基于正交实验设计的人工蜂群算法

人工蜂群算法是近年来提出的较为新颖的全局优化算法,已成功地应用于解决不同类型的实际优化问题.然而在该算法及相关的改进算法中,侦察蜂通常采用随机初始化的方法来生成新食物源.虽然这种方法较为简单,但易造成侦察蜂搜索经验的丢失.从算法搜索过程的内在机制出发,提出采用正交实验设计的方式来生成新的食物源,使得侦察蜂能够同时保存被放弃的食物源和全局最优解在不同维度上的有益信息,提高算法的搜索效率.在16个典型的测试函数上进行了一系列实验验证,实验结果表明:1) 该方法能够在基本不增加算法运行时间的情况下,显著地提高人工蜂群算法的求解精度和收敛速度;2) 与3种典型的变异方法相比,有更好的整体性能;3) 可作为提高其他改进人工蜂群算法性能的通用框架,具备有良好的普适性.     

变电站巡检机器人组合导航实验

巡检机器人应用于变电站的巡检工作,可提高变电站的智能化程度.导航和控制是机器人自主运行的重要组成部分,利用信息融合技术可在一定程度上弥补单个传感器在精确度和稳定性方面的缺陷,提高系统实用性.设计了系统的硬件平台以及相应的Kalman组合导航滤波算法,并进行了测试,结果表明,通过对GPS和INS进行信息融合,可提高导航的稳定性.     

基于高斯变异的人工萤火虫算法在云计算资源调度中的研究

如何合理地分配云计算资源一直都是研究的热点.建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高.通过在CloudSim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力.     

基于分立模块的单片机实验系统设计

在研究和比较现有单片机实验系统优缺点的基础上,设计了以分立模块,封装,复用,开放为特点的单片机实验系统,不仅满足了验证性实验的需求,而且从学习者的角度和用户体验出发,可以实现灵活的,多层次的设计性实验和应用项目。     

虚拟环境下网络安全实验系统的构建

以QEMU为实验操作系统,通过Dynamips加载和模拟网络设备,采用MVC软件技术架构,从系统框架、实验界面、虚拟机资源管理、网络设备管理、实验结果保存等方面进行了虚拟环境网络安全实验系统的设计。     

MotionView及HyperStudy在全地形车前悬架设计中的应用

为解决全地形车大行程前悬架的悬架跳动与前束角变化的协调问题,研究一款全地形车前悬架的运动学模型.在MotionView中建立该全地形车前悬架的运动学模型,借助HyperStudy对悬架跳动与前束角变化关系曲线进行优化,获得与理想曲线较接近的结果.     

WSNs入侵检测中实值否定选择算法研究

针对无线传感器网络免疫入侵检测中否定选择算法采用r-连续位二进制串匹配度作为亲和力,检测率低且无法反映WSNs在一段时间内的动态特性这一现象,提出采用RNS-WSNs算法,该算法用一段时间内属性值的变化率构成向量作为抗原和抗体,通过计算向量间的曼哈顿距离作为亲和力。在NS3上模拟WSNs进行实验,结果显示在能量消耗相当且误报率相同的情况下,RNS-WSNs算法具有更高的检测率。     

改进人工蜂群算法优化RBF神经网络的短时交通流预测

为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。     

Optimal design of a 3D-printed scaffold using intelligent evolutionary algorithms

Fabrication of three-dimensional structures has gained increasing importance in the bone tissue engineering (BTE) field. Mechanical properties and permeability are two important requirement for BTE scaffolds. The mechanical properties of the scaffolds are highly dependent on the processing parameters. Layer thickness, delay time between spreading each powder layer, and printing orientation are the major factors that determine the porosity and compression strength of the 3D printed scaffold.In this study, the aggregated artificial neural network (AANN) was used to investigate the simultaneous effects of layer thickness, delay time between spreading each layer, and print orientation of porous structures on the compressive strength and porosity of scaffolds. Two optimization methods were applied to obtain the optimal 3D parameter settings for printing tiny porous structures as a real BTE problem. First, particle swarm optimization algorithm was implemented to obtain the optimum topology of the AANN. Then, Pareto front optimization was used to determine the optimal setting parameters for the fabrication of the scaffolds with required compressive strength and porosity. The results indicate the acceptable potential of the evolutionary strategies for the controlling and optimization of the 3DP process as a complicated engineering problem.     

多孔硅相对湿度传感器的设计

基于对三明治型与平铺型两种多孔硅湿度传感器结构的灵敏度分析与比较,结合两种结构的优点,设计出新的传感器的结构。通过对该结构湿度传感器的性能测试,得出该传感器的灵敏度为1.1 pF/RH%,响应时间为73 s,温度湿度系数为0.5%RH/℃,该湿度传感器适用于在中低湿环境中测量,在每隔20 d的时间对传感器跟踪测试,证明该传感具有较好的稳定性。此外为了传感器可以自解吸附,该传感器采用多晶硅为传感器加热除湿,在金属电极上溅射一层钝化层以防止电极被水汽腐蚀。