一种基于四元加权消减的复杂网络社团划分算法

延续广泛应用的社团结构分级聚类方法,提出了衡量网络社团结构的社团稠密度概念,从而反映了网络结构整体性质的重要特征,并将参数应用于对网络社团聚类的研究当中．特别是基于社团稠密的四元结构提出了基于四元加权消减的社团划分算法．通过复杂网络实例验证了该算法的有效性,并对实验结果进行了比较分析,得出该算法在准确性方面对加权网络有较好效果．     

对Hopfield神经网络求解TSP的研究

为了研究Ｈｏｐｆｉｅｌｄ神经网络解决ＴＳＰ（ｔｒａｖｅｌｌｉｎｇｓａｌｅｓｍａｎｐｒｏｂｌｅｍ）的算法中网络参数和城市拓扑对网络性能的影响,利用计算机模拟Ｈｏｐｆｉｅｌｄ神经网络求解ＴＳＰ的思路,算法。依据大量运算结果对参数和城市拓扑进行了分析,并得出以下结论：（１）Ｈｏｐｆｉｅｌｄ对网络参数的假定值并不是最佳值,参数Ｄ对于网络的性能有比较明显的影响,Ｄ取１００时,网络的收敛率大大提高;而参数Ａ,     

基于灰色关联分析的多网络接入系统模型

针对传统网络选择算法无法满足服务质量的不足,提出了一种基于灰色关联分析的多网络接入算法.设计了多网络接入系统模型,确定了吞吐量、接入代价、接入损耗以及负载均衡等网络参数并构建了多网络接入的参数矩阵,结合权重向量,运用灰色关联分析算法确定最佳网络.对该算法进行了实验仿真,并与单网络及传统TOPSIS算法进行对比分析,其结果表明,该多网络接入算法可以明显提升网络性能,为用户提供满意的服务质量.     

基于单纯形模拟退火算法的网架结构优化设计

针对单纯形和模拟退火算法的优缺点,单纯形模拟退火算法将两种算法有机地结合起来,充分利用了单纯形算法收敛速度快以及模拟退火算法的随机突跳、不易陷入局部极小点的特性。两种算法结合,互相补充不足,大大提高算法的效率,并消弱了对参数选择的苛刻性。应用单纯形模拟退火算法对网架结构进行优化设计,并对模拟退火算法中参数的选择进行了探讨,算例分析表明了单纯形模拟退火算法应用在网架结构优化中的可行性和有效性。     

基于结构和参数智能优化的神经网络数值预测方法研究

针对BP神经网络数值预测中结构不易确定、易陷入局部最小等问题,利用遗传算法,采用二进制编码方式优化网络结构,采用浮点数编码方式优化网络参数;利用粒子群算法进一步改善网络参数,减少算法耗时,提高预测精度。仿真验证了算法的有效性。     

基于单纯形模拟退火算法的网架结构优化设计

针对单纯形和模拟退火算法的优缺点,单纯形模拟退火算法将两种算法有机地结合起来,充分利用了单纯形算法收敛速度快以及模拟退火算法的随机突跳、不易陷入局部极小点的特性。两种算法结合,互相补充不足,大大提高算法的效率,并消弱了对参数选择的苛刻性。应用单纯形模拟退火算法对网架结构进行优化设计,并对模拟退火算法中参数的选择进行了探讨,算例分析表明了单纯形模拟退火算法应用在网架结构优化中的可行性和有效性。     

基于粒子群算法的ANFIS模型参数优化

粒子群优化算法是一类全局随机进化算法,算法通过粒子间的相互作用发现复杂搜索空间中的最优区域。根据粒子群算法对整个参数空间进行高效并行搜索的特点,提出了最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统网络结构参数进行优化设计。混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明本算法的有效性。     

移动自组网网关的能源感知

为了提高移动自组网节点能源有效性,延长系统寿命.用增加网关选择的能耗参数,来改进网关优选算法,并对能源节约进行定性和定量分析.试验结果表明,利用改进的网关优选算法可以使网络寿命延长1.42倍,同时对比了两种算法对网络性能的影响,仿真实验结果表明,增加网关选择能耗参数,对网络性能影响很小,系统寿命延长明显.     

基于自适应BP神经网络的桥梁结构荷载识别

在传统的BP神经网络中引入学习速率自适应调整算法，通过多次数值模拟计算确定学习速率和动量系数等网络 关键参数的取值；分析了学习速率、动量系数等网络参数对网络收敛速度和输出精度的影响；探讨了训练样本容量与网 络识别效果的关系.分别使用挠度、挠度曲率、应变和应变曲率作为输入参数对桁架桥梁荷载进行识别.结果显示以挠度 曲率或应变曲率为输入参数的网络识别效果明显优于以挠度或应变为输入参数的网络，以应变为输入的网络识别效果优 于挠度的情况；学习速率自适应调整算法有效避免了网络训练过程中误差曲线振荡现象的产生，提高了网络的学习效率 ，网络关键参数的最优取值改善了网络的收敛速度和输出精度     

基于可规律性移动锚节点和接收信号强度指示器的改进DV-Hop定位算法及其性能分析

针对DV-Hop定位算法进行了缺陷分析,提出了一种基于可规律性移动锚节点(RMAN)和RSSI测距技术辅助定位的算法RRDV-Hop。采用OMNET++作为仿真平台,分别从算法的平均定位精度、开销、硬件成本和稳定性等方面对两种定位算法的仿真结果进行了对比和分析。实验结果表明,在相同网络条件下,与DV-Hop算法相比,RRDV-Hop算法近似实现了锚节点的均匀分布,能够在随机分布的网络中提高平均定位精度和保持更好的算法稳定性;同时减少了锚节点个数,从而降低了网络的硬件成本。因此,RRDV-Hop算法更能适应随机分布的无线传感器网络。     

资源分区算法应用于接入网设计（增刊）

对网络拓朴采用分区的概念进行设计，是资源分区算法[1,2]的基本思想。本文发展了资源分区算法, 通过调整该算法中的两个关键参数-长度容限和跳数约束寻找可行路径，从而完成接入网网络设计，并通过模拟设计实验进行了验证。     

CMAC神经网络结构参数及其结构优化的研究

CMAC神经网络具有学习算法简单、收敛速度快、局域泛化等优点,被广泛应用于机器人控制、信号处理、模式识别以及自适用控制等领域。但是网络的训练过程需要大量的存储单元,最优结构参数的选取是CMAC网络设计中一个重要问题。文中通过对函数逼近问题的研究,说明了量化精度和泛化参数如何影响网络对函数的逼近质量。仿真结果表明,通过对结构参数的调整,可以达到最小的逼近误差。而通过对网络结构的优化不但可以节约网络的训练时间而且可以大幅度减少存储单元的数量。     

Tomography技术中的多参数网络拓扑推断

为了减少拓扑推断中采用单一参数在推断时的限制,提出了一种结合端到端时延和丢包率的算法,该算法在应用时仅需适量的计算而无需增加测量流量,并且该算法能适应不同负载的网络环境。理论分析了多参数拓扑推断算法的正确性并通过网络仿真器(NS2)进行了仿真,仿真结果表明多参数的网络拓扑能在不同负载的网络环境下准确的推断网络拓扑。     

配电网可靠性评估区间算法

提出一种利用区间算法评估复杂配电网可靠性的方法.为使网络简化,根据复杂配电网的特点,运用网络等值的方法通过进行向上等效和向下等效过程得到简单的辐射型网络.该算法对配电系统元件可靠性原始参数进行分析和处理,得到各元件的可靠性原始区间参数,在此基础上求出负荷点及系统的可靠性区间指标及停电经济损失区间值.应用该算法对RBTS-BUS2系统进行可靠性评估,结果表明该算法灵活、高效、有工程实用价值.     

一类时变参数的递推辨识方法

本文对线性时变系统的参数辨识方法进行了分析和研究,提出了一类新的时变参数递推辨识方法。算法假定时变参数由自回归模型表示,并保证辨识算法结构传递矩阵正实或严格正实。本文分别给出了白噪声和有色噪声情况的两种递推辨识算法,证明了它们的一致收敛性。结构分析表明,最小二乘估计和朗道自适应串联辨识算法是这类辨识方法的特例。在给定的结构条件下,辨识算法对周期和单调变化的时变参数有一定的跟踪能力。     

基于支持向量机和遗传算法融合的入侵检测

为了研究网络异常入侵检测问题,将支持向量机(SVM)和遗传(GA)算法融合并应用于入侵检测领域,区分正常和异常的用户行为,实现对网络系统的入侵检测。传统SVM算法易产生训练参数选择不当,难以获得较高的检测效率和分类精度等问题。针对此问题,提出了一种优化的基于SVM-GA融合的入侵检测方法,首先对网络入侵数据进行归一化处理简化输入,然后通过遗传算法对SVM训练参数进行同步优化,最后采用SVM算法对网络数据进行检测,分类识别得到网络入侵结果。仿真实验结果表明,该融合算法训练时间短、检测精度高、误报率和漏报率低,是一种有效可行的入侵检测方法。     

基于区分服务的无线传感器网络性能研究

根据网络数据区分服务的思想,对无线传感器网络MAC层协议的CSMA/CA算法进行改进.新算法可通过改变协议参数的方式达到无线传感器网络对网络数据区分服务的目的.针对改进协议所进行的仿真证明,新算法可以为网络数据提供多层次的服务.     

模糊综合评判的融合网络2种丢包原因区分

提出了基于Fuzzy综合评判的异构网络两种丢包原因区分算法,联合平均丢包率和包对探测帧的ROD,构造不同网络环境下的动态权重分布,从而采用Fuzzy综合评判模型对因无线误码造成的丢包和网络拥塞造成的丢包进行区分。与当前主要丢包区分算法不同,该算法不是简单地设置某一参数在不同丢包模式下的阈值,而是在变化的网络环境下,构建不同参数的动态权重,按照多因素综合评判原则以适应变化的网络环境,仿真显示,该算法在不同的网络条件下,具有更好的网络适应性。     

基础隔震结构的系统参数优化设计

目的为了改善基础隔震结构的减震效果，实现基础隔震结构设计的可靠性和有效性。得到基础隔震结构的系统优化参数．方法建立了基础隔震结构的动力分析模型，推导出其运动微分方程；对标准遗传算法经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点进行改善，提出了改进混合遗传算法；建立基础隔震结构系统参数优化设计模型，使用改进混合遗传算法对7层LRB隔震结构的系统参数进行优化设计，结果优化后。LRB隔震结构的相对加速度峰值、相对速度峰值、相对位移峰值和层间剪力峰值分别比优化前有不同程度的降低．结论工程实例计算结果表明改进混合遗传算法对基础隔震结构的系统参数优化效果比较理想，基础隔震结构的各项地震反应均得到了更好地控制．     

基于DM6446的齿轮参数图像测量算法优化

该文结合TMS320DM6446处理器的特点,对齿轮参数的测量算法进行了优化。首先对算法的循环进行优化,在此基础上配置二级Cache结构,并利用Ping-Pong双缓存结构和EDMA技术,高效的库函数以及编译优化选项等技术对算法进行优化。测试结果表明,优化后算法的处理性能加速比为42,为齿轮参数的实时测量提供了有利基础。