基于脑磁图对癫痫病灶与镜像源的仿真计算

脑磁技术的一个重要应用是对癫痫病灶的定位．有一类癫痫发作时,在脑内与病灶的对称位置处,出现时域上有一个延迟的镜像源,此时区分病灶与镜像源就变得非常重要．通过分析时域一空域脑磁数据矩阵的秩,可以获得不同时间段里脑内电活动源的数目．进而在不同时刻选用相应的源数目,并利用最优化方法,即可反演出脑内电活动的动态参数,从而完成癫痫病灶及镜像源的区分与定位,仿真计算表明该方法是可行的．     

真实头模型中的源电位计算方法与效果

建立了真实头模型中脑电正问题的边界元计算方法,应用消涨技术与隔离技术降低计算误差,保证了脑电正问题的计算精度。在此基础上,实现了真实头模型中的源电位和皮层电位的计算,计算结果表明,源电位是一种比皮层电位更好的成像物理量。     

基于群体智能算法的非线性系统参数辨识

群体智能算法是一类适用于非线性、不可微和多峰值复杂函数的优化方法.针对非线性系统的特点,在粒子群算法中,采用贪婪准则来确定全局最优粒子,并将该算法与人工蜂群算法应用于非线性系统参数辨识,辨识结果显示了两种算法对含加性噪声的NARMAX模型辨识的有效性,并为将来的研究工作提出了方向.     

基于免疫算法的单桩极限承载力预测

基于生物免疫系统的免疫算法是一种解决工程中复杂非线性问题的十分有效的方法.对免疫算法作了简要分析和评论.单桩极限承载力受众多因素的影响,Q-s曲线表现出复杂的非线性特征.结合武汉地区预应力混凝土管桩静载荷试验资料,运用M ATLAB编写了免疫算法程序对预应力混凝土管桩的极限承载力进行了预测分析.计算结果与试验资料基本一致.由于免疫算法比传统算法在全局优化、非线性优化、多参数优化等方面具有一定的优势,因而可望在岩土工程中得到广泛的应用.     

脑-机接口中新的脑电数据分类方法

根据自发脑电的特点,将HMM-AR模型算法运用到脑电状态的分类中,证明它是一种非常有用的分析脑-机接口方法。将Laplacian filter、ICA和HMM-AR方法相结合,用想象左右手运动的BCI数据进行识别,得到了很好的分类结果,有效地区分脑电中运动与非运动两种状态。该算法能够在运动开始后1 s内检验到脑电信号的变化,从而证明了该算法在BCI的实用性,达到了良好的识别效果。     

基于不同进化模型的双群交换微粒群优化算法

针对标准微粒群优化算法(PSO)在全局优化过程中容易陷入局部极值的问题,分析了标准微粒群优化算法早熟收敛的原因,提出了一种新的基于不同进化模型的双群交换技术的改进微粒群优化算法.该方法将微粒分成两个大小相同的分群,其中第一分群采用标准PSO模型进化,第二分群采用cognition only模型进化.两个分群每选代一次后,将第一分群的适应值最差的微粒与第二分群的适应值最优的微粒进行交换,以提高种群的多样性,改善算法的收敛性.与其它双群算法相比,该算法概念简单,程序实现容易.与标准微粒群优化算法相比.全局寻优能力更强,函数测试结果表明,提出的双群交换微粒群优化算法的收敛性能明显优于标准PSO算法.     

高维目标进化算法研究进展

主流的多目标进化算法在解决目标数目较少的优化问题时具有较好的性能,但当优化目标数目超过4维,即具有高维目标时,算法的性能很快下降,而且搜索的开销快速增长.高维目标进化算法的研究受到了进化计算与工程优化领域的高度关注.鉴于此,对高维目标优化问题的困难进行了分析,并对高维目标进化算法的研究进展进行了综述,总结了各类算法的特点与缺陷,并指出了未来进一步研究的方向.     

星状原油集输管网拓扑优化的混合遗传算法

以投资最小为目标函数,建立了星状原油集输管网拓扑优化数学模型.根据模型特点,利用改进的整数编码遗传算法优化井站隶属关系,利用非线性优化方法优化出相应的计量站最佳位置.针对遗传算法的局限性,对操作过程进行了改进,结合了模拟退火算法,调整了适应函数,给出了初温的确定方法,改进了选择复制操作,从而形成了混合遗传算法,并采用随机多父辈适应函数值加权交叉和多种改进变异操作方法.同时在操作过程中给出了约束条件的处理方法,减少了不可行解的产生,提高了算法优化效率.算例显示了该优化方法的有效性.     

智能文化算法在移动台定位技术中的应用研究

非线性优化问题一直是无线定位技术研究的难点.而文化算法作为一种新型的智能算法在解决非线性优化问题方面有其独特的优势.针对定位系统和文化算法的特点,提出一种将Chan算法与文化算法相结合的算法.利用该算法解决TDOA定位估计中遇到的非线性最优化问题.仿真结果表明:该算法性能稳定,与传统算法以及其他智能算法相比,定位精确度较高,收敛速度较快.     

不确定条件下多产品间歇过程优化研究

针对不确定参数数目增大时不确定条件下间歇过程优化较难求解的情况 ,提出了新的求解策略。将蒙特卡罗积分策略与求解二阶段随机规划的可行域算法相结合 ;依据间歇过程特性 ,避免求解一系列可行域限定子问题 ;将积分值抽样点数与Benders算法主问题优化限定条件中的抽样点数相区别 ,利用两组抽样点求解。新的求解策略使不确定参数数目增大的情况下间歇过程优化问题变得较易处理 ,算例证明了该算法的有效性。     

基于遗传算法的多项目资源约束优化问题研究

对于有资源约束的多项目优化问题,传统方法易出现局部最优解的情况.而遗传算法可以克服传统优化方法的缺点,故将改进遗传算法引入到该问题中来很有必要.通过实例的计算可以看出,简单遗传算法经常出现早熟,且没有搜索到最优值,而自适应遗传算法则可以搜索到相对较优值,所以自适应遗传算法相对于简单遗传算法要更好一些.因此,改进的遗传算法对于在资源约束下的多项目优化问题具有实用价值.     

Tent混沌和模拟退火改进的飞蛾扑火优化算法

针对标准飞蛾扑火优化算法存在的易陷入局部最优陷阱、全局寻优能力不足的问题,借鉴混沌序列、模拟退火算法和遗传算法,提出Tent混沌和模拟退火改进的飞蛾扑火优化算法.首先,通过Tent混沌序列初始化种群,增加种群多样性;然后对当前最优解增加扰动产生新解,并与当前最优解按比例杂交相加,根据模拟退火算法中的Metropolis准则判断是否接受杂交后的新解,最终获得最优解.分别使用复杂高维基准函数和航迹规划问题测试算法性能.其中,6个复杂基准函数寻优测试结果表明,对于10维基准函数,该算法经过约0.25秒收敛到最优值;对于50维基准函数,该算法经过约0.5秒收敛到最优值.与标准飞蛾扑火优化算法和其它智能优化算法相比,该算法能够有效跳出局部最优解,寻优精度更高,收敛速度更快.航迹规划仿真表明,对有4个禁飞区和2个威胁源的空域环境,该算法经过大约100次迭代可以得到最优航迹,与标准飞蛾扑火优化算法相比精度更高,具有实际应用价值.因此,该算法具有更好的寻优性能.     

Remanufacturing closed-loop supply chain network design based on genetic particle swarm optimization algorithm

As the huge computation and easily trapped local optimum in remanufacturing closed-loop supply chain network (RCSCN) design considered, a genetic particle swarm optimization algorithm was proposed. The total cost of closed-loop supply chain was selected as fitness function, and a unique and tidy coding mode was adopted in the proposed algorithm. Then, some mutation and crossover operators were introduced to achieve discrete optimization of RCSCN structure. The simulation results show that the proposed algorithm can gain global optimal solution with good convergent performance and rapidity. The computing speed is only 22.16 s, which is shorter than those of the other optimization algorithms.     

基于广义逆理论的河网糙率反演研究

引入广义逆和Backus-Gilbert反演理论，构造了牛顿-广义逆方法和自然逆方法计算优化算法的搜索方向，进行 河网糙率反演，并推导了两种算法反演解估计的分辨率矩阵和单位协方差矩阵.理论分析表明,牛顿-广义逆优化算法具有 二阶收敛速度.在反演过程中结合Wiggins方法控制观测数据中的噪声，能够有效调节河道糙率反演结果的分辨率和方差. 数值仿真表明这两种算法与Wiggins方法相结合，选取适当的控制参数，既能达到较高的精度，又能有效地抑制噪声，提 高数值计算的稳定性.     

Layered heuristic algorithm for multiple restriction routes

A layered algorithm by bidirectional searching is proposed in this paper to solve the problem that it is difficult and time consuming to reach an optimal solution of the route search with multiple parameter restrictions for good quality of service. Firstly, a set of reachable paths to each intermediate node from the source node and the sink node based on adjacent matrix transformation are calculated respectively. Then a temporal optimal path is selected by adopting the proposed heuristic method according to a non-linear cost function. When the total number of the accumulated nodes by bidirectional searching reaches n-2, the paths from two directions to an intermediate node should be combined and several paths via different nodes from the source node to the sink node can be obtained, then an optimal path in the whole set of paths can be taken as the output route. Some simulation examples are included to show the effectiveness and efficiency of the proposed method. In addition, the proposed algorithm can be implemented with parallel computation and thus, the new algorithm has better performance in time complexity than other algorithms. Mathematical analysis indicates that the maximum complexity in time, based on parallel computation, is the same as the polynomial complexity of O(kn2-3kn+k), and some simulation results are shown to support this analysis.     

一种基于折射反向学习机制与自适应控制因子的改进樽海鞘群算法

为克服基本樽海鞘群算法（SSA）存在的收敛速度慢、易陷入局部最优等不足,提出了一种基于折射反向学习和自适应控制因子的新型改进樽海鞘群算法（RCSSA）.首先,采用折射反向学习机制在每一次个体的求解中计算折射反向解,极大地提高了算法收敛精度和速度.然后,将原SSA算法中引导者的自适应控制因子引入跟随者的位置更新中,有效地控制整个搜索过程并增加了算法的局部开发能力.为验证所提RCSSA算法的优化性能,采用了7个单峰、16个多峰基准测试函数以及1个工程设计问题对其进行测试.试验中,先引入两种单策略改进的SSA算法来验证所提算法的有效性,再加入鲸鱼优化算法等5个先进的智能优化算法与之进行对比,进一步验证所提算法的优越性.研究结果表明:无论对于低维度还是高维度基准优化问题,所提算法都能有效地增强原SSA算法的开发和探索能力;并且RCSSA算法在整体优化性能方面要优于其他大多数群智能算法.     

TSP问题的改进演化算法

TSP问题的应用非常广,但当前较成熟的算法大都基于局部优化,而局部优化往往无法求出最优解。所提出的算法兼顾了两父体算子与一元算子的优点,并具有免疫算法的免疫记忆功能,是一个具有较强的选择压力和适应地改变的变化算子的演化算法。与其他遗传算法和免疫算法相比具有收敛速度更快,结果更优的特点。     

一种混沌蚁群算法的多峰函数优化方法

为了快速、准确地获得多峰函数的全局峰值以及局部峰值,在给出Henon混沌映射技术的基础上,提出了一种混沌蚁群算法的多峰函数优化方法.该方法将复杂函数的数值解所构成的数字字符转化为蚁群搜索路径上的城市分布网,并构建同函数变量个数相同的蚁群进行全局搜索求解,采用混沌映射技术自适应更新蚁群优化路径上的信息素量.采用低维及高维Benchmark测试函数验证该优化方法的求解性能,并同引力搜索算法以及其他文献方法作求解对比.通过对比可知,该方法在低维多峰函数优化时,其搜索效率均2倍高于其他文献方法.对于维数高于5维的高维函数,该方法的优化效率同其他文献方法基本相同,但在获得全局解及局部解的能力以及所求解的精度均远高于其他文献方法.     

基于自适应混合遗传算法的 岩石类材料动态参数反演

将多元函数的下山单纯形法嵌入遗传算法,加强了算法的局部搜索能力,并且将交叉概率、变异概率以及 局部搜索概率改进为随遗传个体的适应度值改变和进化代数的增加而调整的自适应型。在此基础上针对岩石 类材料的特性,将数值计算值与冲击压缩实验结果之间的相对均方差作为适应度函数,编制了反演分析算法来 确定岩石类材料考虑损伤的非线弹性动态本构模型的待定特征参数。结果表明:由动态本构方程得到的再生应 力-应变曲线与实验曲线之间具有较好的一致性,从而验证了该反演分析方法是合理可行的以及动态本构模型 对于岩石类材料的适用性。     

改进人工蜂群算法

针对人工蜂群算法存在的收敛速度慢、易陷入局部最优的缺点,利用自由搜索算法中的信息素、灵敏度模型代替传统的轮盘赌选择模型,并引入OBL策略产生新蜜源取代每次迭代的最差蜜源,提出了一种改进的人工蜂群算法,并结合NIT技术建立一种新的多峰优化方法.对9个标准测试函数仿真表明本文提出的改进算法不仅大大提高了最优解的精度而且缩短了运行时间,改进性能明显优于现有人工蜂群算法.实例测试表明该方法能够有效、精确地搜索各个峰值点.