涡扇发动机最优加速控制规律

关于涡扇发动机最优加速控问题,由于状态系统存在较强的非线性,控制性能差,改善发动机加速性,传统非线性规划算法求解过程中因采用罚函数处理约束条件而无法充分搜索控制参数的可行域。为提高系统性能,并充分挖掘发动机的加速特性,采用Sigma方法的多目标粒子群算法求解。可以在带限制因子的粒子群算法的基础上,利用粒子群算法的快速寻优能力和Sigma方法沿约束边界的充分搜索方法,求解发动机加速过程中控制参数,并进行仿真。结果证明,采用多目标粒子群算法优化后,加速时间缩短了约2.01s,结果表明改进方法是可行的,能在确保发动机安全工作的前提下,进一步提升了发动机的加速性能。     

概率表示的二进制粒子群算法在组卷中的应用

在组卷优化问题的研究中,组卷受到多约束条件的限制。为提高在线考试系统中试卷的质量,提出采用概率表示的二进制粒子群优化算法(BPSO)的智能组卷策略,采用粒子群优化算法有效克服遗传算法的局部搜索能力差,以及导致"早熟"和收敛速度不理想等缺陷。在标准粒子群算法基础上,利用贝叶斯公式对粒子群算法进行改进,克服人为因素对算法收敛速度的影响,同时算法的时间性能和空间性能得到进一步提升。通过仿真证明改进算法是一种切实可行的组卷策略。     

基于改进蚁群算法的模糊控制器优化设计

研究控制器优化问题,由于模糊控制系统参数无法同时优化,使得系统选择参数困难,使系统控制效果存在一定的缺陷,安全性和可靠性降低。为解决上述问题,提出了一种多种群进化蚁群算法对模糊控制器优化设计。采用懒蚂蚁效应的改进蚁群算法进行优化,在传统蚁群算法的基础上,采用多个种群并行,对算法的初始化、路径构建以及信息素更新改进,并引入到模糊控制器的隶属函数、模糊规则的优化搜索中,搜索出适应于不同控制阶段的模糊控制器参数及控制规则,并进行仿真。仿真结果证明了改进算法对模糊控制器的参数具有良好的搜索速度和精度,使系统有很强的鲁棒性。     

太阳能电池组件层压机温度控制系统参数优化

基于PID参数二次整定方法,通过现场试验,分步骤的对层压机温度控制系统进行了调整和优化,得到了适合某型号太阳能电池组件层压机的最佳PID控制参数,使得层压温度稳态误差均值由0.45降低为0.046,动态波动范围由1.9降低为0.2,改进效果显著。根据太阳能电池组件性能指标的研究发现,组件气泡,EVA的交联度和撕拉强度等太阳能电池组件的重要性能指标都与温度控制精度密切相关,因此所做的控制系统参数优化对于减少太阳能电池组件的气泡,增强EVA的交联度和撕拉强度有重要意义。需在中英文摘要中补充量纲!     

利用开源系统优化数字图书馆的高级应用

在信息急剧膨胀的今天,中国图书馆界已跨入数字图书馆阶段,但图书馆的技术力量相对薄弱,其服务手段和技术仍不能满足需要速成服务的读者,数字图书馆不能仅仅以搜索框的形式被动出现,图书馆人必须改善条件,应用新的技术来应对新的需求。本文将介绍一种技术:Drupal,并在此基础上优化数字图书馆的高级应用。     

混合计算智能算法在WSN路由优化中的应用

研究无线传感器(WSN)路由优化问题,传统路由过程传感器能量消耗过大,就会造成节点的早死亡。如不能提供很好的节点能量,使网络生存困难。为了减少WSN能量消耗,延长网络生存时间,提出一种利用混合计算智能优化算法。采用遗传算法全局快速收敛优点,并融入蚁群算法的每一次迭代中,加快蚁群算法收敛速度,达到具有很强的全局搜索能力,最后对WSN路由优化问题求解。仿真结果表明,混合智能算法提高了节点能量利用效率,延长了网络生存时间。     

用正弦函数描述非线性惯性权重的微粒群算法

为改进标准微粒子群算法,提出了一种用Sin函数非线性描述惯性权重动态调整微粒群的方法。由于原算法存在早熟收敛和搜索效率低,提出改进基本微粒群算法的惯性权重参数,将微粒群算法中的惯性权重用正弦函数来描述,通过对粒子位置和速度进行自适应非线性调整,使算法在前期阶段具有较快的收敛速度,在算法后期局部搜索能力也不错,减少了微粒陷入局部极值的机会,使结果收敛于全局最优解,为了验证算法的有效性,采用Shaffer’s F6和Levy No.5函数进行测试,实验结果表明,新方法具有比较好的效果。     

粒子群算法的物流配送路径优化研究

研究物流配送路径优化问题,物流配送路径优化要找到一条配送车辆少,路径总长度最短的最优配送路线,并具有配送快速性。传统算法搜索最优路线时间长,难以找到最优配送路线,导致物流配送成本高。为了提高快速找到物流配送路径最优配送路线,提高物流服务质量,提出一种粒子群算法的物流配送路径优化方法。首先根据物流配送路径问题的数学模型,然后全局搜索速度快的粒子群算法对模型进行求解,找到物流最优配送路线,最后通过具体实例进行仿真测试,结果表明,粒子群算法不仅能够快速找到物流配送路径最优配送路线,同时获得的路长总长度最短,有效降低物流配送成本。     

选择性集成算法分类与比较

选择性集成是当前机器学习领域的研究热点之一。由于选择性集成属于NP"难"问题,人们多利用启发式方法将选择性集成转化为其他问题来求得近似最优解,因为各种算法的出发点和描述角度各不相同,现有的大量选择性集成算法显得繁杂而没有规律。为便于研究人员迅速了解和应用本领域的最新进展,本文根据选择过程中核心策略的特征将选择性集成算法分为四类,即迭代优化法、排名法、分簇法、模式挖掘法;然后利用UCI数据库的20个常用数据集,从预测性能、选择时间、结果集成分类器大小三个方面对这些典型算法进行了实验比较;最后总结了各类方法的优缺点,并展望了选择性集成的未来研究重点。     

基于遗传算法的防止无线移动网络路由攻击策略

在无线移动网络中,恶意节点可以通过发送虚假信息和假路由信息、广播假链接等中断路由操作对网络进行攻击。本文在分析了几种常见路由攻击的基础上,提出了一种基于遗传算法的路由优化策略。实验数据表明,这种优化策略可以较好地预防路由攻击,提高网络的整体性能。