动态适应布谷鸟搜索算法

介绍一种新的生物启发算法—–布谷鸟搜索(CS)及其相关的L′evy飞行搜索机制.为了进一步提高算法的适应性,将反馈引入算法框架,建立了CS算法参数的闭环控制系统.将Rechenberg的1/5法则作为进化的评价指标,引入学习因子平衡种群的多样性和集中性,提出动态适应布谷鸟算法(DACS).最后,通过数值实验验证了所提出算法的有效性.     

基于免疫粒子群算法的污水处理优化研究

针对污水处理过程所具有的多变量、非线性和大时滞的特点,在污水生化反应过程中提出基于免疫粒子群的参数估计方法。在粒子群进化过程中,引入免疫算法机制,通过抗体与抗原的参数计算来促进或抵制抗体的进化,保证粒子群进化的多样性,指导粒子群的优化过程,克服粒子群算法的早熟现象,加快收敛速度和提高全局寻优能力,成功估计模型参数。应用免疫粒子群算法在各类工程模型确定中有较大的应用潜力。     

交流传动系统理想化仿真方法及假设条件

交流传动系统控制方法研究持前提是必须提出一种理想化的系统仿真方法、文中为电流跟踪型逆变器－交流异步电机传动系统的仿真提供了一系列条件，仿真结果与权威文献吻合证明了该方法的有效性。     

PSO算法在工程优化问题中的应用

粒子群优化算法是群体智能中一个新的分支。该算法本质上是一种随机搜索算法,并能以较大概率收敛到全局最优,特别适用于连续函数的优化。针对工程中的优化问题,将粒子群算法与死亡罚函数法相结合,提出一种求解有约束问题的优化算法。通过与其它算法的比较,表明该算法是一种简单、高效和普适的算法。     

微粒群多元最优信息的模糊自适应规划算法

在静态的微粒群多元最优信息规划模式的基础上，提出了微粒群多元最优信息的模糊自适应规划算法．该算法将模糊逻辑引入微粒群多元最优分布状态的动态规划，以实现多元最优信息间规划比例在寻优过程中的自适应调节，从而能够更大程度地改善其总体寻优性能．以最优和次最优分布信息的规划为例，构造了一种基于单变量两维状态输入模糊控制结构的微粒群模糊自适应规划引导器，并加以仿真计算．     

智能微粒群算法

微粒群算法是继蚁群算法之后提出的又一种新型的进化计算技术，具有典型的群体智能的特性。本文首先介绍微粒群算法，然后在对算法的关键参数进行分析的基础上，从算法的离散二进制表示、参数选择与设计、群体组织与进化以及混合微粒群算法等方面对国内外微粒群算法的研究进展进行综述。     

群体智能应用综述

群体智能是一种在自然界生物群体所表现出的智能现象启发下提出的智能模式.本文从优化问题求解、电力系统、计算机和冶金自动化等领域出发,全面综述了群体智能在其中的应用成果.     

基于Hopfield神经网络的直流传动系统模型参考自适应控制

本文将Hopfield神经网络引入直流传动系统的模型参考自适应控制,通过神经网络模型参考自适应控制器来给出常规双闭环调速系统的速度控制器外环动态输出,使速度控制具有对某些参数变化的一定程度的鲁棒性     

双神经网络直流传动自适应规划控制

将Ｈｏｐｆｉｅｌｄ神经网络引入直流传动系统的自适应控制中,构成了具有参数在线跟踪功能的双神经网络自适应规范控制模式,仿真结果证明了所提供控制模式的有效性。     

隐式特征和循环神经网络的多声部音乐生成系统

音乐生成是一种使用算法来生成音乐序列的研究。本文针对音乐样本特征提取以及自动作曲问题提出了一种基于音乐隐式特征和循环神经网络（recurrent neural network, RNN）的多声部音乐生成算法。该方法通过使用栈式自编码器对多声部音乐序列每个时间步的音符隐式特征进行提取,结合长短期记忆循环神经网络（long short-term memory, LSTM）,以序列预测的方式搭建了基于隐式特征的音乐生成模型。仿真结果表明,该音乐生成算法在使用相同风格的音乐数据训练后,得到的模型可以生成旋律与和弦匹配较好的多声部音乐数据。