基于极限学习机的高压输电线路障碍物识别方法

针对高压线路障碍物识别模型精度较低和稳定性较差等问题,提出一种基于改进狮群算法优化的多核极限学习机(ILSO-MKELM)的障碍物识别方法.通过混沌、差分和模拟退火算法对原狮群算法(LSO)进行了改进.基于所提方法用高压线路上常见的数种障碍物图片数据建立识别模型,并与极限学习机(ELM)、KELM和LSO-MKELM建...     

基于改进混合灰狼优化算法的无人机三维路径规划

针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。     

一种基于改进遗传算法的波长路由算法

WDM(波分复用)光网络中基于GA(遗传算法)的RWA(路由与波长分配)算法是目前最常见的算法,为了提高网络资源利用率并进一步降低阻塞率,提出了一种动态的、基于改进GA的DCMA-GA(双交叉变异自适应遗传算法),通过引入自适应交叉与变异概率机制来减少GA的复杂度并应用于波长分配子算法中。仿真结果表明,与经典算法Dijkstra+FF(首次命中)相比,新算法最大能降低50%的阻塞率,在波长分配方面可提高10%的性能,验证了新算法的有效性。     

基于GIS和差分进化粒子群的变电站选址方法

文中提出了一种基于地理信息系统(GIS)和差分进化改进粒子群的配电网变电站优化选址方法。该方法利用GIS确定变电站数量,基于变电站投资运行费用建立有约束条件的目标函数,采用粒子群算法进行变电站选址优化。针对粒子群算法易陷入局部最优且收敛速度慢的问题,借助差分进化引入两个变异因子,在提升粒子群算法收敛速度的同时,避免其陷入局部最优。算例分析结果表明,该方法具有较好的寻优能力和收敛特性,能够有效实现变电站选址优化。     

基于紧凑蚁狮算法的三维路径规划研究

现有导弹三维路径规划算法仅将距离作为优化目标,没有考虑通信连通性和作战隐蔽性的需求,往往不能获得较好的战术效果,而且大多采用元启发式算法,计算量大,不利于嵌入式应用.针对此问题,本文提出一种基于紧凑蚁狮算法的三维路径规划方法,将距离、通信连通性、作战隐蔽性作为多优化目标,对蚁狮算法进行紧凑改进,通过截断正态分布模型得到虚拟种群来取代实际种群,达到优化算法步骤和减少计算量的目的. MATLAB仿真试验结果表明,紧凑蚁狮算法(cALO)相比狼群算法(WPA)、粒子群算法(PSO)、蚁群算法(ACO)、蚁狮算法(ALO),可以较大提升三维路径规划的综合效果,占用较少的内存并极大地加快算法收敛速度,十分适合导弹的嵌入式环境应用.     

基于分布估计算法的军事物流配送中心选址决策

配送中心的选址决策在军事物流和后勤保障中具有重要的意义.但是,实际的军事物流供应链管理中,随着问题规模增大、约束条件变复杂,如何快速的选择配送中心地址,为多个部队用户提供最优的服务,仍是尚未解决的数学难题.针对这一问题,提出了一种新的基于分布估计算法的最优化选址决策方法.首先,对分布估计算法进行了改进,通过对决策变量联结关系的检测,构造分布估计算法中概率图模型的网络结构,一定程度上克服了传统分布估计算法中贝叶斯结构学习带来的巨大计算开销,并提高了算法的全局收敛性;然后,应用该算法求解军事物流配送中心选址的一个典型问题,将不同配送中心的相互影响融入到贝叶斯网络结构中,试验结果表明了新方法求解大规模复杂问题的优越性.     

基于Turbo码的Max-Log-MAP译码算法的改进

Turbo码已被第三代移动通信系统(3G)采纳为高速数据服务的编码标准(IMT-2000标准)，因此研究易于实现和优化的译码算法有着非常重要的实际意义．本文提出了一种有效地改进最大对数后验概率(Max-Log-MAP)的译码算法，此算法通过增加的比例因子来修正外部信息对数似然率，改善了译码质量，提高了系统的BER性能，仿真结果表明此改进算法与传统算法相比在BER性能指标上有大约0．2～0．3dB的改善．     

基于信息熵的改进狮群算法及其在组合优化中的应用

狮群算法是一种具有较强寻优能力的群智能算法.为了克服基本狮群算法中因狮王替换的长周期性导致收敛速度较慢,幼狮选择策略较盲目导致的前期遍历性不足,幼狮步长扰动因子受解空间影响过大和算法后期局部收敛速度慢等缺陷;本文在原始狮群算法的基础上改良了狮王的替换策略和幼狮选择的概率,引入信息熵分别控制不同幼狮的步长,引入狮王稳定因子解决幼狮后期选择的盲目性,并适当调整狮群整体构成方式.由信息熵的值来度量狮群算法中幼狮选择的不确定性,通过设置不同的扰动因子达到控制算法中不同幼狮的移动范围,实现算法的自适应调节并增大算法的鲁棒性.仿真实验、桁架优化算例和TSP问题求解对比验证了改进算法的有效性.该研究为组合优化问题的求解提供了一种新的思路和方法.     

基于PageRank算法的改进物流节点选址模型研究

文中针对物流网络设计中的关键物流配送节点选址问题传统算法的局限性,结合PageRank算法和贪心算法,设计了一种考虑交通拥堵情况和节点利用率的连续型多物流节点选址算法。算法将各交通小区货运需求量通过PageRank算法进行推荐排序,然后使用贪心算法和聚类算法不断迭代,获得覆盖所有需求同时满足利用率的物流节点。同时基于南京市仙林区物流数据展开实验。实验结果显示本文提出的算法相比较传统的多元节点算法,在物流节点个数方面,数量有明显减少;在服务交通小区覆盖率方面,本文提出算法覆盖率略低于多元节点法,但覆盖率均超过90%,即该算法覆盖范围利用率均能达到平均水平。综合考虑物流节点的建设及运营成本,可得出如下结论:文中提出的基于PageRank算法的连续型多物流节点覆盖算法较传统的节点选择算法高效。     

基于PSO算法的系统可靠性优化分析

提出了将粒子群优化算法(Patticle Swarm Optimization Algorithm,PSO)用于求解系统可靠性优化问题,建立了系统的可靠性模型,分别采用遗传算法(Genetic algonthm,GA)和PSO算法进行了优化仿真,结果表明采用PSO算法和GA算法都能实现系统可靠性优化,但是相比之下PSO算法的计算精度和求出最优解的概率更高,需较少的迭代次数,能更稳定的求解最优解,而且没有求解早熟的弱点,因此PSO算法更适合于系统可靠性优化。     

带趋势预测的群搜索优化算法

对GSO (Group Search Optimizer)算法进行了改进,主要的改进为:在搜索最优值的过程中,好的移动方向被群成员作为经验保存起来,并以此预测更好的移动位置.改进算法提高了GSO算法的优化性能,并且简化了计算过程、加快了运行速度.选用4个常用测试函数进行了函数优化实验,在30维情况下,改进算法的优化效果比GSO和GA算法好,与PSO算法相近;300维时,改进算法的收敛性能明显优于GSO、GA和PSO算法.     

基于离散鲸鱼群算法的物资应急调度研究

针对鲸鱼群算法求解多配送中心带时间窗的物资应急调度问题时存在的易陷入局部极值等缺点，该文提出一种改进离散鲸鱼群算法(IDWSA)。首先采用混合初始化策略提高初始种群的质量；然后构建以相似配送顺序和相同配送中心为比较项的两种移动规则，并设计自适应柯西变异算子和路径选择策略对个体进行移动；最后构造全局评价函数用于选择个体以维持种群多样性。在Solomon标准测试集上，IDWSA所求最好解的距离与MAPSO, GA, HACO, ABC相比分别减少了2.25%, 13.4%, 6%, 1.46%，有效缩短了车辆的行驶距离。     

合作式粒子群优化算法

针对粒子群优化(PSO)算法随着维数增加而导致的收敛速度慢,容易陷入局部最优的问题,提出了一种合作式粒子群(CPSO)算法。通过多粒子群不同的组态向量合作,显著改善了标准算法的早熟问题。利用标准测试函数对CPSO算法、协同进化遗传算法(CCGA)、遗传算法(GA)、PSO算法进行比较测试,结果表明,CPSO算法在多个基准优化问题方面显示了较佳性能。     

基于量子粒子群优化算法的光纤光栅参数重构

提出了一种基于量子粒子群优化算法的光纤光栅参数重构方法。该方法通过传输矩阵法得到优化目标函数,并将待优化的光纤光栅参数以粒子表示,再让粒子在解空间模拟量子行为进行搜索。以均匀布拉格光栅和线性啁啾光纤光栅为例,分别采用遗传算法(GA)、经典粒子群优化(PSO)算法以及量子粒子群优化(QPSO)算法对其进行参数重构。与传统粒子群算法及遗传算法相比,该方法借鉴了量子行为,具有更好的收敛性能和稳态性能。数值结果表明,种群规模为40时,针对均匀和非均匀光栅分别进化100代和200代得到的重构参数误差均小于0.5%。     

基于改进算法的电动汽车接入的配电系统SOP规划方案

大量电动汽车的接入为配电系统带来了成本提升、负荷过大等问题。基于此,提出了一种智能软开关(SOP)优化规划方法。首先,建立SOP选址定容双层规划模型,采用改进后的遗传算法和潮流算法的混合优化算法进行求解。最后,利用IEEE33节点算例对SOP选址定容双层规划模型和算法的合理性与可行性进行了结果分析,得到了有效降低配电系统运行成本的规划结论,在按照规划结果接入SOP之后,配电系统中节点电压值、平均标幺值以及配电系统的性能都得到了一定程度的提升,同时,改进后算法相比于现有方法从运行效率、相对误差情况以及收敛能力等方面都有一定程度的提升。     

基于PSO的级联马赫-曾德尔型光滤波器优化设计

首次应用连续和离散版本的粒子群优化算法(PSO),实现级联马赫-曾德尔干涉仪(MZI)型光滤波器中关键结构参数(耦合角和相移因子)对理想系数的逼近,完成光滤波器的优化设计.结果表明:三级级联MZI型滤波器输出响应与理想响应之间的误差控制在10^-5量级内;同时与遗传算法(GA)设计方案相比,PSO方案具备计算时间少、逼近适应度好、滤波消光比高的特点.     

基于不变性特征的SVM遥感图像飞机类型识别

根据遥感图像飞机目标的特点,提出一种基于不变性特征的支持向量机(SVM)识别算法。首先结合小波分解进行平移、旋转、缩放不变性特征提取;然后对基于遗传算法(GA)的SVM模型参数选择方法在核函数的选择、搜索空间的确定等方面进行改进,并用改进后的算法实现SVM模型参数选择。对480幅遥感图像进行仿真实验,得到97.56%的正确识别率。与BP神经网络相比,识别率高,验证了算法的有效性。     

求解多维背包的改进差分进化算法

针对多维背包问题,提出了一种改进的差分进化(IDE)算法。该算法保留了基本差分进化算法的交叉策略,同时将特定维数的0-1变异融入其中;为提高算法的收敛性,设计了最大和最小可装入背包的物品数量模型,作为对后续操作产生解的一个条件判断,从而缩小了搜索范围及时间;最后,通过对10个背包测试集进行测试,并与贪心二进制狮群优化(GBLSO)算法、混合粒子群(HPSO)算法进行比较。结果表明,该算法能较好的求得最优解,具有更快的收敛速度及更高的精度。     

运用备份服务位置和概率QoS模型的Web服务组合算法

针对工作流服务数的增加过程中最初规划的潜在成本较高以及很多服务组合算法可靠性不足等问题,提出了一种利用备份服务位置和概率服务质量（QoS）模型的服务组合算法。该算法计算服务集群的QoS优化选择,为每个服务包含足够数量的备份服务,且考虑了备份服务位置,以便在单个故障点上进行评估。由于这些备份服务分布均匀,防止了任务失败的发生。对于服务选择问题,采用一种改进的多目标优化（MOO）算法,利用聚类和QoS模型来计算可行解集合。仿真实验采用JMETAL 3.1框架,评估备份服务位置的收益以及算法的可靠性。结果表明,相比于其他MOO算法,提出的算法可靠性更高,从备份服务位置所获得的收益更高。     

基于改进自适应IMM-UKF算法的水下目标跟踪

针对现有自适应交互式多模型算法(AIMM)在水下目标跟踪过程中模型切换和跟踪精度上的不足,该文结合无迹卡尔曼滤波(UKF)算法,提出一种改进的AIMM-UKF算法。该算法在自适应修正马尔可夫转移概率矩阵的基础上,利用判定窗对其进行二次修正,实现匹配模型概率的快速增大和对非匹配模型的抑制。仿真结果表明,改进算法相比原有自适应算法,能更加充分地利用后验信息,拥有更好的模型切换速度,跟踪精度提升约24%。