基于多智能计算算法融合的出行线路规划模型

为了使公众在出行前能事先根据出行道路的交通信息对出行线路进行整体规划设计,以便最大限度地降低能耗和拥堵时间,在研究人工神经网络算法的基础上,对用于解决旅行商问题(TSP)的进化算法进行了改进,引入了多种优秀的智能计算策略,以提高算法效率;并建立了新型群集智能分析模型,用以分析公众出行的线路规划问题。实验结果表明,改进的混合智能计算方法简易而有效,有助于克服算法选择的盲目性,进一步拓展了计算智能的研究方向。规划的出行线路能够满足城市居民出行信息服务的综合需要。     

支持分布式超级计算的工作站群集系统

群集技术是当今并行分布处理的发展方向，本文介绍支持分布式超级计算的工作站群集系统的基本概念及其主要研究课题，着重讨论了ＡｃｔｉｖｅＭｅｓａｇｅ通信、全局ＵＮＩＸ和ＭＰＩ标准等问题。     

SGI高可用性群集解决方案（上）

SGI高可用性群集解决方案具有实现关键企业应用(如银行、证券交易、电信业务等)所需的高可靠性、可用性、可伸缩性和灵活性。 在SGI高可用性群集解决方案中,所有系统部件(包括CPU、内存、I/O、存储以及网络接口)都可扩充。客户可灵活地扩充计算机系统中的主要资源,以满足自身业务的需要。     

改进的群搜索优化算法

群搜索优化(Group Search Optimizer,GSO)算法是一种新的群集智能优化算法,适宜于解决多模态高维问题。对GSO算法进行了一些改进,简化了计算过程,提高了优化性能。主要在两个方面进行改进,一是在迭代过程中,控制允许变异的维的数量,使之从多到少变化,以提高收敛速度。二是用随机数来确定生成个体新位置所用的一组随机值的正负数比例,避免正负数比例趋于固定,增加随机性。经过6个常用测试函数测试及与其他文献结果对比后可知,在低维情况下,此算法与GA、EP、ES、PSO、GSO算法相比有较好的整体收敛性能,高维时,此算法与GA、PSO、GSO比较,收敛性能有明显优势。     

自由搜索和微粒群算法的比较研究

群集智能是仿生智能的重用分支.探讨了一种新的群集智能优化算法--自由搜索(FS),并将其和群集智能的典型实现--微粒群算法(PSO)进行了比较研究.首先,简要回顾了PSO算法的基本原理,作重分析了自由搜索算法的优化机制;然后,从生物学背景、寻优机制、仿真实验等方面对这两种算法进行了全面深入的比较.最后,对这两种算法的发展进行了展望.     

融合邻域自适应跟随的群集系统分群控制方法研究

分群运动表征为有序运动的群体在外部信息作用下自发分裂为多个独立子群的现象。针对传统基于避撞、组队和聚集行为的群集运动控制方法难于实现分群运动的问题,提出一种融合了邻域自适应跟随行为的分群控制方法。该方法引入了基于序参量的邻域自适应跟随行为,实现了外部信息作用下群体的自组织分群运动。仿真实验验证了所提分群控制方法的可行性和有效性。     

多智能体系统的协调控制研究综述

近年来,多智能体系统的协调控制在多机器人合作控制、交通车辆控制、无人飞机编队和网络的资源分配等领域有着广泛的应用,成为当前控制学科的一个热点问题.首先介绍了多智能体系统的研究背景、智能体的概念和相关的图论知识;然后从多智能体系统协调控制包含的几个问题入手,即群集问题、编队控制问题、一致性问题和网络优化问题等,对其国内外的发展现状进行了总结和分析;最后,给出了多智能体系统有待解决的一些问题,以促进对多智能体系统协调控制理论与应用的进一步研究.     

粒子群优化算法及其与遗传算法的比较

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。     

浅谈群集技术在办公自动化系统中的应用

本文简要介绍了群集的基本概念及类型,并通过在办公系统中的应用详细说明了群集的实现,以及使用过程中的一些常见问题和注意事项。     

Apparent Morphologies and Nature of Packet Martensite in High Carbon Steels

The apparent morphologies of packet martensite in eight high carbon steels were researched by using optical microscope, scanning electron microscope, and transmission electron microscope. It was found that the apparent morphologies, substructures, and habit plane of packet martensite in high carbon steels are entirely different from that in low carbon steels; the substructures of packet martensite in high carbon steels possess fully twinned structure, while the substructures of individual coarse martensite plates in these steels bear both fully and partially twinned structures. The formation reason for apparent morphologies, substructures and two habit planes （i. e, { 111 }, and { 225}r） of high carbon martensite were discussed in detail.