基于时变系数与社会认知模拟的粒子群优化

粒子群优化算法利用一群在可行区域内飞行的粒子来搜索最优解,具有易实现、收敛速度快的特点,然而也面临"早熟"的问题.提出了一种基于时变系数与社会认知模拟的粒子群优化算法.实验结果显示,在5种不同的标准化测试函数下,新算法较另外3种常用的算法优越.     

基于量子粒子群优化的在线航迹规划

现代战场中,环境信息是变化的,飞行器很难预先获得精确的全局环境信息,因此要求无人飞行器具有实时的航迹规划能力,采用量子粒子群优化算法,将约束条件和搜索算法相结合,有效解决了简单粒子群算法在高维空间中易陷入局部最优点的问题;同时,根据地形障碍、敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,引入最小威胁面的概念,利用B-Spline插值逼近最小威胁面中的三维航迹在二维水平面内的投影,从而将三维曲线的规划问题简化为二维平面中控制点的寻优问题,简化了问题复杂度,提高了计算效率.仿真结果表明该方法可以满足在线航迹规划的要求.     

梯度均值预测滤波算法及其应用

测量误差不可避免的存在于各种测量系统之中.针对缓慢变化的测量数据中存在的随机误差,结合传统滤波方法的优点,提出了梯度均值预测滤波算法,阐述了算法的基本思想和流程,并结合桥梁挠度连续测量系统的测量数据进行了滤波实验,结果表明,该算法能够有效去除缓慢变化的测量数据中的干扰信号,滤波效果明显.     

基于NW小世界邻居的粒子群多阈值分割算法

针对多阈值分割问题,提出了一种新的多阈值分割算法.此算法采用相对类内方差代替传统Otsu算法中的绝对类内方差,改善了传统Otsu对小对象分割不理想的弱点;采用NW小世界模型作为粒子群优化的社会认知拓扑结构,具有较好的全局寻优能力和较快的收敛速度.实验结果显示此算法具有好的性能.     

基于加权最小二乘的卡尔曼滤波算法

为了将卡尔曼滤波(KF)应用于非线性系统中,利用了离散采样点将非线性模型线性化.通过加权最小二乘原理.得到近似的线性化模型,再将KF算法应用于这个线性模型中.结果表明,加权最小二乘与KF结合的方法在非线性模型中的计算结果同扩展卡尔曼滤波(EKF)算法接近,且不需要EKF那样求偏导就能很容易地应用到非线性系统中.这种方法实现容易,预测可靠,具有实际应用的价值.     

电子器件的粒子碰撞噪声检测试验

介绍了电子器件的粒子碰撞噪声检测(PIND)系统的结构以及工作原理.并通过长期应用PIND技术对大量电子器件的检验,列出在试验中频繁出现的几种典型的检测结果以及与之相对应的电子器件状态.对一些失效电路的误判和漏检问题给出了较为可靠的解决方案.     

粒子群算法求解组合投资问题

本文在分析概率准则下的组合投资问题模型的基础上,提出了一种基于粒子群优化算法的求解方案,并用C++加以实的收敛性和计算效率,为组合证券投资者提供了一种高效的决策方法。现,然后结合实例,和传统方法、随机模拟结合遗传算法,遗传—禁忌算法等进行比较。证明了文中采用算法具有较高     

正则蕴涵算子族G-λ-R0及其三Ⅰ支持算法

首先给出了一个新的蕴涵算子族:G-λ-R0(λ∈[0,1])(它包括Gsdel(简称RG)算子与R0算子).然后重点讨论了G-λ-R0(λ∈[0,1])族算子的伴随算子及其正则性.结果表明,在该算子族中,每一个算子都具有伴随算子且具有正则性.从而说明了此算子是较理想的蕴涵算子.最后讨论了基于此蕴涵算子族的三Ⅰ支持算法.     

基于主从粒子群的模糊小波神经网络交通控制

城市交通智能控制是ITS的重要组成部分,交叉口是决定道路通行顺畅的制的基础.为提高路口的通行能力,提出了主从结构的粒子群算法优化模糊小波神经网络参数,并将其应用于交通信号的控制.算法中,主级粒子进行全局搜索,从级粒子以主级粒子找到的最优解为中心进行局部搜索.仿真结果表明该算法能够有效减少交叉口车辆平均延误时间,提高道路通行能力.     

科学家发明磁性油墨

近日,韩国科学家发明一种可以显示不同颜色的纳米材料的墨水,可以免去打印机频繁更换墨盒的烦恼。这种墨水被称为M-INK,原理是用磁性使纳米粒子按照一定规则排列成不同结构,当光线透过不同排列组合的