磁流变阻尼器S型滞环模型的改进及辨识

磁流变阻尼器控制系统的性能很大程度取决于阻尼器的数学模型,由于磁流变液在高速剪切速率下容易发生剪切稀化,因此,本文在原有S型滞环模型的基础上,引入了行为指数”从而改进了S型滞环模型。根据试验数据,并运用遗传算法和传统优化算法相结合求取全局最优解的方法,求解出了模型中的参数值。结果表明：改进后的S型滞环模型能够很好拟合高速区的速度-阻尼力试验特性曲线。     

基于邻域风险最小化概率密度估计的自适应盲分离算法*

为实现由不同统计特性和概率分布平滑特性信号得到混合信号的盲分离,对基于支持向量机的邻域风险最小化概率密度估计算法进行研究,提出一种邻域函数的构造方法,将其与自然梯度批处理算法相结合,形成一种新的自适应盲分离算法;利用广义高斯模型分析了分离算法的精确度。通过仿真实验,验证了该算法能分离统计特性不同的混合信号,相比于基于经验风险最小化的方法,该方法在收敛速度和精度方面的性能有很大提高。     

自适应全变分图像去噪模型及其快速求解*

在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上,利用边缘检测算子选取自适应参数,构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型,并基于Bregman迭代正则化方法设计了其快速迭代求解算法.实验结果表明,自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.     

Fuzzing技术的样本数据组合研究*

提出了基于样本数据组合的Fuzzing技术,并抽象出了解决样本数据覆盖问题（data sample covering problem,DSCP）的数学模型;为了更好地解决样本数据覆盖问题,提出了改进遗传算法(developed genetic algorithm,DGA),通过实例实验说明了DGA的有效性,并且通过仿真实验,验证了算法在求解复杂协议文件样本数据覆盖问题时比贪心算法和简单遗传算法具有更高的效率。     

基因表达式编程种群多样性自适应调控算法

为了解决基因表达式编程GEP种群多样性控制问题,提出了一种新的带权种群多样性的自适应调控方法。设计了带权的种群多样性测度方法,详细分析了选择、交叉及变异算子对种群多样性的影响。提出了初始种群的多样化算法DAIP,以保证初始种群多样性的最大化。设计了自适应的交叉和变异算子,提出了种群多样性自适应调控算法APDTA,使种群在进化过程中维持合适的种群多样性,进而提高进化效率。实验验证了APDTA的有效性。     

多维Fuzzing技术综述*

Fuzzing技术是一项有效的动态漏洞挖掘技术,但是当前对多维Fuzzing技术的研究还不多见。把多维Fuzzing技术面临的问题归纳为组合爆炸、覆盖脆弱语句和触发潜在漏洞三个问题,对存在的多种多维Fuzzing技术进行了研究和比较,并总结出多维Fuzzing技术的三个基本步骤：定位脆弱语句、查找影响脆弱语句的输入元素和多维Fuzzing测试挖掘脆弱语句中的漏洞。最后,给出了多维Fuzzing技术的进一步发展方向。     

基于遗传算法的集装箱后方堆场箱位分配策略*

根据重庆港实际情况建立了以提箱时间为制约因素,以最小化翻箱率为目标的集装箱后方堆场箱位分配模型,并针对模型提出了基于遗传算法的解决方案。方案对一次卸船或者进港的一批箱进行全局优化,并考虑其分配对后续集装箱的影响。遗传算法迭代过程中采用适应度函数指数变换防早熟,采用可行解替换法处理约束,并设计最优解保存策略保证最终的优化效果。最后针对实际堆场的不同规模,对方案的优化结果同文献中的其他遗传算法方案进行比较,证明了本文优化策略的优越性和实用性。     

蛙跳算法与批量无等待流水线调度问题的优化*

针对以makespan为指标的批量无等待流水线调度问题,提出了一种有效的离散蛙跳算法。首先采用基于工序的编码方式使蛙跳算法直接应用于调度问题;其次采用基于NEH与改进NEH和随机产生相结合的初始化方法,保证了初始解的高质量和分布性;再次采用交叉或变异方法产生新解,保持了种群的优越性和多样性;最后对全局最优解执行快速局部搜索,有效地降低了算法的时间复杂度,平衡算法的全局和局部开发能力。对随机生成不同规模的实例进行广泛的实验,通过仿真实验结果的比较,表明所得蛙跳算法的有效性和高效性。     

汽车维修车间作业排序的优化模型及调度算法*

针对汽车维修车间调度缺乏科学规划,导致较长的客户等待时间和较低的设备利用率的问题,在结合优化调度理论的基础上, 对这一实际调度问题的特性、模型和算法进行了研究。首先从最小化目标、机器环境、加工特征和约束几方面分析了问题的特征,建立了对应的数学模型;然后根据问题特性设计了分解法与约束引导的启发式算法相结合的调度算法;最后以实例分析验证了算法的可行性。仿真结果表明了所用算法在优化目标函数值上的优越性。     

IEEE802.16e中的卷积Turbo码编译码算法研究

为了分析不同设计参数对IEEE802.16e中卷积Turbo码(CTC)性能的影响以及对比IEEE802.16e支持的CTC和卷积码的编码性能,介绍了IEEE802.16e中的CTC的编码过程,给出了编码过程中的循环状态确定方法的推导过程,分析了CTC的迭代译码结构和译码算法,最后对CTC的性能进行了仿真.仿真结果表明:在相同码率和相同调制方式下CTC的编码增益要比卷积码大,采用CTC比采用卷积码有着明显的性能优势.因此在码率较低、信道状况较好或对系统实时性要求严格的情况下,可考虑使用卷积码,以降低信道编码的复杂度;而在码率较高、信道状况较差或对误码率要求严格时,可考虑选用CTC编码方案,以保证通信的可靠性.