蝙蝠侠 九州风神BatMan显卡散热器

对于DIYer尤其是MODer一族来说．追求的不仅是配置上的强劲．视觉上的美感也相当重要。而九州风神最近推出了一款蝙蝠造型的显卡散热器就是一个绝佳的玩物．即使不用来散热．扮酷也是不错的选择。在外形上．它就与电影中蝙蝠侠使用的蝙蝠标非常相似．黑色的蝙蝠“翅膀”配以金黄色的散热鳍片．在体验极酷外观的同时．也确保了显卡的散热效能。内嵌式的静音风扇将气流由中心吹向四周．在低噪音的情况下可以获得更好的散热效果。除此之外．BatMan还搭配了8个小型散热片以供显存散热。独特的外形．出色的散热效果．九州风神BatMan比较适合那些特立独行的DIY或MODer玩家的口味，目前市场报价为99元。     

蝙蝠算法研究及应用综述

蝙蝠算法（BA）是一种受蝙蝠利用超声波回声定位觅食行为启发的新型群体智能优化算法。介绍了蝙蝠算法的基本原理，分析了性能影响因素，论述了算法的改进策略，并阐述了蝙蝠算法在数据挖掘、图像处理、组合优化等方面的应用与发展。最后结合蝙蝠算法的性能特点和应用方向，对蝙蝠算法未来的研究发展方向进行了展望。     

BigDog技术分析与展望

引言仿生学是一门重要学科,大约35亿年的生命演化和协同进化过程优化了生物体结构和功能,人类积极探索自然界的欲望是各种技术思想和发明创造灵感的不竭源泉。在人类科学技术发展历史中,许多重大发明都源于仿生思维。例如,模仿鸟类翅膀剖面发明了飞机翼型,模仿墨鱼运动机理实现了喷气推进,模仿蝙蝠超声定位发明了雷达,等等。目前各国主要开展了海洋动物仿生、蛇类仿生、变形虫仿生、人体仿生等研究,其中大狗     

百米赛跑冠军"吸血鬼"蝙蝠

在北美洲一种称为"吸血鬼"的蝙蝠,是蝙蝠世界中的赛跑佼佼者.纽约康尔大学的丹尼尔和约翰为了证实这种"吸血鬼"蝙蝠的跑步技能,制作了一部可调速的滚球式小车,车上配置了能跟踪蝙蝠运动情景的微型摄像头,小车带着蝙蝠一道飞行.当他们把滚球式小车的行速调高时,蝙蝠随车速的改变而飞行速度加快.最后两位研究者惊奇地发现,蝙蝠竟然着地随着小车一起奔跑起来.     

求解柔性作业车间调度问题的改进蝙蝠算法

针对柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种改进蝙蝠算法来求解．为了有效地表达出工序与粒子种群之间的关系,提出一种单层整数编码策略．在粒子的速度和位置方面,算法重新定义速度和位置的相关算子．为了克服基本蝙蝠算法固定参数不足的缺点,重新调整惯性权重的值,提出一种呈指数递减的惯性权重策略．针对具体生产实例进行验证,实验数据表明,该改进算法在求解柔性作业车间调度问题上具有良好的性能,是一种有效的调度算法.     

遗传变异蝙蝠算法在0-1背包问题上的应用

0-1背包问题是经典组合优化NP难题。在蝙蝠算法的基础上结合遗传变异的思想,引入主动进化算子、无效蝙蝠和当前最优位置蝙蝠集聚的处理规则,提出了遗传变异蝙蝠算法,并将其用于求解0-1背包问题。仿真结果表明：该算法在收敛速度和精度上优于基本蝙蝠算法,并且能够有效地求解0-1背包问题。     

求解大规模优化问题的可全局收敛蝙蝠算法

为了快速求解大规模优化问题,构造出了可全局收敛的蝙蝠算法。在该算法中,将一个蝙蝠看成是优化问题的一个候选解;采用正交拉丁方原理生成蝙蝠群的初始空间位置,以达到对搜索空间的均衡分散性和整齐可比性覆盖;将蝙蝠的追随、自主、避险和从众行为用于构造每个蝙蝠的空间位置转移策略;利用蝙蝠捕获猎物时的响度和脉冲速率来确保整个蝙蝠群要么保持原状态,要么向好的空间位置转移,但绝不会向差的空间位置转移。在蝙蝠群移动过程中,蝙蝠从一个空间位置转移到另一个空间位置实现了蝙蝠群对优化问题最优解的搜索。结果表明,采用可归约随机矩阵稳定性定理可证明本算法具有全局收敛性。测试案例表明,本算法用于求解大规模优化问题时具有对不同类型优化问题适应性强且收敛速度快的优势。     

求解带硬时间窗的多目标车辆路径问题的多种混合蝙蝠算法

针对多目标车辆路径问题的研究,考虑了车载量限制和硬时间窗的约束条件,以最小派车数和最小车辆行驶距离为目标建立了数学模型。在分析基本蝙蝠算法求解离散问题局限性的基础上,混合蝙蝠法加入交叉算子和重组算子,提高算法性能。利用遗传算法的特点,构建出三种混合蝙蝠算法,算例测试结果表明,混合蝙蝠算法是解决离散型问题的一种有效方法。与基本蝙蝠算法相比,混合蝙蝠算法具有较高的计算效率和持续优化能力,其中单点重组精英遗传混合蝙蝠算法解决算例寻优能力最佳。 关键词：混合蝙蝠算法;车辆路径问题;多目标;硬时间窗     

一种改进的自适应变异蝙蝠算法

针对蝙蝠算法在解决高维复杂问题时容易陷入局部最优解和精确度不高的问题,文中提出了一种改进的蝙蝠算法。在原算法的基础上,引入一种交叉变换的方式更新蝙蝠群体的位置,一方面是为了提高蝙蝠算法的遍历性,另外还可以减小蝙蝠算法陷入局部最优解的可能性。模拟蝙蝠发声的音量变化,采用自适应的变换的方式改进蝙蝠算法最优解的选择模式,达到提高算法的精度和收敛速度的目的。最后通过标准的测试函数对改进后的算法进行数值模拟,结果显示,改进后的算法较为有效。     

基于部落结构的多种学习机制蝙蝠优化算法

蝙蝠算法(bat algorithm,BA)是受自然界中的蝙蝠通过回声定位进行搜寻、捕食行为的启发演变而来的一种新颖的群智能仿生优化算法。为了提高蝙蝠算法的收敛效率,把多种学习机制引入到蝙蝠优化算法中,通过将蝙蝠群体进行部落划分以及各部落间建立相互学习机制,使得内部局部搜索及全局最优信息能够在群体内传递。仿真结果表明,该算法切实提高了收敛效率。     

“重要文件”病毒变种惊现 冒充易趣购物邮件

“哇!!!!有金子掉下来啦，不信，看看……就知道了。在哪里？呵…在附件中哦”当你收到类似诱惑性电子邮件内容，有可能在其中会隐藏“重要文件”最新变种病毒Worm．ImpoFile．b。     

基于模拟退火高斯扰动的蝙蝠优化算法

蝙蝠算法（bat algorithm, BA）是一类新型的搜索全局最优解的随机优化技术。为了提高BA算法的搜索效果, 把模拟退火的思想引入到蝙蝠优化算法中, 并对蝙蝠算法的某些个体进行高斯扰动, 提出了一种基于模拟退火的高斯扰动蝙蝠优化算法（SAGBA）。分别将蝙蝠优化算法、模拟退火粒子群算法、SAGBA在20个典型的基准测试函数中进行仿真对比, 结果表明SAGBA不仅增加了全局收敛性, 而且在收敛速度和精度方面均优于其他两种算法。     

精英交叉二进制蝙蝠算法求解0-1背包问题*

针对基本蝙蝠算法收敛速度慢,易早熟的问题,提出了一种精英交叉二进制蝙蝠算法。该算法借鉴精英策略和遗传算法中的交叉机制,按照一定比例选择蝙蝠群中的精英个体进行交叉,将得到子蝙蝠群和父蝙蝠群进行混合择优,保证蝙蝠群的多样性和优秀性,提高了全局搜索能力;为提高局部搜索能力,算法在对每个个体计算适应度值时加入贪心策略;另外,通过对蝙蝠群最优解进行动态监测,适时对种群进行柯西变异,使算法具有跳出局部极值的能力。通过对5个实例的仿真计算比较表明,该算法与改进贪心遗传算法,贪心二进制蝙蝠算法和病毒协同蝙蝠算法相比,无论是收敛速度还是寻优能力都表现优异,为求解0-1背包问题提供了一个实用的算法。     

求解无容量设施选址问题的混合蝙蝠算法

无容量设施选址（Un-capacitated Facility Location,UFL）问题是可以运用于不同领域的经典优化难题。蝙蝠算法（Bat Algorithm,BA）是一种新的群智能优化算法,目前还未被应用到无容量设施选址问题的求解中。针对蝙蝠算法易陷入局部最优、收敛精度低、后期收敛速度慢的缺点,并结合无容量设施选址问题的具体特征,将三种局部搜索策略、和声搜索机制与基本蝙蝠算法相结合,使用一种新的随机游走法则公式改善蝙蝠的搜索能力,设计了求解无容量设施选址问题的混合蝙蝠算法。通过实例测试将混合蝙蝠算法与其他算法进行比较,验证了该算法求解无容量设施选址问题的有效性与可行性。     

整数规划的量子行为蝙蝠算法

蝙蝠算法是一种新型群体智能算法,传统的蝙蝠算法在解决整数规划问题时容易陷入局部最优并出现早熟收敛现象,为了解决这些弊端,提出了一种基于势阱的具有量子行为的蝙蝠算法。论述了算法的优化原理和实现方式,并通过仿真实验,与粒子群算法和量子行为粒子群算法进行性能对比。实验结果表明,量子行为蝙蝠算法不仅能够有效地解决整数规划问题,而且比其他算法具有更好的性能。     

基于WS小世界模型的蝙蝠优化算法

蝙蝠算法是在对微型蝙蝠回声观察研究的基础上发现蝙蝠回声和优化目标功能之间的关系而提出的一种新算法。蝙蝠算法具有强大的搜索性能,但是其局部搜索相对简单,个体间缺乏信息互通,搜索能力差。尽管目前也提出了一些相关改进算法,但高维优化方面较少涉及。考虑到蝙蝠群体中个体相互联系与作用的方式有动态复杂的感知网络结构,具有“小世界”特性,所以首先把有“小世界”特性的WS小世界模型引入蝙蝠算法,利用WS小世界模型断边重连的特点生成动态的邻域结构,这种邻域结构能够提高整体的搜索能力。实例验证表明借助一般的蝙蝠算法可以进行局部搜索。     

基于禁忌搜索的蝙蝠算法

为了克服蝙蝠算法(BA)易陷入局部最优,收敛速度过快等缺点,以基本蝙蝠算法为基础,提出了基于禁忌搜索的蝙蝠算法(TSBA)。TSBA算法将蝙蝠算法和禁忌搜索算法相结合,采用禁忌表以及渴望水平函数的策略,使算法具有更强的全局寻优能力,有效地避免了早熟现象。为了验证该算法的有效性,采用0-1背包问题作为测试内容。实验结果表明,基于禁忌搜索的TSBA蝙蝠算法比基本的蝙蝠算法具有更强的寻优能力和搜索速度。     

来自大自然的寻优策略：像蝙蝠一样感知

蝙蝠算法是受自然界中的蝙蝠通过回声定位进行搜寻、捕食猎物行为的启发,并将多智能体系统与进化机制相结合发展而来的优化方法。作为一种新颖的仿生群体智能优化算法,分析了蝙蝠算法的仿生原理、优化机理及特点,对算法优化过程进行了定义。通过标准算例对蝙蝠算法在连续空间和离散空间的优化性能进行了仿真测试,结果表明该算法在函数优化和组合优化方面应用的可行性和有效性,具有良好的应用前景。     

新型全局优化蝙蝠算法

通过对生物智能机理的借鉴,许多解决复杂问题的新方法不断涌现.最近,Yang基于蝙蝠的回声定位行为,提出了一种新的全局优化算法——蝙蝠算法,同时将一些现有算法的优点引入到该算法中.首先讨论了蝙蝠算法的生物学动机,从原理上描述了蝙蝠回声定位行为和算法实现流程,随后求解了函数极值优化问题.仿真结果表明,蝙蝠算法的性能优于粒子群算法.最后,对进一步研究作了展望.     

一种基于蝙蝠算法的工艺规划方法

为了解决结构复杂零件工艺规划效率低、质量差的问题,设计了一种改进的蝙蝠 算法用来进行复杂零件的工艺规划。在传统的特征-工序的工艺路线表达方法的基础上,设计了 合理的蝙蝠编码、解码策略。建立了工艺路线和蝙蝠在搜索空间位置的映射矩阵,设计了蝙蝠 种群的初始化方法。为了扩大搜索范围,改进了蝙蝠算法原有的局部搜索策略,对局部最优解 进行移位和变异操作,从而增加了种群的多样性。仿真实验验证了该算法进行工艺规划的可 行性。