基于IGHS的防空火力资源优化分配模型

现代编队防空作战中,不同武器平台携带防空资源更具多样化,如何有效统筹分配现有作战资源,使得编队级防空作战的总体效益最大化成为致胜关键。为此,该文将各作战平台的所有作战资源建模为一个统一资源池,面向多个目标同时拦截作战情景,提出了一种编队级防空火力资源优化分配模型,平衡了毁伤概率与资源消耗的关系;同时提出了一种改进全局最优和声搜索算法,并运用到该模型上,实现了模型的高效求解。最后,通过在简单数据规模和复杂数据规模两种情况下的仿真对比实验分析,验证了该文方法的有效性。     

基于和声搜索方法的无线传感器网络寿命优化算法

在无线传感器网络中,基站位置的动态调整可以提高网络的寿命,然而基站位置的最优化问题是NP完全问题。为了快速地更新基站的位置并减少数据的交互总量,提出了一种基于和声搜索方法的无线传感器网络寿命优化算法。首先,通过聚类方法将传感器节点分成若干组。其次,在每一个组中选出头节点,应用头节点对组中节点的数据进行压缩并与基站进行数据交互。最后,提出一种基于和声搜索方法的基站位置动态更新协议。实验表明:提出的协议与模糊聚类协议相比,传输数据总量更小,传感器节点的能量使用率更低,能更好地提高传感器网络的整体使用寿命。     

自适应改进和声—单纯形进化算法研究

针对和声搜索算法的不足,提出了一种自适应改进和声—单纯形进化算法(AIHSEA)。通过在新算法中加入变异策略对和声微调进行改进来增强算法的鲁棒性;适时执行单纯形算子增加群体搜索的方向性来加快搜索;采用自适应参数HMCR、PAR和BW调节全局和局部搜索。采用六个标准的优化算法测试函数对AIHSEA进行测试,并与HS、IHS和GHS算法进行对比,仿真结果表明AIHSEA算法具有较强的精确寻优和跳出局部最优的能力。     

基于禁忌和声搜索算法解决0-1背包问题

和声算法是模拟音乐演奏的一种基于群的超启发算法。由于算法的简易性和快速收敛性,其在连续优化问题中得到广泛应用。文章利用改进的和声算法解决基于离散的0-1背包优化问题。通过运用二进制编码,并引入禁忌思想以及结合自适应的参数调整策略,提出了禁忌和声搜索算法。经过试验仿真,验证了禁忌和声算法与其他算法相比具有一定的性能改进。     

基于室内试验与数值模拟的煤岩围压效应研究

为研究不同围压下煤岩的变形破坏特征,对0、8、16、25 MPa 4种不同围压下的煤岩采用MTS 815岩石力学实验和RFPA 2D数值模拟软件展开应力应变特征、强度特征、声发射特征等研究,旨在揭示不同围压作用下煤岩的围压效应。结果表明:围压对煤岩的变形破坏特征影响显著,随着围压的增大,煤岩最大抗压强度线性增大,煤岩逐渐由脆性破坏向延性破坏转变,破坏形态以单轴压缩下的压剪-劈裂破坏和三轴压缩下的剪切破坏为主;煤岩强度特征参数随围压增大而增大,弹性模量随围压增大呈非线性增大,围压越大,则塑性应变越大,残余应变增大;声发射现象在煤岩单轴压缩状态下十分强烈,但随着围压的升高,声发射现象、应变能释放等声发射特征参数均趋于稳定; RFPA可再现煤岩在不同围压下裂纹萌生、扩展至完全破坏的渐进破坏过程,模拟结果与室内试验耦合度较好,验证了数值模拟的可靠性。     

认知无线电网络中基于和声搜索的频谱分配与功率控制

针对认知无线电网络中功率控制和频谱分配过程存在互相影响的问题,提出一种基于和声搜索的频谱分配和功率控制算法。通过综合分析频谱分配和功率控制过程中的各种约束条件,建立了联合功率控制和频谱分配的系统模型。算法根据系统模型特点设计和声搜索算法下相应编码方案,采用多目标优化方法处理复杂的约束条件,并赋予可行解适当的优先权重。仿真实验表明,算法可以很好地解决认知无线电网络中的频谱分配和功率控制问题。     

基于IGHS算法的分段系统鲁棒极点配置优化

针对分段线性控制系统鲁棒极点配置问题,利用IGHS算法对特征向量矩阵条件数优化具有较好的收敛性,限制了特征向量选择的自由度.优化后的控制器使闭环系统矩阵允许有更大的摄动或不确定性.与已有方法相比,本文方法对条件数优化计算既不需要考虑梯度和二次可微信息,也不需要对条件数进行凸转化处理.最后,仿真实验结果验证了本方法的有效性.     

音乐基础理论探究与应用

音乐理论知识不胜枚举,但始终脱离不开的,是音乐的节奏和旋律,和声的体现曲式的设计。本文就这些较为重要的音乐理论知识进行阐述,同时以钢琴的弹奏为例,进行音乐表现形式与音乐理论的关系。     

自适应和声搜索算法及在粗糙集属性约简中的应用

针对改进和声搜索算法（ＩＨＳ）存在的不足,提出了自适应和声搜索算法（ＡＨＳ）．该算法利用和声库中变量函数的最大差值来调节ＰＡＲ 和ｂｗ,从而提高了对多维问题的搜索效率．利用５个标准测试函数对ＡＨＳ算法进行测试,并应用于粗糙集的属性约简中．仿真结果表明了该算法的有效性和实用性．

     

混合量子差分进化算法及应用

量子进化算法基于量子旋转门更新量子比特状态影响了算法搜索性能．提出一种差分进化（DE）与和声搜索（Hs）相结合更新量子比特状态的混合量子差分进化算法（HQDE）．该方法采用实数量子角形式编码染色体,设计一种由差分进化计算更新量子位状态的量子差分进化算法（QDE）和一种由和声搜索更新量子位状态的量子和声搜索（QHS）,并相互机制融合,采用两种不同进化策略共同作用产生种群新量子个体以克服常规算法中早熟及收敛速度慢等缺陷;在此基础上,算法还引入量子非门算子对当前最劣个体以一定概率选中的量子比特位进行变异操作增强算法跳出局部最优解能力．理论分析证明该算法收敛于全局最优解．0／1背包问题及旅行商问题实例测试结果验证了该方法有效性．