可提高轮胎制动性能的新材料技术

日本横滨橡胶公司在胎面胶中采用特殊的粒子结构，现已开发出可提高轮胎安全性和缩短制动距离的新材料(柔软性胎面胶料)。     

基于KPCA-PSO-SVM的径流预测研究

为提高径流预测模型的准确性与稳定性,对KPCA-PSO-SVM的径流预测方法进行了研究。在分析径流影响因素的基础上,利用核主成分分析(KPCA)法对径流影响因子进行非线性特征提取,获得主成分作为支持向量机(SVM)的输入变量,建立了径流预测SVM模型,其中模型参数通过粒子群算法(PSO)进行优化。模型建立后,以新疆伊犁河雅马渡站中长期径流预测为例进行分析。预测分析结果表明,在拟合和检验阶段模型的平均相对误差分别为0.77%和7.64%,与其他预测模型比较,基于KPCA-PSO-SVM方法建立的径流预测模型有较好的预测和泛化能力,是一种行之有效的中长期径流预测方法。     

非线性互补问题计算机实现

分析了非线性互补问题求解困难,利用粒子群算法并结合极大熵函数法给出了该类问题的一种新的有效算法。该算法首先利用极大熵函数将非线性互补问题转化为一个无约束最优化问题,然后应用粒子群算法来优化该问题,计算机程序实现表明该算法是有效的。     

粒子群优化算法在Web服务选择中的应用

粒子群优化(Particle Swarm Optimization,PSO)算法从随机解出发,通过不断迭代寻找局部最优解,然后根据局部最优解来寻找全局最优解。该算法实现容易、精度高、收敛快。Web服务是一种发展迅速的新型分布式计算模式,把不同服务商提供的服务整合起来,提供组合服务。用粒子群算法优化Web服务的服务质量参数,可以有效地产生一组满足约束条件的最优解,可以减少获得最优解的运算时间。     

海杂波复合K分布模型的参数估计

海杂波幅度分布特性对雷达海面目标检测与识别、信号处理以及性能评估均有重要意义。在高分辨率雷达中,复合K分布模型对海杂波的实测数据具有很好的拟合效果。采用粒子群优化算法进行海杂波模型的参数估计,重点研究粒子群算法中的惯性权重和学习因子的选择以及边界问题的处理,并利用CSIR组织公布的雷达实测数据进行仿真,估计结果通过均方差检验评估参数估计效果,结果表明:粒子群优化算法具有良好的适应性和估计精度,验证了改进算法的有效性。     

基于QPSO 算法移动机器人轨迹规划与实验

针对移动机器人路径规划问题,提出一种基于QPSO算法的路径规划方法,并用概率论的方法分析了移动机器人路径规划的收敛性,阐明了该方法随均匀分布和正态分布的参数关系和收敛区间;然后根据移动机器人的运动特征提出一种改进的轨迹规划方法。移动机器人平台的实验结果表明了该方法在移动机器人路径规划中的有效性和可行性。     

自适应收扩系数的双中心协作QPSO算法

针对量子粒子群优化(QPSO)算法迭代后期种群多样性下降、收敛速度慢、易陷入局部最优的缺点,提出一种自适应收缩-扩张系数的双中心协作最子粒子群优化算法。该算法从2个方面进行改进:(1)自适应调节收缩-扩张系数,其目的是帮助粒子跳出局部最优点,提高粒子的全局搜索能力;(2)双重更新全局最优位置,即在每次迭代中,先后分别采用2种不同的方式更新全局最优位置。第1种方式与QPSO算法一致,第2种方式则引入双中心粒子,使其和当前全局最优位置在相应维度上合作,从而达到更新全局最优位置的目的。从固定迭代次数和固定精度角度分析算法性能,仿真结果表明,相比于QPSO算法,该算法在保证复杂度较低的情况下,可提高收敛速度,增强全局和局部搜索能力。     

基于CUDA的并行粒子群优化算法研究及实现

应用图形处理器(GPU)来加速粒子群优化(PSO)算法并行计算时,为突出其加速性能,经常有文献以恶化CPU端PSO算法性能为代价。为了科学比较GPU-PSO算法和CPU-PSO算法的性能,提出用"有效加速比"作为算法的性能指标。文中给出的评价方法不需要CPU和GPU端粒子数相同,将GPU并行算法与最优CPU串行算法的性能作比较,以加速收敛到目标精度为准则,在统一计算设备架构(CUDA)下对多个基准测试函数进行了数值仿真实验。结果表明,在GPU上大幅增加粒子数能够加速PSO算法收敛到目标精度,与CPU-PSO相比,获得了10倍以上的"有效加速比"。     

淤浆鼓泡床中固体粒子的悬浮特性

研究了三相鼓泡床中的临界固含率,以空气作气相,水、乙醇-水、丙酮-水、萜松醇-二甲苯作液相,石英砂、煤、雷奈镍作为固相。分析了鼓泡柱的高径比、气体速度、固体粒子的大小和比重、液体的粘度对临界固含率的影响,提出了含有这些参数的无因次数群的关联式,讨论了本文提出的关联式和文献报导的差别。     

均衡模糊C均值聚类算法

模糊C均值聚类算法没有考虑各类样本容量因素,当各类样本容量差异较大时,其聚类判决将向小样本类倾斜。提出一种新的聚类算法——均衡模糊C均值聚类,对模糊C均值聚类算法最小化目标函数进行修正,使得改进的目标函数包含了样本容量因素,利用粒子群算法并以样本模糊隶属度为编码对象求解参数优解。从理论上分析了该算法的性质,通过仿真实验验证了所提算法对平衡、不平衡数据集的有效性。