基于混合压缩感知的分簇式网络数据收集方法

为了减少分簇式传感器网络中的数据传输量并均衡网络负载,提出了一种采用混合压缩感知(compressive sensing, CS)进行数据收集的方法.1)选取各临时簇中距离簇质心最近的一些节点为候选簇头节点,然后依据已确定的簇头节点到未确定的候选簇头节点的距离依次确定簇头;2)各普通节点选择加入距离自己最近的簇中;3)贪婪构建一棵以Sink节点为根节点并连接所有簇头节点的数据传输树,对数据传输量高于门限值的节点使用CS压缩数据传输.仿真结果表明:当压缩比率为10时,数据传输量比Clustering without CS和SPT without CS分别减少了75%和65%,比SPT with Hybrid CS和Clustering with Hybrid CS分别减少了35%和20%;节点数据传输量标准差比Clustering without CS和SPT without CS分别减少了62%和81%,比SPT with Hybrid CS和Clustering with Hybrid CS分别减少了41%和19%.     

差分选择策略在复杂多目标优化问题中的研究

在多目标进化算法中,如何提高生成解的质量一直是研究的热点与难点.为解决以上问题,该算法从差分进化算法与计算资源分配策略2个方向进行了研究.根据多目标问题从决策空间到目标空间的映射关系以及差分进化算法基本原理,提出了一种基于双种群的多目标差分选择策略.它利用2个种群来区分个体间收敛性差别,在调整差分参数以适应多目标算法特性的基础上,以收敛性差别为依据选择参与差分运算的个体,从而提高差分算法性能,加快子代个体收敛.另外,根据子代个体收敛速率的不同,动态调整计算资源的分配,进一步提高算法收敛性.与ε-MOEA和MOEA/D-DRA在一系列复杂的多目标优化问题上进行了对比实验,结果表明了所提策略的有效性.     

基于Storm的在线序列极限学习机的气象预测模型

为提高气象预测精度,实时应对频发的局域气象灾害,拥有更高的处理海量数据的效率,提出了一种基于Storm的在线序列的极限学习机气象预测模型.该模型首先初始化多个在线极限学习机,当新批次的数据不断到达时,模型能够在训练结果的基础上继续学习新样本,并引入随机梯度下降法和误差权值调整方法,对新的预测结果进行误差反馈,实时更新误差权值参数,以提高模型预测准确率.另外,采用Storm流式处理框架对提出的算法模型进行并行化改进,以提高处理海量高维数据的能力.实验结果表明：该模型与基于Hadoop的并行极限学习机算法(parallel extreme learning machine, PELM)相比,具有更高的预测精度和优异的并行性能.     

开关磁阻电机的改进型DITC转矩脉动抑制研究

通过对开关磁阻电机转矩输出特性的研究,提出一种电流斩波控制与瞬时直接转矩控制相结合的改进型SRM转矩脉动抑制算法。采用CCC可设定SRM最大相电流值并增大换相重叠角,减缓转矩下降速度,简化转矩分配算法。本文搭建了SRM的 Matlab/Simulink改进型DITC转矩脉动抑制仿真平台。结果表明在简化换相重叠角转矩给定算法的同时可使SRM在安全允许范围内达到最佳转矩脉动抑制效果,具有实际应用价值。     

压缩感知中迂回式匹配追踪算法

迂回式匹配追踪(detouring matching pursuit, DMP)是一种计算复杂度低、准确率高、对传感矩阵列相关性要求低的贪婪重构稀疏信号算法.DMP中子内积逆和系数矩阵递增递减核心式被提出并证明,DMP利用子内积逆和系数矩阵减少残差误差变化量的计算量,达到降低计算复杂度的目的.另外,DMP采用先逐个最优缩减、后逐个最优扩增假定支撑集元素的方法提高重构准确率和扩大重构稀疏信号的稀疏度范围.DMP算法复杂度分析表明,DMP算法中获取、缩减和扩增假定支撑集的复杂度分别为O(K2N),O(b(K－b)N)和O(b(K－b)N).加权间接重构0-1稀疏信号实验结果表明,对于稀疏度为M/2的0-1稀疏信号,DMP、逐步贪婪追踪(greedy pursuit algorithm, GPA)、子空间追踪(subspace pursuit, SP)、压缩采样追踪(compressive sampling matching pursuit, CoSaMP)、正交匹配追踪(orthogonal matching pursuit, OMP)的重构准确率分别为99%,65%,0%,0%和13%.非零值服从正态分布的稀疏信号实验结果也表明DMP的重构准确率优势显著.     

混合种群多样性自适应遗传操作的HMM训练模型

针对传统GA方法训练HMM模型所存在的对遗传控制参数具有较强的敏感性的问题：1)提出一种以混合遗传种群多样性为原则的BPD-AGA算法,该算法依据决定种群多样性的基因型和表现型来自适应地调整遗传参数,使整个遗传迭代过程能够在扩大遗传搜索空间的同时提高最优解的质量;2)提出了一种基于BPD-AGA的HMM训练模型,该模型一方面利用BPD-AGA的自适应选择操作,选择对混合种群多样性贡献最大的个体作为竞争优胜者;另一方面利用BPD-AGA的自适应交叉变异操作,在扩大算法搜索空间的同时保护对混合种群多样性贡献较大的个体,从而保证了HMM解个体的全局最优性;3)为了提高BPD-AGA训练的收敛速度,利用Baum-Welch算法从外部对BPD-AGA的收敛性进行了改善,提出了一个从外部和内部同时改善GA性能的BPD-AGA/Baum-Welch混合模型;4)给出了将所提出的模型和算法应用在交通视频车辆行驶状态判别中的实现过程.仿真实验验证了所提出模型和算法的有效性.     

基于结晶过程的分子动理论优化算法

针对分子动理论优化算法(KMTOA)存在易陷入局部最优、寻优精度低等问题,提出一种基于结晶过程的分子动理论优化算法(C-KMTOA)。该算法通过模拟结晶过程设计了一种分离算子,该算子将种群分为最优个体、优秀个体、较差个体三个子群,并通过引导操作使较差个体向优秀个体附近移动、优秀个体向最优个体附近移动,从而使搜索范围快速缩小到最优解附近。实验结果表明,该算法在优化精度、动态性能等方面均优于GA、DE、QPSO和KMTOA。     

求解平衡约束圆形Packing问题的快速启发式并行蚁群算法

带平衡约束圆形Packing问题属于NP-hard问题,求解困难.提出一种求解该问题的快速启发式并行蚁群算法.首先提出一种启发式方法:在轮盘赌选择定序的概率公式中增加质量因子和外围逆时针排列定位待布圆,并用它构造出多样性种群个体(相交圆数不超过3的布局方案).然后将蚁群优化与并行搜索相结合,使种群个体快速收敛到最优解或迭代出存在少量干涉的近似最优解(1~3个相交圆).若为后者,则基于物理模型用最速下降法将其快速调整成最优解.所采用的启发式方法、并行蚁群搜索机制和快速调整策略有机结合提高了算法的搜索精度和效率.数值实验表明该算法在性能指标上优于已存在的算法.     

关于部分多值逻辑函数集中准完备集的若干性质

Sheffer函数的最简判定是多值逻辑函数集完备性判定问题中的一个重要的理论和实际问题.文中根据多值逻辑函数理论中“保关系”的系统思想,使用群论和组合数学的工具,研究了部分多值逻辑函数集中准完备类相应关系的若干性质.给出并证明了非空关系Gm是完全关系以及子群H是Gm的对称群的充要条件,定出了部分k值逻辑中完满对称函数类Fs,m中函数集的个数.以上工作为解决部分多值逻辑中Sheffer函数的判定提供了研究基础.     

基于Zigzag变压器的交直流叠加输电线路特性研究

基于Zigzag变压器的交直流叠加输电技术,能有效解决直流功率注入普通变压器二次侧易引发的直流偏磁问题,可较大程度提高现有交流输电网络的输电能力,实现交直流功率的灵活传输。给出基于Zigzag变压器的交直流叠加输电系统的拓扑结构及输电原理,分析Zigzag变压器避免磁饱和的机理;与纯交流输电方式比较下,研究交直流叠加输电系统线路的稳态运行特性,得出系统满足一定电气条件时,该系统具有更小的电压降和功率损耗。搭建交直流叠加输电系统仿真模型,仿真结果表明研究得出的特性的正确性。