基于禁忌搜索的混合粒子群优化算法

针对粒子群优化算法（PSO）易于陷入局部最优解并存在早熟收敛的问题,利用禁忌搜索算法较强的“爬山”能力,搜索时能够跳出局部最优解,转向解空间的其他区域的特点,提出了一种新的基于禁忌搜索（TS）的混合粒子群优化算法（TS—PSO）,并选用两个函数进行测试．结果表明,TS—PSO比其他改进粒子群算法更能提高收敛速度,获得全局最优解．     

具有收获率的HollingⅢ类功能性反应捕食模型的定性分析

研究了在线性收获率条件下两种群都具有密度制约项的HollingⅢ类功能性反应的捕食模型,利用微分方程定性分析理论,对模型进行了定性分析.讨论了模型的食饵等倾线和捕食者等倾线的性质,并且根据它们的位置关系给出了模型唯一正平衡点存在的充要条件,研究了模型各个平衡点的性态,得到了模型的一切解是正向有界的,同时通过构造Dulac函数,由Dulac判断定理得到了模型不存在极限环的条件,并给出了唯一正平衡点全局渐近稳定的充分条件.     

模拟退火算法及其改进算法的研究

本文主要研究传统模拟退火算法以及改进算法的思想,在文中分别对各个改进算法给出了实验对比数据,更好证明了改进算法的有效性;在最后讨论了模拟退火算法的优缺点,并在对改进算法的分析研究的基础上归纳给出模拟退火算法可行的改进方向。     

一类具有时变时滞的Hopfield神经网络的全局指数渐进稳定性

利用M-矩阵和不等式方法,绐出了一类具有时变时滞的Hopfield神经网络模型的平衡点的存在性及其全局指数渐进稳定性的充分性判据.     

一种基于精英选择和反向学习的分布估计算法

为了提高分布估计算法的性能,提出一种从选择方式和搜索机制出发的改进分布估计算法.首先,借鉴并改进粒子群种群更新策略,在构造优势群体时,引入精英选择策略替换经典的截断选择,提高算法向全局最优解的收敛速度;然后,引入二次反向反射搜索算子,从搜索机制上对分布估计算法进行改进,提高算法的全局搜索能力.仿真结果表明,所提出的改进分布估计算法能够有效的避免陷入局部最优值,在寻优精度、收敛速度以及算法的稳定性和鲁棒性上都有极大改善.     

基于改进选择性BPSO算法的配电网降损重构研究

为了降低配电网的有功功率损耗以及提高开关利用率,利用Sigmoid函数对二进制粒子群优化(BPSO)算法中的粒子位置更新进行改进,并通过添加修改曲线的参数对函数进行选择,提出了一种改进选择性二进制粒子群优化(IS-BPSO)算法来求解配电网降损重构问题.该算法以降低配电网的功率损耗为目标,有效地控制粒子的变化速率并提高种群的收敛性.通过33母线和94母线的配电网测试系统进行仿真模拟,结果表明,该算法具有很强的鲁棒性和全局寻优能力.     

Mask R-CNN中特征不平衡问题的全局信息融合方法

特征不平衡问题是影响神经网络检测效率的关键因素。针对Mask R-CNN中的特征不平衡问题,提出一种基于全局特征金字塔网络（GFPN）的信息融合方法。通过将GFPN产生的不同大小特征相融合,生成包含全局语义信息的特征网络,并采用反向过程对原始特征层进行重新标度,从而使得每个特征层均含有全局语义信息。实验结果表明,与原始基于Mask R-CNN的方法相比,该方法的检测精度提升4~6个百分点,而检测时间仅增加0.112 s。     

具反馈控制和Holling-III类功能反应的修正Leslie-Gower捕食系统研究

利用微分方程比较原理和构造适当的Lyapunov函数研究具反馈控制和Holling-III类功能反应的修正Leslie-Gower捕食系统,得到了保证系统永久持续生存和全局吸引的充分性条件,所得的结果补充了文献[6]的工作.     

保证全局收敛的随机粒子群新算法

针对粒子群算法未成熟收敛的弱点进行了改进。给出了保证算法全局收敛的充分条件,即全局性假设条件和单调性假设条件,进而依据提出的全局收敛的充分条件,设计了具有柯西随机和高斯随机性质的粒子群算法。实验结果表明,本文提出的具有全局收敛性的粒子群算法能够有效地求解全局优化问题。     

一类非凸全局最优化问题的新的凸凹化法

研究了一类非凸连续全局最优化问题的凸化、凹化方法。对于目标函数非凸、非凹的非线性规划,给出了一个新的凸、凹化法,通过含有参数的函数变换方法,对目标函数进行凸化或凹化,从而将原目标函数变换为相应的凸函数或凹函数,推广了凸化、凹化方法在求解非线性规划方面的应用。