多尺度协同搜索简化粒子群算法与性能分析

针对标准粒子群算法容易早熟的问题,模仿自然界中蚂蚁的不同分工和协作,提出了一种全局搜索和局部精细搜索协同进行的多尺度协同搜索简化粒子群算法(MSPSO),并对算法中粒子的搜索轨迹和算法的收敛性进行了分析和证明。为了验证和比较MSPSO和SPSO算法的性能,采用了VB6.0编程对3个常用的测试函数进行了数值实验,实验表明,该算法具有良好的搜索性能,特别适合于高维函数优化问题。     

中国航空航天制造业自主创新效率研究

为了有效测度和探索中国航空航天制造业的自主创新效率及其模式,以我国21个地区1995-2010年期间航空航天制造业的产业自主创新活动为研究对象,通过运用三阶段DEA-Windows模型对我国各地区航空航天制造业的产业自主创新效率进行了实证研究。研究结果表明:通过剔除环境变量和随机扰动因素的影响可以更准确地测度产业自主创新效率;从结构特征的聚类分析结果来看,我国航空航天制造业产业自主创新效率存在4种模式;从收敛性分析结果来看,各地区航空航天制造业的产业自主创新效率σ收敛。     

一种求解QoS约束组播路由问题的遗传算法*

针对多维QoS约束的组播路由问题,提出了一种基于遗传算法的解决方案QCMRA-GA(GA of QoS Constraints Multicast Routing Algorithm).该算法对经典遗传算法的三大算子进行了重新设计,有效地克服了遗传算法的早熟现象.对染色体进行Prufer树型编码,可以避免回路的产生,并根据编码特性,进行基于叶子节点和Steiner节点的解空间压缩,提高了算法的收敛速度.实验表明QCMRA-GA的正确性和效率性.     

迭代学习控制在电力系统中的应用进展

根据迭代学习控制基本原理及其特性,归纳迭代学习控制在电力系统中的各种应用,对迭代学习控制的最新进展进行详尽的叙述,讨论迭代学习控制在电力系统中应用存在的问题,并对其发展进行展望.     

城市区域交通信号迭代学习控制策略

城市交通流具有复杂的非线性动态特性, 在交通控制中难以对其进行精确的数学建模; 同时, 以天为周期, 宏观交通流又呈现出明显的周期性特征. 鉴于此, 提出一种基于迭代学习的城市区域交通信号控制策略, 通过对交通信号的迭代控制, 使路段的平均占有率收敛于期望占有率, 从而使绿灯时间得到充分利用并防止交通拥堵的发生, 保证了交通流在路网中的高效平稳运行. 严格的理论推导证明了该方法的收敛性, 仿真结果验证了该方法的有效性.

     

复形态双向联想记忆网络及其性能分析

基于复数环(C,∨,∧,+)提出了复形态双向联想记忆网络模型,给出了神经网络实现双向完全联想记忆的条件,并分析了自联想的存储能力、稳定性和收敛性及神经网络的抗噪声能力.当复数虚部取零时即为实数,实数域形态双向联想记忆网络就是复数域形态双向联想记忆网络的特例.最后通过仿真实验验证复形态双向联想记忆网络的有效性.     

Efficient iterative solutions to general coupled matrix equations

Linear matrix equations are encountered in many systems and control applications.In this paper,we consider the general coupled matrix equations（including the generalized coupled Sylvester matrix equations as a special case）l t=1EstYtFst = Gs,s = 1,2,···,l over the generalized reflexive matrix group（Y1,Y2,···,Yl）.We derive an efcient gradient-iterative（GI） algorithm for fnding the generalized reflexive solution group of the general coupled matrix equations.Convergence analysis indicates that the algorithm always converges to the generalized reflexive solution group for any initial generalized reflexive matrix group（Y1（1）,Y2（1）,···,Yl（1））.Finally,numerical results are presented to test and illustrate the performance of the algorithm in terms of convergence,accuracy as well as the efciency.     

差分进化算法马尔可夫链模型及收敛性分析

差分进化算法是一种基于种群差异的优化算法,主要应用于解决连续空间的优化问题。目前,研究人员主要在算法的改进和应用方面研究差分进化算法,很少从理论角度对其进行研究。为了分析差分进化算法的收敛性,定义优化个体、种群的状态转移,并提出种群的最优状态集合。根据差分进化算法的操作算子计算出个体的状态迁移概率,并证明种群状态序列是有限齐次马尔可夫链,进而建立差分进化算法的马尔可夫链模型;最后,证明差分进化算法无法保证全局收敛。理论研究结果表明,适当保证种群的多样性能够提高差分进化算法的性能。     

遗传算法在人脸识别中的应用研究

研究人脸图像识别准确率问题,人脸是一个非刚体,具有变形大,针对影响因素多且易受干扰,用传统的方法识别率低.为了提高人脸图像识别正确率,提出了利用遗传算法的人脸特征提取的识别方法.首先采用小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,然后通过改进的遗传算法对PCA提取的特征进一步的优化,得到人脸最优人脸特征子集,最后根据最优特征进行识别.利用标准人脸识别库进行仿真,试验结果表明,相对其它特征提取的人脸识别方法,不仅具有识别速度加快,而且正确率高,是有效的人脸识别算法.     

基于微粒群的K均值聚类算法在图像分类中的应用

提出一种新的图象分类算法椈谖⒘Ｈ旱腒均值聚类图象分类算法.将此算法和K均值聚类算法以及微粒群图像分类算法分别应用于MRI人脑图象的分类,并进行了比较.实验结果表明:基于微粒群的K均值聚类图象分类算法具有较好的全局收敛性,不仅能有效克服K均值算法易陷入局部极小值的缺点,且全局收敛性能优于微粒群图像分类算法.