设定算法参数的取值。仿真试验表明了该方法的可行性和有效性。     

遗传算法调整蚁群算法参数模型研究

由于蚁群算法参数取值范围的不确定性和参数之间的相互影响性,如何确定待解决问题蚁群算法的最优组合参数使得其求解性能最优成为一个难题,至今对该问题还没有完善的理论依据,大多数情况下是通过反复试验试凑得到。根据这些问题,通过平衡蚁群算法探索和开发能力,建立算法性能评价目标函数,采用遗传算法对蚁群参数进行求解,从而得到一组性能较佳的组合参数。基于经典TSP问题进行试验模拟,仿真实验结果表明,该模型能够有效地确定蚁群算法参数,为蚁群算法组合参数的选择提供了一种可行方案。     

改进型蚁群算法参数优化研究

研究在不使用局部搜索情况下参数组合对改进型蚁群算法的影响。以带时间窗的车辆路径问题为例,针对基于最大最小蚁群算法的改进蚁群算法中的五个参数,运用均匀设计法对最优参数配置问题进行了研究。仿真实验表明改进的蚁群算法效果明显,能有效解决Solomon数据集中的R类和RC类问题,且具有较强的鲁棒性。对最优参数的局部调整没有明显提高算法获取最优解能力的问题,分析了其可能的原因。     

用带蚁群搜索的多种群遗传算法求解作业车间调度问题

结合遗传算法和蚁群算法的优点，提出一种带蚁群搜索的多种群遗传算法．多个种群各自遗传进化，用蚁群搜索得到的解替代各种群中的较劣个体，增加种群的多样性，提高种群的质量；根据各种群最优个体设定初始信息素，大大缩短信息素的累积过程，加快蚁群搜索的速度．利用算法对典型作业车间调度问题进行求解,仿真计算结果表明,该算法是有效的.     

基于正交实验的蚁群算法在车间调度问题中的应用

提出用正交实验的方法来设置蚁群算法在求解车间调度问题的参数。蚁群算法在求解车间调度问题时的性能大部分依赖于参数的设置,各参数的值不同,则蚁群算法的收敛速度和得到的解也不同,使用正交实验的方法来测试各个参数对蚁群算法性能的影响,通过对实验结果的分析可得出参数的最佳组合方案。用经典的JSP的样例对这种组合方案进行了测试,实验结果表明用正交实验法得到的蚁群算法的参数设置方案可以加快算法的收敛速度,使算法能够得到问题的最优解或近似最优解。     

蚁群算法和免疫算法的融合及其应用

蚁群算法作为一种启发式算法，其参数组合一般是通过大量实验取得的。文中将免疫算法和蚁群算法相结合，即用免疫算法来求得蚁群算法中关键参数的较优组合，以增强蚁群算法的有效性。通过求解QoS单播受限路由问题的仿真实验，表明融合算法是有效的。     

水力测功器转矩控制器的设计与试验研究

从理论上对发动机水力测功器试验台架中负载转矩的有效控制问题进行了深入研究,基于P87LPC769完成了转矩控制器的硬件设计,在借助工控机及 Matlab/RTW实时仿真控制平台进行控制策略调试的基础上,完成了控制器软件设计,配机试验结果表明了转矩控制器及其控制策略的有效性.     

蚁群算法求解函数优化中的参数设置

蚁群算法的参数设置一直是依靠经验和实验来确定,造成实验工作量大且难以得到最优的参数组合,影响了算法的使用。从基本蚂蚁算法出发,结合实验结果,讨论了α、β及ρ的变化对实验结果的影响,提出了相应的参数改进方案。并将经此方案修正的蚂蚁算法与基本蚂蚁算法同时运用于经典函数优化问题中,对仿真结果进行了对比。     

组合的测试用例设计与评价方法

在软件开发过程中,软件测试成为唯一的选择,在保证软件质量前提下,设计与工程人员的首要工作就是降低测试用例数量,优化测试用例设计,减轻测试工作量。提出组合测试技术和正交实验方法在软件测试中的应用方法,分析了成对组合的测试用例方法,设计了测试用例的生成方法,设计测试评价方法。在一应用系统的负载测试实验中,使用R法和方差分析方法,分析了网络带宽、处理器速度、并发用户等负载因素对系统响应时间的影响,确定最优的性能指标和测试组合。     

蚂蚁数和α、β的设置在求解函数优化中的影响

蚁群算法的参数设置一直是依靠经验和实验来确定,造成实验工作量大且难以得到最优的参数组合,影响了算法的使用。从基本蚂蚁算法出发,结合实验结果,讨论了α、β及蚂蚁数的变化对实验结果的影响,提出了相应的参数选择方案,有较好的实用价值。     

On optimization of finite-difference time-domain (FDTD) computation on heterogeneous and GPU clusters

A model for the computational cost of the finite-difference time-domain (FDTD) method irrespective of implementation details or the application domain is given. The model is used to formalize the problem of optimal distribution of computational load to an arbitrary set of resources across a heterogeneous cluster. We show that the problem can be formulated as a minimax optimization problem and derive analytic lower bounds for the computational cost. The work provides insight into optimal design of FDTD parallel software. Our formulation of the load distribution problem takes simultaneously into account the computational and communication costs. We demonstrate that significant performance gains, as much as 75%, can be achieved by proper load distribution.     

Design sensitivity analysis of multi-span non-linear elastic beam–columns with elastic supports

The incremental problem arising from the design perturbation of a materially non-linear elastic beam–column with intermediate supports and elastic end supports is formulated via a second variation of the potential energy functional, augmented with constraint conditions. Design variables are distributed parameters (bending stiffness and transverse load), discrete (compression force, end points dead loads and elasticity of supports) and domain (length and intermediate support points). The state variables perturbations are the solution of an incremental BVP (equilibrium differential equation, static, kinematic and jump conditions) derived from an incremental virtual work equation. A sensitivity formula is obtained by the adjoint method.     

Design of a controller for a multivariable system with varying parameters using the extended direct Nyquist array

The extended direct Nyquist-array design method is used to design a controller for a gas-turbine-powered marine propulsion plant, the parameters of which are dependent upon load conditions. Non-linear simulation results for the compensated system are presented and compared with the non-linear responses obtained using a conventional controller and also a multivariable gain-scheduled controller developed in previous work.     

Predictive adaptive control of multiple robots in cooperative motion

In this paper we address the problem of controlling multiple non redundant robots manipulating a rigid object cooperatively when the parameters of the robots and the parameters of the load are uncertain. We propose a controller that takes into account the dynamics of both the load and the manipulators. The linearity of the dynamics of the robots and the load, with respect to the unknown parameters, is exploited during the derivation of the parameter's adaptation scheme. In order to design control and update laws that do not require the measurements of the joint accelerations or the load acceleration, the dynamics of both the robots and the load are filtered through a stable first order filter. Two prediction error vectors are then defined as the difference between the measured filtered dynamics and the predicted filtered dynamics of both the robots and the load. The least-squares estimation method or gradient method can be used to estimate the parameters of the multi-robot system from the prediction errors. We then develop a controller that is based on the cancellation of the nonlinearities. The proposed controller guarantees asymptotic tracking of the load trajectories and also guarantees asymptotic tracking of the internal forces trajectories.