自适应遗传算法在服装生产流水线平衡问题中的应用

将自适应遗传算法应用于服装生产流水线中,利用自适应遗传算法能够自动给出比较合适的交叉概率、和变异概率,显著提高了搜索效率,同时改进了遗传算法的搜索能力的特点,解决并行制造中的流水线平衡问题。针对某款运动上衣的生产工艺进行仿真,结果表明了该算法的有效性。     

基于双种群的进化策略算法

针对进化策略算法收敛速度较慢、容易早熟的问题,提出一种新的基于双种群的改进进化策略算法。将种群划分为规模较小的精英子群和规模较大的普通子群。精英子群用于存放种群中最优秀的个体,普通子群用于存放种群中的普通个体。对不同的子群采用不同的变异策略,使种群在解空间具有尽可能分散的全局搜索能力的同时在局部具有尽可能精细的局部搜索能力。通过理论分析证明了算法的正确性,对几个典型的函数应用该算法进行模拟进化实验,也取得了良好的效果。     

复杂矿冶设备故障诊断数据质量工程学

文章详细介绍了矿冶设备数据的产生过程,提出了一种复杂矿冶设备故障诊断的数据质量工程学方法,其目的是通过提高数据质量来保障故障诊断的准确性,即从数据采集系统进行抗干扰能力的优化设计(线外)来降低数据变异效应和在后期使用维护(线内)进行变异源的识别、减少或预防变异发生的措施,使其在恶劣矿冶环境下仍能采集高质量的设备状态数据,从而保障设备故障诊断数据的可靠性。实例验证表明该方法可以为数据质量保障提供一种系统解决途径,减少故障诊断的虚警和漏报。     

黑龙江典型县域农田黑土土壤有机质现状分析

应用地统计学分析技术,对黑龙江典型县域的农田黑土土壤有机质进行了空间异质性分析.结果表明,土壤有机质平均含量以五大连池市和北安市最高,高于70g kg-1,宾县和阿城市最低,低于20g kg-1,有机质含量变化范围在11.8-128.9g kg-1.土壤有机质最佳空间变异符合高斯模型,主要受结构因素的影响,占84.1%.     

六西格玛严控“变异”

采用六西格玛方法,公司可以通过对反馈信息的监视和响应而更平稳、更快捷地前进。设想一个小孩子在学习骑自行车,你作为父母、亲戚或是邻居在那里给予帮助和鼓励。你希望他能成功,很像一个投资者希望自己投资的企业兴旺发达一样。你扶孩子一把,过一会你会看到他骑     

基于GPIO的永磁同步电机模型预测转矩控制

在永磁同步电机模型预测转矩控制(model predictive torque control,MPTC)中,由于目标函数控制变量的量纲不同,为了在代价函数中选取最优的权重系数,提出一种改进高斯变异鸽群算法(Gaussian mutation pigeon-inspired optimization algorithm, GPIO)实现权重系数自整定。首先,基于代价函数最小化原则设计PIO的目标函数,用电流id、iq脉动误差均方根评价权重系数。其次,在传统高斯变异算子的基础上引入自适应调整动态参数实现变异。仿真和实验结果表明,将改进后的算法应用于永磁同步电机模型预测转矩系统,能在较少的迭代次数内整定出最优的权重系数,极大地降低了转矩误差和电流谐波畸变率。     

面向安卓自动化测试工具综合评估

自动化测试工具是安卓应用质量保障的主要手段.随着安卓版本多样性、底层硬件差异性(碎片化)以及逻辑复杂性增加,自动化测试迎来新的挑战.为解决这些问题,近年来,业界开发出大量自动化测试工具.但是现有工具数量多,并且测试重点多样,测试人员选择工具时存在一定的困扰.为帮助测试人员选择最佳测试工具,实现对自动化测试工具的统一评估,提出了面向安卓自动化测试工具多特征综合评估方法(comprehensiveevaluation of Android automated testing, CEAT),并将其实现为便于测试人员使用的平台. CEAT在引入测试领域广泛接受的3个评估指标,即代码覆盖率、异常检出率、融合多版本兼容度得分的基础上,进一步基于变异测试的思想引入变异杀死率,并从用户体验出发引入UI控件覆盖率.以上5个指标构成CEAT整个体系,从而实现安卓自动化测试工具的综合多维评估.为验证CEAT的效果,生成了1 089个变异应用的待测应用集,在包含6个移动设备的真机集群中部署实验,对5个自动化测试工具适配并执行5 040次测试任务.最终结果表明:i) 5个指标从不同角度对自动化测试工具进行评估,...     

一种改进ε约束飞蛾火焰优化算法及其在约束优化问题中的应用

提出一种改进ε约束法的飞蛾火焰优化算法(ε improved moth-flame optimization algorithm, εIMFO)求解约束优化问题.该算法采用ε约束法对约束进行处理,考虑种群整体的约束违反度变化,提出一种基于火焰种群约束违反度的阈值ε计算公式;改进火焰种群的更新方法,首先,根据种群中个体的约束违反度与ε的关系将其分为两类:一类是约束违反度小于等于ε的个体,按照目标函数值排序,另一类是约束违反度大于ε的个体,按约束违反度排序;然后,先选择第1类中的个体,若数量没有达到种群数量的要求,继续从第2类中选取个体形成新一代火焰种群;最后,提出一种改进的飞蛾变异策略,在原始飞蛾变异策略的基础上引入2个随机火焰个体影响飞蛾变异,并增加优秀火焰个体对飞蛾变异的指导作用.通过25个测试函数以及2个实际的工程优化问题分别与其他13种算法进行的算法性能测试对比表明, εIMFO算法在求解精度和稳定性等方面具有优势.     

基于动态反向学习和莱维飞行的双搜索模式萤火虫算法

针对多目标萤火虫算法在解决复杂多目标问题时存在收敛性差和分布性不足的问题,提出了基于动态反向学习和莱维飞行的双搜索模式萤火虫算法(MOFA-LR)。该算法通过比较任意一只萤火虫与种群中其余萤火虫的适应度值,判断它们之间的支配关系,根据不同的支配关系选择不同的搜索模式。当萤火虫被支配时,应注重向帕累托前沿上的优质解靠近,因此通过动态反向学习策略求出当前个体的反向解,使用反向解结合全局最优解共同引导萤火虫移动的搜索模式,能够发掘潜在的较好解,使萤火虫最大可能地向有利方向移动,改善了算法的收敛性;当萤火虫不被支配时,应注重获得均匀分布的帕累托前沿,因此使用全局最优解引导萤火虫飞行并结合莱维扰动的搜索模式,既能有效利用非支配解的优良信息,又能避免算法陷入停滞,在改善算法收敛性的同时维护了分布性。最后,为避免算法在迭代后期出现萤火虫严重聚集的现象,添加变异算子帮助种群跳出局部最优,引导种群进行局部开采。将MOFA-LR与12种新近多目标优化算法进行比较,实验结果表明,MOFA-LR具有良好的收敛性和分布性,证明了所提策略的有效性。     

融合多向学习的混沌麻雀搜索算法

对于原始麻雀搜索算法（SSA）在迭代过程中表现出的种群多样性减小,易陷入局部最优等问题,提出一种融合多向学习的混沌麻雀搜索算法（MSSA）。利用Hénon混沌映射初始化种群,增加麻雀种群的多样性,扩大可行解的搜索范围,为全局寻优奠定基础;采用多向学习策略增加麻雀跟随者探索未知领域的机会,平衡算法的局部开发性能和全局搜索能力;当算法陷入局部最优时,引用遗传算法中的变异策略依据动态的变异概率对当前最优个体进行扰动变异;将MSSA算法应用到无线传感器网络节点覆盖优化问题。数值实验结果与Wilcoxon秩和检验结果均表明MSSA算法在收敛精度与收敛速度等方面具有更明显的优势。