一种新的改进粒子群优化算法

在现有文献研究的基础上,首先阐述标准粒子群优化算法的基本原理,并对它加以分析,指出标准粒子群优化算法初始粒子种群的产生速度慢、在优化过程中容易陷入局部最优等缺点,然后对其缺点进行改进,将改进的粒子群优化算法和标准粒子群优化算法进行实验对比分析研究,从实验结果中可知,改进粒子群优化算法在收敛速度及收敛精度上都明显好于标准粒子群优化方法.     

一种新的π迭代算法

本文介绍了迭代算法在π的计算中的应用，分析了一种具有四阶收敛速度的迭代算法，并提出一种新的具有六阶收敛速度的迭代算法。     

一种基于差分策略的群搜索优化算法

针对群搜索优化(Group Search Optimizer,GSO)算法易陷入局部最优、收敛速度较慢、收敛精度较低等问题,提出一种基于差分策略的群搜索优化(Differential Ranking-based Group Search Optimizer,DRGSO)算法。主要进行两方面改进:1)按照适应度值的大小对种群进行排序,适当增加发现者的数目,使种群能够获得更好的启发式信息,加快了算法的收敛速度,有效地避免了算法陷入局部最优;2)在发现者搜索过程中,引入4种不同的差分变异策略,提高了算法的收敛精度,增强了算法的群体多样性在。11组国际标准测试函数上的实验测试结果显示,与GA,GSO,PSO算法相比,DRGSO算法具有较强的全局搜索能力以及局部资源勘探能力,算法整体收敛性能明显提高。     

一种新的全局优化演化算法

演化算法在求解大型复杂多极值问题的过程中经常容易陷入局部最优,该文提出了一种变换目标函数法来消除早熟收敛。当演化算法检测出局部最优点时,使用填充函数构造变换目标函数,将局部极小点及其邻域提升,保留整体最小值点。从而新方法具有消除局部最优点而保留整体最优点的功能。通过对复杂的无约束优化问题和有约束优化问题的实验,结果显示了新方法具有搜索全局最优解的良好性能。     

一种新的双模盲均衡算法

研究通信系统,针对消除多径传播引起的码间干扰问题,广泛采用盲均衡算法,但有稳态误差大、收敛速度慢及盲相等缺点.为了克服 CMA 的缺点,在修正常模算法(MCMA)的基础上,根据正交调幅(QAM)信号星座图分布的特点,提出了一种新的双模盲均衡算法,根据信号在星座图上分布区域的不同,在 MCMA 和判决引导(DD)算法之间切换,以充分利用 MC-MA 与 DD 算法进行仿真.仿真结果表明算法能有效的恢复信号的相位,提高收敛速度,极大的降低稳态均方误差,为通信系统设计提供参考.     

一种新的神经网络学习算法

通过对人类学习机理和机制的研究,以及对现有ＢＰ神经网络学习算法及其改进的深入分析,本文提出了一种新的学习算法。该学习算法使神经网络学习由纯数学推导向智能化（启发式）学习发展,获取解决问题的最佳结构中神经元数及神经元间的联接数随问题的变化而动态变化,克服了目前神经网络学习算法普遍存在的学习时间长、局部极小小等问题。     

一种新的FMS优化调度算法

提出一种将遗传算法和启发式算法相结合的新的混合算法,以解决ＦＭＳ中的优化调度问题。该混合算法克服了以往遗传算法在ＦＭＳ中应用的不足之处,并具有搜索效率高且稳定的特点。最后以实例验证了该算法的高效性和稳定性。     

一种混沌优化机制的双量子粒子群优化算法

针对量子粒子群优化算法（quantum delta Particle Swarm Optimization,PSO）在处理高维复杂函数时存在收敛速度慢、易陷入局部最优和算法通用性不强等缺点,提出了一种基于混沌优化机制的双量子粒子群优化算法。它借鉴群体位置方差的早熟判断机制,同时提出了一种逐步缩小搜索变量空间的新方法。典型数值实验表明,该算法效率高、优化性能好、对初始位置具有很强的鲁棒性。尤其是该算法具有很强的避免局部极小能力,其性能远远优于单一优化方法。     

一种新的优化方法及其应用

本文分析了近年来出现的一些优化算法，如模拟退火法、遗传算法和趋化性算法等的特点。在此基础上，针对连续优化命题，提出了一种新的算法，并以一神经网络参数学习为例说明了该算法的有效性     

新型铰接转向机构参数优化设计

该文介绍了一种新型的铰接转向机构,采用特殊的双摇杆转向型式,以采用此转向机构的某重载车辆为研究对象,利用CAE软件ADAMS,建立了机构铰点参数化的虚拟样机,采用Design study方法,得出转向机构参数性能的变化情况以及设计参数的近似敏感度,得到关联度最大铰点。采用OPTDES-SQP优化模型,设置目标函数,建立了以综合转向性能最优为优化目标的优化设计模型。经过优化,转向力臂差变化比率 为﹣74.6%,转向角度增加+2.22%,通过实际应用,减小了转向过程转向液压系统的振动和冲击,增加了系统转向稳定性,取得了良好的效果,为该转向系统的控制与操作提供了必要的依据。     

新型升降机构的结构设计与仿真优化

介绍了一种新型升降机构的结构设计,通过运动学理论并联合MATLAB仿真分析验证了运动的可行性,并通过SolidWorks对其在极限工况下进行有限元分析。在新型升降机构可靠工作的前提下,对新型升降机构中的关键构件进行有限元仿真优化分析,分析结果表明:构件材料消耗明显减少,为新型升降机构的设计和改进提供合理的理论依据。     

新的仿生优化算法：食物车-蟑螂群优化算法

提出一种新的仿生优化算法——食物车-蟑螂群优化算法。该算法模拟蟑螂的觅食行为,通过食物车在解空间定义域内抛洒食物,吸引蟑螂向食物爬行,完成搜索。在求解过程中通过巢穴变迁、平等搜索和食物筛选等策略加强全局搜索和局部搜索能力,提高算法收敛速度。仿真实验结果表明,该算法寻优率高,收敛速度快。     

基于遗传算法的机械优化设计

本文提出了用遗传算法解决轴承优化设计的方法。针对简单遗传算法(Simple Genetic Algorithms，简称SGA)在机械设计中出现的进化过程缓慢问题，采用最优保存策略(Elitist Genetic Algorithm)对计算过程进行处理。同时，针对后代个体不满足约束条件的问题，采用罚函数的方法进行处理。并给出在轴承行业中的算例。     

一种新型红外线汽车雨水传感器的设计

雨水传感器是汽车智能雨刷系统的重要组成部分.基于光强变化的原理,提出了一种新的红外线雨水传感器设计.传感器由红外光发射电路和红外光接收电路组成,首次利用红外专用集成接收芯片TK1838作为雨水传感器的接收芯片.实验证明,该雨水传感器反应灵敏,实时性好,性能稳定.     

AutoConfig: 面向深度学习编译优化的自动配置机制

随着深度学习模型和硬件架构的快速发展,深度学习编译器已经被广泛应用.目前,深度学习模型的编译优化和调优的方法主要依赖基于高性能算子库的手动调优和基于搜索的自动调优策略.然而,面对多变的目标算子和多种硬件平台的适配需求,高性能算子库往往需要为各种架构进行多次重复实现.此外,现有的自动调优方案也面临着搜索开销大和缺乏可解释性的挑战.为了解决上述问题,本文提出了AutoConfig,一种面向深度学习编译优化的自动配置机制.针对不同的深度学习计算负载和特定的硬件平台,AutoConfig可以构建具备可解释性的优化算法分析模型,采用静态信息提取和动态开销测量的方法进行综合分析,并基于分析结果利用可配置的代码生成技术自动完成算法选择和调优.本文创新性地将优化分析模型与可配置的代码生成策略相结合,不仅保证了性能加速效果,还减少了重复开发的开销,同时简化了调优过程.在此基础上,本文进一步将AutoConfig集成到深度学习编译器Buddy Compiler中,对矩阵乘法和卷积的多种优化算法建立分析模型,并将自动配置的代码生成策略应用在多种SIMD硬件平台上进行评估.实验结果验证了AutoConfig在代码生成策略中有效地完成了参数配置和算法选择.与经过手动或自动优化的代码相比,由AutoConfig生成的代码可达到相似的执行性能,并且无需承担手动调优的重复实现开销和自动调优的搜索开销.     

Study on Mechanism of Methane Column Change Influencing Atmospheric Structure and Local Heavy Rain

In order to study the relationship between atmospheric methane content and local strong convective weather,relationships among the methane content and the atmospheric structure and the local heavy precipitation are studied by using the L3 methane daily inversion product retrieved by AIRS.The results show that the distribution of total methane column content in atmosphere is strongly affected by the topography and terrain,and the methane content fluctuates in the complex topography area,which has a good inverse correlation with the precipitation.Methane has radiation and chemical activity which can affect the ground gas radiation,change the vertical distribution of atmospheric temperature,and increase the atmospheric instability.The change of methane column could be used as a precursor to the occurrence of heavy rainfall.It can provide the new view and a reference for exploring the mechanism of local heavy rain combined with multi\|source meteorological data,analysis of atmospheric power,heat,water vapor conditions.      

嵌套分割算法：一种新的并行随机优化算法*

嵌套分割算法是一种新的系统优化计算方法,它可以应用于确定型和随机型、离散系统和连续系统的优化问题.综述了嵌套分割算法的概念原理、方法步骤,介绍了算法的应用情况,并探讨了算法未来的研究方向.     

Hyperledger Fabric共识机制优化方案

针对Hyperledger Fabric使用固定背书节点处理交易所带来的安全风险和性能瓶颈问题, 提出了一种非交互、可验证的随机化背书节点优化方案. 基于“背书−排序−验证”的Hyperledger fabric共识模型, 引入背书节点候选集, 使用可验证随机函数随机抽取背书节点进行交易背书, 实现了背书节点的非交互式可验证随机选取和背书过程的并行处理. 分析和实验表明, 优化后的共识机制具有更高的安全性和更快的交易处理速度.     

倒排文件索引缓存机制的优化

为了有效提高搜索引擎检索服务系统的整体性能,提出了一种基于倒排文件索引的缓存机制优化方法。具体研究过程是：首先分析倒排文件缓存的体系结构和数据加载,接着讨论负载数据对倒排文件缓存和缓存替换算法的影响,最后通过设计仿真实验研究倒排文件的缓存优化。研究结果表明,采用倒排文件索引的缓存机制优化方法可以明显减少磁盘系统I/O访问次数,提高磁盘系统带宽的利用率。