基于改进蛙跳算法的PID控制器的优化设计

针对多变量、非线性、强耦合性的倒立摆系统,首先建立其数学模型,然后对该模型分别进行PID控制。在PID控制中,参数K p、K i和K d的选取直接影响倒立摆的动力反应和控制力。目前主要依靠人工经验调整来确定K p、K i和K d组合以获得较好的控制效果,这种参数选择方法存在较大的主观性和盲目性。采用改进蛙跳算法对PID控制器的K p、K i和K d进行全局优化是一种新的人工智能优化方法。仿真实验表明,该算法能有效地获得最优的参数组合,使PID控制效果能够满足结构性能要求。     

基于改进蚁群算法的Hanoi给水管网优化设计

给水管网优化设计是一个多变量的离散优化问题,设计方案直接影响到工程的投资.针对蚁群算法在优化给水管网问题时易陷入局部极小难以寻求最优解的缺陷,提出一种改进蚁群算法,通过蚁群分工机制与优化信息素增加值提高了蚁群算法的全局搜索能力.利用改进蚁群算法对汉诺塔管网进行优化设计,结果表明改进蚁群算法的设计方案在满足工程要求的同时造价最低.通过与其他优化方法相比,提出的改进蚁群算法在给水管网优化问题中具有较好的全局搜索能力.     

基于Alopex的野草算法

针对野草算法存在求解精度不高、收敛速度慢的问题,提出一种基于Alopex的野草算法。在原有野草算法框架的空间扩散阶段引入Alopex算法,通过从父代和子代个体自变量和目标函数值的变化情况获得启发信息,指导种群向最优方向进化。结合后的算法能够充分发挥两者的优点,改善野草算法收敛速度以及寻优精度。对典型基准函数的测试结果表明,该算法要优于基本野草算法,表现更为稳定,体现出较好的全局搜索能力,具有更快的收敛速度和更高的寻优精度,更适合于解决其它算法难以解决的高维多峰值函数的优化问题;通过与其它相关智能算法的比较,进一步验证了该算法的有效性。     

利用Alopex改进的动力学演化算法

通过将动力学演化算法(Dynamical Evolutionary Algorithm,DEA)与一种随机优化方法——Alopex算法相结合,提出一种改进的动力学演化算法。改进的算法改善了动力学演化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

基于I-PSO算法和Simulink的湿式离合器优化设计

为提高湿式离合器的轻便性和可靠性,提出了一种I-PSO算法与MATLAB/Simulink相结合的湿式离合器优化设计新方法。对湿式离合器进行动力学分析,并基于MATLAB/Simulink搭建湿式离合器动力传递的仿真模型。引入模拟退火算法中对粒子进行扰动的思想对改进的粒子群算法再度进行改进,并基于某测试函数验证了算法改进的效果,选择离合器的滑磨功与体积为优化目标。最终联合改进粒子群算法与MATLAB/Simulink中建立的湿式离合器仿真模型对某具体型号湿式离合器进行多目标优化设计。结果表明,改进后的粒子群算法在寻优的速率和精度上有一定效果;优化后的湿式离合器与原设计相比,总目标函数缩小约40.12%,滑磨功减小了约61.8%,优化效果明显。     

基于关联规则的Apriori算法实现及改进

本文首先对数据挖掘的定义及其发展现状作了简单的介绍,然后从背景、内容、效率、复杂度等方面对基于关联规则的Apriori算法做了深入介绍,最后分析了这个算法的瓶颈问题,并就此问题提出了改进方案.     

基于演化算法的全加器优化设计

演化硬件研究工作中的一个重要研究内容就是电路优化设计,电路优化设计有望实现复杂电路的自动设计并获得新颖、优化的设计结果,因而成为国际性的研究热点。将演化算法引入全加器电路的优化设计中,引入了新的个体评估机制并提出了适用于全加器演化的演化算法。通过仿真实验验证了算法的有效性。     

LogP模型的改进与FFT算法的优化设计

作为大规模并行机上的并行计算模型，ＬｏｇＰ为我们提供了独立于具体系统的算法设计依据。虽然它可以精确地调度通信与计算，但却陷入了繁杂的细节设计，导致实际结果和设计期望相去甚远。我们从算法设计和模型概括两方面对它进行了改进，将路障同步和长消息引入了ＬｏｇＰ模型，既更好地发挥发并行机的效率，又使得实际结果接近设计期望。     

页面包装器自动生成的改进算法

论文提出了一种页面包装器自动生成的改进算法,在对两个HTML页面进行匹配生成页面包装器的过程中,该算法使用树型数据模型作为基础,比原算法具有更高的执行效率。     

基于多孔介质模型的中冷器内阻CFD分析

一、前言本文利用商业CFD分析软件ANSYS Fluent对某汽车中冷器的内流场进行CFD模拟分析,利用ANSYS Fluent软件的多孔介质模型模拟中冷器芯体扰流片的阻力特性,在保证计算精度的同时,极大限度地降低了中冷器内阻CFD分析模型的规模。在产品设计初期,通过对中冷器的内流场进行CFD分析,能有效了解中冷器内部的速度分布情况、压力分布情况以及中冷器内部各冷却管间的流量分配情况,可以得到中冷     

基于改进模拟退火算法的均匀设计表构建

当 为偶数时,使用好格子点法不能产生因素数较大的设计表,且只能在解空间的子空间内产生设计表,所产生的设计表无法保证最均匀。针对上述问题,引入智能计算方法,包括粒子群优化算法和改进的模拟退火算法。对3种算法的优化性能进行比较,结果表明智能算法可以对较大范围的因素数产生设计表,与好格子点法相比,智能算法能够得到均匀性更好的设计表,并且相对粒子群优化算法,改进模拟退火算法构建的均匀设计表的偏差更小。     

基于改进遗传算法的支持向量机参数优化

支持向量机是一种非常有前景的学习机器,但是,支持向量机参数的选取一直没有一套成熟的理论,这给支持向量机的应用带来了很大的不便.为此,本文提出了基于改进遗传算法的支持向量机的参数优化方法,利用遗传算法的全局搜索能力得到支持向量机的最优参数值.仿真实验结果表明,得到的参数可使支持向量机具有良好的泛化性能,此方法切实有效.     

基于改进蚁群算法的虚拟网络映射优化

优化了基于改进蚁群算法的虚拟网络映射结果。以最优化应用底层网络的资源,提升虚拟网络映射底层网络的资源利用效率为研究目标,在不需要支持路径分裂底层网络的情况下,提出一种新的基于改进蚁群算法的虚拟网络映射。通过引入高斯过程模型,加快蚁群优化算法的收敛速度,满足实际应用的实时性要求;并且以映射开销作为适应度函数,最终解决虚拟网络映射问题。实验结果表明,在满足相同准确度的前提下,该算法显著地降低了算法的求解时间,发挥了积极影响。     

基于改进粒子群优化算法的S盒优化设计

采用传统方法设计的S盒性能较差,而常用智能设计方法又存在设计时间过长、容易陷入局部最优的缺点。为此,提出一种基于改变粒子群优化算法的S盒优化设计方法。通过改变惯性权重来提高搜索速度和精度,从而增大算法效率。实验结果表明,该方法可以快速地搜索到能有效抵抗差分密码分析和线性密码分析的S盒,改善其密码性能。     

基于SOVA算法的Turbo译码器的设计与优化

给出了基于SOVA算法的Turbo译码器的硬件设计系统结构，通过对关键模块的硬件资源占有及译码时序的分析，提出了减少硬件资源、降低硬件功耗以及提高译码速度、减少译码时延的优化设计方案。采用NC Simulator的仿真分析以及Cyclone II系列FPGA芯片的硬件测试表明，该文提出的优化设计方案减少了约40%的硬件资源，且译码速度提高了约60%，达到了降低功耗和提高速度的双重功效。     

一种改进粒子群算法在水轮机控制中的应用

关于水轮发电机控制系统优化问题,水轮发电机组的控制技术对于水轮发电机组稳定工作非常重要。针对保证供电质量,改善调节系统的非线性时滞特性,利用具有局部搜索能力的粒子群算法对水轮发电机组进行模糊PID控制可以确保控制的稳定性。首先,根据水轮发电机组的控制原理和模糊PID控制器的基本结构,提出具有局部搜索能力的改进粒子群算法,利用模糊PID控制器以及采用了改进粒子群算法的模糊PID控制器,用MATLAB软件对水轮发电机组进行优化控制仿真,仿真结果表明采用改进粒子群算法的模糊PID控制器具有最优的控制效果。     

基于改进遗传算法的土地复垦规划空间优化

土地复垦空间优化是对复垦区土地再利用类型进行数量配置和空间布局,是土地复垦的重要内容和主要方面.根据土地复垦空间优化问题的特性对传统遗传算法添加了小生境算法、自适应参数算法和倒位算法等改进算法,构建了土地复垦空间优化模型,并将遗传算法和GIS融合,增强了复垦土地空间结构优化的空间处理能力.以北京市门头沟区矿业废弃地复垦空间优化为例进行仿真,结果表明:改进的遗传算法更加准确高效,对空间布局的优化结果与门头沟区实际情况相符.     

改进型模拟退火算法在设备布局设计中的应用

由于设备布局问题是NP完全问题，它在有限合理的时间内难以求得最优解，因此问题的求解只能依赖于各种启发式方法。文章针对传统的模拟退火算法经常出现迂回搜索，导致搜索效率低，解的质量差这一现象，通过在传统模拟退火算法搜索过程中增加记忆功能，来避免迂回搜索，将改进的模拟退火算法应用于设备布局的研究中，通过实例证明改进的模拟退火算法解的质量有了很大提高。     

基于遗传算法的自适应油源控制系统优化设计

文章采用键合图一状态空间法建立了自适应油源控制系统的数学模型,给出了基于Simulink的仿真模型及自适应油源控制系统动态特性的仿真结果。通过采用实数编码、精英选择、自适应交叉和变异概率策略的遗传算法,将系统仿真模型与遗传优化算法有机结合起来,把仿真模型作为适应度函数的输入模块,完成参数组合的优化,实现基于仿真模型的参数优化。并对优化计算进行可视化编程,实现优化过程的信息处理可视化。仿真结果表明：优化后系统的动态性能得到了较大的改善。     

一种基于改进蚁群优化的QoS路由算法

蚁群优化（Ant Colony Optimization,AC0）是一种新型的分布式仿生优化算法,可有效地用来解决组合优化问题,而网络路由优化问题则正是组合优化问题当中的一种。因此,本文首先分析了常用路由算法与蚁群优化的基本原理,根据网络路由优化问题与蚁群优化算法的许多匹配特性,提出了一种基于改进蚁群优化的QoS路由算法（Route Algorithm based on Improved Ant Colony Optimlzation,RAIAC0）。最后,通过实验分析,对其可行性进行了证明。