平面复杂机构运动分析的一种搜索算法

针对平面复杂机构的运动分析，提出了一种基于复数矢量法的适于计算机辅助分析的搜索算法。此算法与平面三角形解法的4种标准予程序合用，可以解决一峰平面复杂机构的运动分析问题。     

基于DS-CDS的改进运动估计算法及实验

为了提高视频的压缩效率,在菱形搜索算法和十字菱形搜索算法的基础上,结合实际运动图像中的运动向量以水平方向向量为主的特点,提出了一种利用偏水平十字模板搜索与偏向双菱形模板搜索相结合的改进搜索算法。为检验本文改进算法的效果进行了对比实验,结果表明:本文提出的基于偏水平十字及偏向双菱形搜索法适合各种运动类型的视频序列,更适用于运动变化剧烈的序列,并且能够在PSNR值和BR值接近最优水平时,大大减少运动估计时间,相比于FS算法,对QCIF格式图像的运动估计时间减少约95%,对CIF格式图像的运动估计时间减小约94%。     

一种方向延伸的快速运动搜索算法

利用图像块运动的方向特性,减小帧间编码中运动估计的运算量.该算法利用小模板钻石搜索,先确定中心检测点到最小块失真检测点为搜索方向,然后在此方向上不断延伸一个检测点进行块失真匹配,直至下一个检测点的块失真大于当前检测点的块失真.接着以当前检测点作为中心检测点,重复以上操作,直至中心检测点为最优检测点,结束搜索.搜索中利用自适应门限提前退出搜索.搜索速度比钻石搜索算法提高了20%～60%.     

改进区域搜索算法评定圆度误差

针对圆度误差评定方法中传统区域搜索算法存在很多无效搜索点的问题,提出了改进区域搜索算法(IZS),该算法引用阿基米德曲线特性改进搜索区域,简化搜索点数,提高计算效率。给出了圆度误差最小区域,最小外接和最大内切法的数学计算模型,并具体阐述了该算法的实现过程。最后通过实验对比GA,SA和PSO算法,发现IZS算法计算速度更快,精度更高;对比传统搜索算法(RZS、PZS),计算得到的精度相同的条件下(即1.282 6μm),IZS算法仅需要搜索78个点。应用于实践中,将提升回转类零件圆度误差的检测效率。     

基于改进麻雀搜索算法的变电构架优化方法

为了解决变电构架设计中的优化问题,采用改进麻雀搜索算法对其进行优化设计。在基本麻雀搜索算法中引入Circle混沌映射,以提高种群的多样性和算法的全局搜索能力;引入萤火虫算法对麻雀搜索算法进行扰动更新,使其易于跳出局部最优。建立尺寸优化的数学模型,采用罚函数法处理约束条件。先将改进后的算法用于典型桁架算例分析,证明其稳定性与有效性,再将其用于变电构架的优化设计,结果表明,采用改进后的麻雀搜索算法能够有效提升变电构架的优化效果。     

引入搜索预测与阈值决策的改进菱形运动估计算法

为了提高视频的压缩效率,在传统菱形搜索算法基础上提出一种改进菱形搜索算法.该算法通过引入动态阈值,在起始搜索点预测、菱形搜索模式和搜索中止算法方面进行了优化,减少了SAD计算的内部冗余和搜索区域中不相关的块匹配计算,同时采用自适应搜索模式选择技术减少运输复杂度.实验结果表明:提出的改进菱形搜索算法适合各种运动类型的视频序列,特别适用于运动变化剧烈的序列,相比于FS算法,能够在PSNR值和码率值极其接近于FS算法的情况下对所有序列的MET减少约95％,大大减少运动估计时间.     

结构逆可靠度最可能失效点的改进搜索算法

确定逆可靠度最可能失效点(MPPIR)是结构逆可靠度分析的核心问题,以改进均值法(AMV)及其改进方法应用最广泛。但当功能函数非线性程度较高或为非凸非凹函数时,AMV易出现周期振荡等不收敛问题。以现有的AMV改进方法为基础,通过迭代过程中控制搜索方向和步长,提出一种MPPIR的改进搜索算法,并结合不精确一维搜索方法给出了具体的计算流程。数值算例分析表明：提出的算法与AMV相比具有更好的收敛性,与弧长搜索法相比不需要采用优化方法确定最优步长,且对于非凸非凹功能函数以及高度非线性功能函数都具有良好的收敛性。     

一种新颖的用于触觉再现的平行菱形链连接模型

针对如何提高虚拟触觉再现的精度与实时性问题,提出了一种新颖的基于物理意义的平行菱形链连接触觉变形模型.该模型中各个链结构单元中菱形的长度等比例变化,因而计算量小;改变链结构单元中菱形的长度和夹角就可方便对不同的柔性体进行建模,系统中各个链结构单元的相对位移的叠加对外等效为物体表面的变形,与之相连的弹簧弹性力的合力等效为物体表面的接触力.利用手控器对柔性体的接触变形和实时虚拟触觉反馈进行了仿真.实验表明所提出的方法适用于柔性体的触觉反馈计算,能够满足精细作业对虚拟现实系统的要求.     

基于改进麻雀搜索算法的平面度误差评定方法

针对在平面度误差最小区域评定过程中易出现陷入局部最优、收敛速度慢和精度低的问题,提出了一种基于改进麻雀搜索算法(ISSA)的平面度误差评定方法。首先,采用具有更好遍历性的Kent混沌映射代替传统的Logistic混沌映射生成初始化种群,以增强算法的全局搜索能力;然后,应用一种基于光学透镜成像原理的反向学习策略以避免算法无法跳出局部最优;选用经典测试函数验证了ISSA算法的有效性,相对于SSA能够取得更好的寻优效果;最后,应用该方法对平面度误差进行评定,并与引用的其它方法进行比较。实验结果表明：基于ISSA算法的平面度误差评估方法用时0.488 4 s能够解得最小包容平面,与应用SSA算法相比减少了0.370 5 s,其计算精度与应用最小二乘法、遗传算法和粒子群算法的平面度误差评定方法相比分别减小了18.032 5μm、2.332 5μm、6.132 5μm。基于ISSA算法的平面度误差评估方法在优化效率、求解质量、计算精度和稳定性上均有优势,可应用于三坐标测量机等形位误差测量仪器。     

基于改进万有引力搜索算法的南中环桥模型修正

为了得到南中环桥的基准有限元模型,结合Kriging模型和改进的万有引力搜索算法(GSA),利用荷载试验数据对初始有限元模型进行修正。叙述Kriging模型和万有引力搜索算法的基本原理,引入随机交叉变异的方法到基本万有引力算法中,提出了一种改进优化算法,并通过测试函数对其进行验证;介绍南中环桥的工程概况、荷载试验内容和初始有限元模型;接着选定6个待修正参数,通过试验设计得到修正参数所对应的频率和位移的样本,并建立Kriging模型来预测结构响应;以频率和位移的试验值和计算值残差为目标函数,分别利用改进的GSA、粒子群优化算法(PSO)和GSA算法在修正参数的设计空间内寻找目标函数的最小值,对比分析修正结果。结果表明:改进算法对于测试函数具有较好的稳定性和更高的精度;经过模型修正,除个别测点外,频率、位移的相对误差显著降低;相比PSO和GSA,改进的GSA得到了更小的目标函数值,修正后的频率、位移相对误差更小。     

Implementing Quantum Search Algorithm with Metamaterials

Metamaterials, artificially structured electromagnetic (EM) materials, have enabled the realization of many unconventional EM properties not found in nature, such as negative refractive index, magnetic response, invisibility cloaking, and so on. Based on these man‐made materials with novel EM properties, various devices are designed and realized. However, quantum analog devices based on metamaterials have not been achieved so far. Here, metamaterials are designed and printed to perform quantum search algorithm. The structures, comprising of an array of 2D subwavelength air holes with different radii perforated on the dielectric layer, are fabricated using a 3D‐printing technique. When an incident wave enters in the designed metamaterials, the profile of beam wavefront is processed iteratively as it propagates through the metamaterial periodically. After roundtrips, precisely the same as the efficiency of quantum search algorithm, searched items will be found with the incident wave all focusing on the marked positions. Such a metamaterial‐based quantum searching simulator may lead to remarkable achievements in wave‐based signal processors.     

An Improved BPNN Prediction Method Based on Multi-Strategy Sparrow Search Algorithm

Data prediction can improve the science of decision-making by making predictions about what happens in daily life based on natural law trends. Back propagation (BP) neural network is a widely used prediction method. To reduce its probability of falling into local optimum and improve the prediction accuracy, we propose an improved BP neural network prediction method based on a multi-strategy sparrow search algorithm (MSSA). The weights and thresholds of the BP neural network are optimized using the sparrow search algorithm (SSA). Three strategies are designed to improve the SSA to enhance its optimization-seeking ability, leading to the MSSA-BP prediction model. The MSSA algorithm was tested with nine different types of benchmark functions to verify the optimization performance of the algorithm. Two different datasets were selected for comparison experiments on three groups of models. Under the same conditions, the mean absolute error (MAE), root mean square error (RMSE), and mean absolute percentage error (MAPE) of the prediction results of MSSA-BP were significantly reduced, and the convergence speed was significantly improved. MSSA-BP can effectively improve the prediction accuracy and has certain application value.     

求解约束优化问题的改进布谷鸟搜索算法

为了提高约束优化问题的求解精度和收敛速度,提出求解约束优化问题的改进布谷鸟搜索算法。首先分析了基本布谷鸟搜索算法全局搜索和局部搜索过程中的不足,对其中全局搜索和局部搜索迭代公式进行重新定义,然后以一定概率在最优解附近进行搜索。对12个标准约束优化问题和4个工程约束优化问题进行测试并与多种算法进行对比,实验结果和统计分析表明所提算法在求解约束优化问题上具有较强的优越性。     

基于万有引力算法的铝热连轧规程优化设计

提出了以预防打滑和平衡4个机架功率为目的的多目标函数,建立了一种基于支持向量回归机的轧制力模型来取代传统数学模型,有效地提高了轧制力预报的精度。同时采用万有引力算法对轧制规程进行优化,该算法不仅能够防止陷入局部极值点而且避免了盲目搜索,大大提高了进化速度。该规程应用在河南某厂“1+4”铝热连轧改造现场的精轧部分,轧制规程效果理想。     

Direct Gravitational Search Algorithm for Global Optimisation Problems

A gravitational search algorithm (GSA) is a meta-heuristic development that is modelled on the Newtonian law of gravity and mass interaction. Here we propose a new hybrid algorithm called the Direct Gravitational Search Algorithm (DGSA), which combines a GSA that can perform a wide exploration and deep exploitation with the Nelder-Mead method, as a promising direct method capable of an intensification search. The main drawback of a meta-heuristic algorithm is slow convergence, but in our DGSA the standard GSA is run for a number of iterations before the best solution obtained is passed to the Nelder-Mead method to refine it and avoid running iterations that provide negligible further improvement. We test the DGSA on 7 benchmark integer functions and 10 benchmark minimax functions to compare the performance against 9 other algorithms, and the numerical results show the optimal or near optimal solution is obtained faster.     

基于包装配送问题的混沌蛙跳布谷鸟算法研究

目的设计一种求解包装配送问题的混沌蛙跳布谷鸟算法(ChaoticFrogLeapingCuckooSearch Algorithm,CFLCSA)。方法对鸟巢个体进行实数编码,引入混沌机制和随机蛙跳算法,增强算法种群多样性和局部搜索能力,并利用E-n33-k4和E-n76-k8算例来验证算法的求解性能。结果 CFLCSA算法能够求得E-n33-k4已知最优解,求得E-n76-k8的最短配送距离与已知最优解的误差仅为5.03%,且算法求解结果及平均运行时间均优于混沌蚁群算法(Chaotic Ant Colony Algorithm, CACA)、改进遗传算法(Improved Genetic Algorithm, IGA)和禁忌搜索算法(Tabu Search, TS)。结论 CFLCSA算法求解性能优于CACA算法、IGA算法和TS算法,是一种较好的包装配送问题求解方法。     

遗传禁忌搜索算法在混流装配线排序中的应用

针对混流装配线排序问题，提出了一种混合遗传禁忌搜索算法，在每一代遗传演化之后，按一定比例随机选择部分解进行禁总搜索，以提高算法的全局搜索能力和收敛性。通过一个混流装配线排序实验，分别利用遗传算法和遗传禁忌搜索算法进行求解，结果表明遗传禁忌搜索算法具有更好的全局搜索能力和收敛性能。     

改进TS算法的助航灯光站人员管理优化方法

为了解决助航灯光站在人员管理方面存在的对灯光设备损伤情况的确认与修复能力低下以及修复情况反馈不及时等问题,提出了一种改进禁忌搜索方法。此方法以禁忌搜索为基础,并且引入了惩罚权重以及多领域分析组合的方法进行优化提高,其中权重可根据具体情况进行动态调整。通过已知资料进行建模,并且设置了多种可能存在的排班情况,以扩大样本空间。通过实例分析,得到在最符合实际的情况下,本文研究方法的加权有效效率值为82.23%,相比于整体规划法的74.69%以及变领域禁忌算法的77.27%分别提高了7.54%和4.96%。本文的研究对提高助航灯光站人员管理有一定的借鉴意义。