Modified Immune Clonal Constrained Multi-Objective Optimization Algorithm

针对约束多目标优化问题,提出修正免疫克隆约束多目标优化算法.该算法通过引进一个约束处理策略,用一个修正算法对个体的目标函数值进行修正,并对修正后的目标函数值采用免疫克隆算法进行优化,用一个精英种群对可行非支配解进行存储.该算法在优化过程中,既保留了非支配可行解,也充分利用了约束偏离值小的非可行解,同时引进整体克隆策略来提高解分布的多样性.通过对约束多目标问题的各项性能指标的测试以及和对比算法的比较可以看出:该算法在处理约束多目标优化测试问题时,所得解的多样性得到了一定的提高.同时,解的收敛性和均匀性也得到了一定的改进.     

修正免疫克隆约束多目标优化算法

针对约束多目标优化问题,提出修正免疫克隆约束多目标优化算法.该算法通过引进一个约束处理策略,用一个修正算法对个体的目标函数值进行修正,并对修正后的目标函数值采用免疫克隆算法进行优化,用一个精英种群对可行非支配解进行存储.该算法在优化过程中,既保留了非支配可行解,也充分利用了约束偏离值小的非可行解,同时引进整体克隆策略来提高解分布的多样性.通过对约束多目标问题的各项性能指标的测试以及和对比算法的比较可以看出:该算法在处理约束多目标优化测试问题时,所得解的多样性得到了一定的提高.同时,解的收敛性和均匀性也得到了一定的改进.     

一类Toeplitz三对角方程组的有效分布式并行算法

针对大型方程组的特点,本文提出了一种求解一类Toeplitz三对角方程组的分布式并行算法.该算法首先并行求出原Toeplitz三对角方程组的近似解,然后在给定的误差范围内对近似解进行修正,该算法的通信机制简单、冗余计算量少.数值试验表明该算法具有较高的并行效率.     

矩阵填充硬阈值算法的两种修正

本文提出了两种使用硬阈值进行矩阵填充的修正算法.算法通过对迭代矩阵进行对角修正来完成矩阵填充,其中第一种算法每步均修正,第二种算法每两步修正一次,并给出了算法的收敛性分析.最后通过数值实验分别比较了两种算法与硬阈值算法填充的数值结果,显示出了新算法的优越性.     

生化系统稳态优化的一种新算法

针对一类生化系统的稳态优化问题, 在已有间接优化方法(IOM)的线性优化问题中引入一个反映S–系统解和原模型解一致性的等式约束, 应用Lagrangian乘子法将修正后的非线性优化问题转化为一个等价的线性优化问题, 提出了一种改进的稳态优化新算法. 该优化算法不仅可以收敛到正确的系统最优解, 而且可用现有的线性规划算法去计算. 最后将算法应用于几个生化系统的稳态优化中, 结果表明, 本文提出的优化算法是有效的.     

基于云模型的NSGA-Ⅱ算法改进

如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题.提出一种基于云模型的改进NSGA-Ⅱ算法,利用正态云模型云滴的随机性和稳定倾向性特点,分别对交叉、变异、拥挤距离算子进行改进.使算法既具有传统的趋势性和满足快速寻优能力,又具有随机性.在提高收敛速度与保持种群多样性之间做了个很好的权衡.通过求解多目标背包问题,对本文算法的多目标优化性能进行了考察,并与NSGA-Ⅱ算法进行比较,结果表明本文算法在整个解空间内能快速搜索到Pareto最优解,使搜索到的Pareto最优解在前沿均匀分布.     

基于最小费用流模型的无重叠视域多摄像机目标关联算法

二分图最大匹配算法是常用的无重叠视域多摄像机目标关联算法, 本文提出了一种基于最小费用流模型的关联算法, 并与前者进行对比. 实验发现前者很大程度上依赖于效用函数的定义, 效用函数存在的偏差导致该算法求解结果不理想. 后者理论上能够估算并修正效用函数的偏差, 得到更优的解. 本文进行了大量仿真实验, 实验表明了本文算法更为鲁棒有效.     

基于惯性传感器的上肢位置跟踪

为辅助中风病人的康复训练,设计了一种手腕固定惯性测量单元的上肢位置跟踪方案.导航定位算法采用传统的捷联惯性导航解算算法,并在此基础上根据标准康复训练中手臂做屈伸运动时速度周期性为零的特征,引入零速修正技术(ZUPT).采用姿态检测最优算法检测零速区间,将此时惯性导航解算的速度作为量测值进行Kalman滤波,对系统的速度、姿态、位置、加速度计和陀螺仪常值零偏误差进行估计,将估计结果反馈以修正捷联惯性导航的累积误差.同时在Kalman滤波的基础上设计了固定区间RTS平滑算法,解决了零速修正引起的运动轨迹的突变问题.实验结果证明,该方案可以有效地实现上肢位置跟踪,在运动时间为108 s的情况下,定位误差为运动路程的0.089％.     

粒子群优化噪声参数的行人导航零速修正算法

针对使用零速修正算法进行行人惯性导航时,固定噪声参数不适用所造成的导航精度较低的问题,提出了一种基于粒子群算法优化噪声参数的零速修正算法。通过最小化零速阶段的滤波器新息序列可以在线调整滤波参数,以适应当前行人运动状态,最后通过对多组惯性数据进行解算来验证算法有效性。分别使用了标准零速修正算法和粒子群优化的零速修正算法对惯性数据进行解算,并计算两种算法解算结果的位置误差,结果表明,提出的算法能够得到更小的定位误差和更平滑的解算轨迹。     

时间约束调度中功能单元的下限估算

针对高层次综合中时间约束下的调度问题,提出了对功能单元的2种下限估算算法：单位长度调度法和最大网络流法．其主要思想是将原调度问题的不同约束放松,得到多项式可解的新问题,并使得新问题的最优解是原调度问题的下限值．将2种算法与已有的最小重叠法和整数线性规划给出的最优解做了理论和实验上的比较．实验结果表明：2种估算算法运行时间合理,并且单位长度调度法比最小重叠法更准确．最后总结了各种约束对下限估算准确性的影响．     

基于学习矢量量化网络的智能BIT故障诊断方法

将一种经过修正的基于学习矢量量化算法的竞争网络应用在多电飞机电气系统智能BIT故障诊断中,该网络在竞争层实现故障模式的自组织聚类,在输出层给出了具体的故障模式,通过与原算法进行比较,修正后的算法达到了很好的故障识别和分类效果.     

对一种递归神经网络算法的修正

本文指出了Ｃｈａｏ－ｃｈｅｅ Ｋｕ等人提出的对角递归神经网络算法中存在的不足，并给出了修正算法，数学分析及仿真结果表明，本文所做的修正是合理的。     

求解随机时变背包问题的精确算法与进化算法

随机时变背包问题(RTVKP)是一种新的动态背包问题,也是一种新的动态组合优化问题,目前它的求解算法主要是动态规划的精确算法、近似算法和遗传算法.本文首先利用动态规划提出了一个求解RTVKP问题的新精确算法,对算法时间复杂度的比较结果表明:它比已有的精确算法更适于求解背包载重较大的一类RTVKP实例.然后,分别基于差分演化和粒子群优化与贪心修正策略相结合,提出了求解RTVKP问题的两个进化算法.对5个RTVKP实例的数值计算结果比较表明: 精确算法一般不宜求解大规模的RTVKP实例,而基于差分演化、粒子群优化和遗传算法与贪心修正策略相结合的进化算法却不受实例规模与数据大小的影响,对于振荡频率大且具有较大数据的大规模RTVKP实例均能求得的一个极好的近似解.     

基于最大信噪比的盲源分离算法的修正与比较

对基于最大信噪比的盲源分离算法进行了修正,解决了原算法在一些情况下失效的问题,并且比较分析了以上算法和全局最优盲源分离算法的分离性能。仿真结果表明,修正了的基于最大信噪比的盲源分离算法和全局最优盲源分离算法经常在分离性能上很相近,且都解决了修正前算法在一些情况下失效的问题。     

ICM算法在基于模糊最大熵原则的多阈值选择中的应用

最大熵原则是图像处理中阈值选择的最重要的方法之一,吸引了很多研究者的注意力.H.D. Cheng等人将模糊性引入最大熵原则,提出了模糊最大熵的概念.本文对他们提出的这种模糊最大熵原则做了修正,提出了我们自己的模糊最大熵公式,并针对多阈值选择中计算量太大的问题,提出了解决这一问题的ICM算法.通过实验比较了我们的算法与模拟退火算法,充分显示了ICM算法的有效性.     

基于一种改进的无源目标定位算法在WSN中的研究

无源定位作为无线传感中的一种新的定位技术,具有抗干扰能力强,隐蔽性强的特点,本文针对无源定位中的DTOA算法具有能量消耗大,时间消耗长的特点,对TDOA中的Chan算法进行改进,对算法自身的存在多解的情况,采用极限学习机的从解集中选出最优解,并针对最优解采用并采用了近似最小似然估计的方法对定位结果进行了修正,能够有效的提高节点定位的精度,减少误差。仿真实验从定位精度与更新次数,TDOA测量噪声方差,节点之间的距离,协作节点数量等4个方面来进行比较,本文的算法相比与传统的Chan无源算法能够有效的提高定位精度,具有很好的参考价值。     

调速泵结构配置协调分解优化算法及实现

建立多级调速泵结构配置连续非线性规划和整数非线性规划二阶段模型.非线性整数规划子问题采用外逼近算法求解.针对连续非线性规划主问题,提出基于割角法的可行域协调分解优化算法,证明割角法陷阱问题并建立判断准则排除已知的陷阱区域,在此基础上构建系列松弛问题得到原优化问题渐进收紧的下界估计,并最终收敛到原优化问题全局最优解.三级调速泵结构配置实例验证了算法的有效性,并给出与其他算法的比较结果.     

基于新型双目标模型的约束优化进化算法

利用双目标模型求解约束优化问题时,由于它们的最优解集并不相等,因此需要增加特殊机制确保求解双目标问题的算法收敛到原问题的最优解.为克服这一缺点,本文首先将约束优化问题转化为新的双目标优化模型,并证明了新模型的最优解集与原问题的最优解集相等.其次,以简单的差分进化为搜索算法,基于多目标Pareto支配关系的非支配排序为选择准则,提出了求解新模型的差分进化算法.最后,用10个标准测试函数的数值试验说明了新模型及求解算法的有效性.     

采用数量级阈值与二维信息排序策略的NSGA-II-DE算法

为提高算法NSGA-II-DE解决含有复杂Pareto解集优化问题的性能, 分析原NSGA-II中拥挤度计算公式和排挤机制的缺陷, 并以NSGA-II-DE算法为基本框架, 将传统拥挤度排序策略改为包含有角度信息与伪半径的二维信息排序策略. 在拥挤度排挤机制中加入数量级阈值的干预, 提出改进算法2D-Thr. 选取多样度、收敛度和分布度3个评价指标进行量化计算, 并与NSGA-II-DE、原NSGA-II、MACPSO进行比较. 仿真结果表明, 改进算法不仅有效继承了原算法优良的收敛性, 而且提高了Pareto前沿的分布度.

     

无线传感器网络中一种修正DV-Hop算法

阐述了DV-Hop算法的基本原理。针对原算法中由于节点间跳数过大及小范围的部分节点聚集形成的相似误差使得未知节点的定位精度不高的问题,提出了一种修正DV-Hop定位算法。新算法通过设置门限值修正节点间的跳数,并利用信标节点的估计坐标和实际位置的偏差作为修正因子来修正未知节点的定位结果,同时剔除区域外的未知节点,提高了跳段距离估算精度,降低了定位误差。仿真实验结果表明,在不增加额外硬件的基础上,修正算法的定位精度明显要优于原算法,证明了修正算法的正确性。