基于有向权值网络的航班运行风险传播与控制

为了分析航班运行风险传播过程,进而有效控制保障飞行安全,基于复杂网络理论,首先参照民航局咨询通告选取机组、航空器、运行环境共29个终端因素作为网络节点,统计民航安全监察记录,根据事件中节点关系,构建无向网络;统计前后节点间的作用关系和发生概率,提出一种有向带权的航班运行风险网络;然后,引入改进感染率和改进恢复率概念,构建一种适用于航班运行风险传播分析的改进SIR(Susceptible-infected-recovered)模型;定义感染起始范围,最后采取多参数控制方式,大规模计算该有向带权网络的传播和控制过程。结果表明:有向网的平均最短路径为1.788,属于小世界网络;参照使用民航常规管控措施,有向网节点感染下降幅度可达到37.4%;对入度值排序前3或前4的节点控制后,感染节点峰值下降率高达50.6%和58.1%,网络传播抑制明显。结果证实:在该航班运行风险有向带权网络中,按入度值控制节点对抑制风险传播最为有效。      

改进粒子群算法及其在热连轧负荷分配中的应用

对一种已有的自适应算法进行了改进,并将该算法思想引入到粒子群算法的改进中,在种群进化到一定代数时按照改进自适应算法改变搜索范围的大小,实现了自动调整搜索范围、提高收敛速度和精度并可有效防止粒子群算法早熟收敛的目的,同时通过实验仿真进行了验证.将该改进粒子群算法应用到热连轧机精轧机组的负荷分配优化计算中,程序运行时间小于5s,满足实时性的要求,为其提供了一种更为有效的优化手段.     

改进粒子群优化神经网络及其在产品质量建模中的应用

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度.     

一种搜索空间自适应变化的自适应粒子群算法

提出一种搜索空间自适应的自适应粒子群优化算法.该算法对不同等级的粒子适应值采取不同的惯性权重,并随着算法的迭代不断缩小粒子群的搜索空间.同时,选择当前代的较优部分粒子直接进入下一代,其他粒子通过在缩小的搜索空间内随机生成,加快了种群收敛速度,同时又能使种群不断跳出局部最优解.几种典型函数的仿真实验表明,该算法在收敛速度和收敛精度上均较标准粒子群优化算法和普通自适应粒子群优化算法有明显提高.     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于函数梯度信息,不需要手动调节网络结构.粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能.两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度.     

基于改进粒子群优化算法的机器人路径规划

提出了一种改进粒子群优化算法的移动机器人路径规划方法。该方法首先将粒子群分成两组,对其中一组加入变异算子,能提高种群的多样性和避免粒子群优化算法的早熟。该方法模型简单,算法复杂度低,收敛速度快。仿真实验结果获得了从起点到终点的无碰撞路径,证实了该方法的有效性和可行性。     

基于改进SVM的淘洗机选矿质量在线预测研究

由于现场选矿过程环境复杂,传统选矿质量检测方法的滞后容易导致结果反馈不及时,使得淘洗机选矿品位不稳定.本文采用一种基于改进粒子群算法和SVM相结合(IPSO-SVM)的在线预测模型来预测并调控选矿质量.由于粒子群优化算法容易陷入局部最优解和出现过早收敛,通过多方面手段改进粒子群算法,利用基准函数对改进的粒子群算法进行验...     

基于城市照明的区域性感知模型

物联网中的无线传感网络有两个基本问题:网络节点的均匀覆盖和节点能量的消耗.对此,本文提出一种基于城市照明的区域性感知模型,将无线传输节点嵌入在公共照明系统中,形成了一个均匀覆盖整个区域、没有能量异构问题的无线传输网络,通过射频识别(RFID),感知区域中的人和物的类别、意图、位置等,同时提供人和物从区域中获得所需要的信息服务.并将该模型在某国际科技园中实现,建立了一个初级的物联网"感知区域".     

一种基于粒子群参数优化的改进蚁群算法及其应用

针对现有基于粒子群参数优化的改进蚁群算法耗时较大的问题,提出了一种新的解决方案.方案中采用一种全局异步与精英策略相结合的信息素更新方式,同时合理减少蚁群算法被粒子群算法调用一次所需的迭代代数.对日本旭川垃圾场巡查机器人路径规划问题仿真求解的结果表明,与其他算法相比,该改进算法具有比较明显的速度优势.     

基于过程神经网络的步态模式自动分类

为克服步态辨识中特征向量法存在的步态特征难于提取、计算量大和算法复杂等局限,提出一种基于过程神经网络的步态模式自动分类综合方案.为感知人体步态,在测试者下肢安装加速度传感器来采集步行过程中的时序运动学信息.采用巴特沃斯滤波处理并将其拟合为时变函数直接输入到过程神经网络,利用其对任意连续泛函的逼近能力来实现对不同步态模式下时序加速度信号的自动分类.同时,针对传统梯度下降法难于收敛和局部极小等问题,提出采用粒子群优化算法对网络的权函数和权系数进行学习.实验证明了该方案的正确性和有效性.