RAD计划推出EtherAccess战略的第二阶段

近日,在日内瓦举行的运营商级以太网世界大会上,RAD数据通信公司宣布推出EtherAccess战略的第二阶段。第二阶段将支持以太网虚拟专线（EVPL）和以太网专线（EPL）,E-Line和E-LAN服务采用基本的802．1ag标准,以太网OAM通过光纤、DSL和铜绞线电路进行部署。[第一段]     

一种求解F检验临界值的迭代算法

本文利用Beta分布与F分布之间的关系,获得了一种基于二阶展开求解F检验临界值的迭代算法,并给出具体算例证实了这是一种较为快速而行之有效的方法。     

微粒群算法的参数选择及收敛性分析

微粒群算法是相对较新颖的优化算法,已经成功应用于许多优化问题。然而算法的参数选择及收敛性分析研究不足,为此首先认真研究了现有微粒群算法粒子轨迹及其收敛性的文献,在此基础上,根据递减惯性权重和递增惯性权重微粒群算法各自的特点,结合算法的收敛区间,提出了一种具有先增后减惯性权重的新的微粒群算法,既保留了具有递增和递减惯性权重的优点,也克服了它们的缺点,取得了比较好的效果。     

簇中心初始选择策略与更新异权机制相耦合的MDBA算法

在聚类任务中,初始簇中心的选取和更新方式影响聚类结果的准确性.针对现有DBA算法初始簇中心选择的不确定性、簇中心更新序列的差异性以及算法复杂度高、收敛性差等问题,提出了一种融合簇中心初始选择策略与更新异权机制的MDBA算法.MDBA算法针对DBA算法中初始簇中心选取的不确定性问题,通过选取数据集中惯性最小的时间序列作为...     

引导交叉——一种新的遗传交叉策略

介绍了遗传算法的优化方法,在已经存在的交叉算子上提出了一种新的交叉算子——引导交叉,它结合了异位交叉和等位交叉的特点,并加入个体反码表示形式,在执行交叉操作前有一个自适应的选择交叉方式的判断,给出了5组不同的测试函数的仿真实验。实验结果表明,引导交叉算子可比其他交叉算子更有效地提高遗传算法的收敛性,且易于找到全局最优解。     

Pi-sigma神经网络混合学习算法及收敛性分析

将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力,又利用了单纯型法的局部搜索能力,因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解,而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。     

基于定向爬山的遗传算法

爬山法是一种局部搜索能力相当好的算法,主要是因为它是通过个体的优劣信息来引导搜索的。而传统的遗传算法作为一种全局搜索算法,在搜索过程中却没有考虑个体间的信息,而仅依靠个体适应度来引导搜索,使得算法的收敛性受到限制。将定向爬山机制应用于遗传算法,提出了一种基于定向爬山的遗传算法（OHCGA）。该算法结合了爬山法与遗传算法的优点,通过比较个体的优劣,使用定向爬山操作引导算法向更优秀的解区域进行搜索。实验结果表明,与传统遗传算法（TGA）相比,OHCGA较大地提高了算法的收敛速度和搜索最优解的能力。     

三级管道流水线算法实现红外点目标跟踪

针对海空复杂背景下舰载光电跟踪仪的红外点目标检测跟踪问题,本文研究了一种基于三级流水管道的点目标轨迹检测与跟踪算法.该算法针对由光电跟踪仪实际拍摄的红外图像的二值分割图,利用第一、二级流水管道,完成对二值图像的二阶相关,实现更为有效的滤波除噪.利用第三级基于"或运算"的目标检测管道搜索目标点和进行目标点的准确定位,从而实现了从序列图像中可靠检测和跟踪点目标的目的.本文采用舰载光电跟踪仪实拍的红外图像,进行了实际的工程验证.结果说明,工程验证的结果与实验仿真结果相吻合,算法是可行的.     

求解非线性方程组的记忆梯度算法

本文给出了一种求解非线性方程组的新算法-记忆梯度算法,该算法采用迭代形式,每步迭代不仅利用了当前点的迭代信息,而且利用了前一迭代点的信息,使算法更具稳定性,本文还证明了该算法的全局收敛性.     

活塞动力学二阶运动的仿真方法与试验研究

采用多体动力学在时间域内迭代计算活塞、缸套及润滑油膜相互耦合子系统的运动学与动力学方程,在考虑活塞体径向刚度、活塞体及缸套冷热态型面的影响下,得到活塞主、副推力侧实际工况下的热态配缸间隙;动力学仿真方法计算出活塞二阶运动结果,包括:活塞主、副推力面间换向的径向运动和绕活塞销的转动;二阶运动对缸套的动态敲击力作为载荷边界条件施加在有限元模型上,计算出气缸体在活塞敲击下的振动响应;同时,在发动机台架上对气缸体两侧的活塞敲击处布置加速度传感器、以及布置缸内爆压传感器和上止点位置测量得到气缸体结构振动响应,试验结果验证了仿真模型的有效性.