多策略改进的龙格库塔优化算法

针对龙格库塔优化算法存在收敛速度较慢和易陷入局部最优等问题,提出多策略改进的龙格库塔优化算法.引入混合反向学习策略扩大种群的寻优范围,增强算法的搜索能力,借助莱维飞行策略增强算法跳出局部最优的能力,同时引入动态调节因子更有效地平衡算法的开发和探索能力.在15个基准测试函数上展开多维度数值实验并进行Wilcoxon秩和检验,实验结果表明,所提算法相较对比算法而言具有更好的寻优性能.此外,焊接梁设计问题上的测试实验进一步验证了多策略改进的龙格库塔优化算法在工程问题上的可行性与有效性.

基于惯性权重调整的果蝇优化算法在WSN中的应用

目的:针对无线传感器网络随机部署节点的区域覆盖和传感器节点能量消耗问题,提出一种基于惯性权重余弦自适应调整策略的改进果蝇优化算法。方法:该算法在果蝇优化算法基础上,通过引入惯性权重的学习因子调整策略,在线调整算法的搜索步长。结果:增强了果蝇个体的自适应性及全局搜索能力,从而实现全局最优。结论:仿真实验表明,提出的改进果蝇优化算法不仅提高了收敛速度和全局搜索能力,还显著提升了WSN的覆盖率。

当代大学生学习适应性研究进展与教育对策

学习适应是指主体根据环境及学习的需要,努力调整自我,以达到与学习环境平衡的心理与行为过程。当代大学生的学习适应主要体现在学习动机、学习能力、教学模式、学习态度和学习环境等五个维度,学习适应测评工具的研究尚处于起步阶段。从学生自身与教育管理部门两方面采取应对措施更有利于提高大学生的学习适应性,国家免费师范生的学习适应问题值得深入研究。

儿童学习困难与社会心理因素——全国14个省市1576例儿童学习困难调查分析

全国14个省市协作研究“儿童学习困难的原因分析”。采用统一工具,统一方法,统一标准,统一数据处理。样本来自学习困难专科咨询门诊3084名儿童,对照组来自各校学习成绩优良的2200名儿童。研究结果表明,专科咨询门诊中儿童学习困难检出率为51.1%,学习困难儿童有精神卫生问题者占87.8%。儿童学习困难与家庭环境不佳,父母教育方式不当有关,提示注意改善环境,改变教育方法,提高父母的素质至关重要。

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。

基于logistic映射的自适应变尺度混沌粒子群算法

为克服粒子群优化算法(Particle Swarm Optimization,PSO)存在的缺陷,提出基于Logistic映射的自适应变尺度混沌粒子群优化算法(Adaptive Chaos PSO,ACPSO)。采用混沌方法对粒子进行初始化;根据不同状态下粒子适应值的大小对惯性权重采取不同的调整方法;异步变化的学习因子使粒子随着迭代步数的增加,避免粒子发生早熟收敛现象;当粒子陷入局部最优时,对部分较优粒子采用变尺度混沌局部优化策略。为了检验算法的有效性,将该算法与3种有代表性的算法进行比较,结果表明该算法收敛速度快,求解精度高。

图示工具在协作学习中的影响——基于协作学习项目的调查

为关注图示工具在学习中的影响,通过调查图示工具在协作学习情境下的应用,了解影响学习者使用图示工具的主要因素及其作用路径。先基于理论提出假定,再借用技术接受度模型之影响因素及其量表,依托中美合作的研究生课程进行调查,最后结合数据分析与理论分析得出结论。主要的发现有:影响学习者图示行为意向主要因素包括:任务相关性、产品质量、结果示范和感知有用性,与计算机自我效能感、计算机娱悦性、感知愉悦性和感知易用性。因素路径中尤以任务相关性对感知有用性的作用和计算机自我效能感对感知易用性的作用甚强;而在经验形成阶段,感知易用性对图示意向的作用比感知有用性显著,且感知易用性对感知有用性有较强的作用。英语听说水平与图示工具的使用无显著关系。此外,对使用图示工具的早期干预是必要的,也是重要的;社群影响在同类研究中值得关注。

BP神经网络的改进及其在初至波拾取中的应用

在地震资料处理中,正确的初至时间,是解决复杂地表静校正问题所需的关键参数。将BP神经网络引入到初至波拾取中,并针对经典BP神经网络收敛速度慢、易于陷入局部极小的缺点,利用组合函数法、限幅法、动量因子法及自适应学习率法等进行了改进。用模拟试验证明了这些改进方法的可行性和有效性,在应用于实际的地震记录初至波拾取中,取得了良好的应用效果。

函数链神经网络在打印机非线性校正中的应用

为了实现激光打印机非线性的自动校正,使用函数链神经网络对其非线性进行估计。研究了函数链神经网络的阶数和学习因子对其收敛性的影响。由于激光打印机的非线性非常严重,采用分段处理法,并根据收敛情况自动调整学习因子的大小。通过对比多组实验结果可知,函数链神经网络的收敛精度和速度都得到了显著提高。应用到激光打印机的非线性校正中,取得了很好的效果。

混合策略改进正弦余弦算法

为提高正弦余弦算法在求解函数优化问题的性能,提出混合策略改进正弦余弦算法。首先,利用正切函数作为调节因子代替原本线性变化的参数,用于平衡算法的全局探索和局部开发;然后,引入权重系数,用于控制位置更新处个体上一代位置的影响力,有效提高算法开发能力和寻优速度;最后,构建逐维交叉学习策略,克服最优解无更新的缺点,对最优个体进行扰动更新,跳出局部最优,避免早熟收敛。在不同维数的八个基准函数上进行仿真实验。实验表明,该算法相对于其他群智能优化算法具有更高的寻优精度和收敛速度,相比于最新的正弦余弦改进算法,也表现出更好的收敛性能和稳定性。

应用改进神经网络的无人机三维航迹规划

针对无人机的航迹规划问题,提出了并联神经网络结构与动态可调步长策略相结合的三维航迹规划方法。首先根据与威胁之间的距离采取不同策略:当无人机处于威胁区域外,采取基准步长为大步长的策略,实现快速生成航迹的目的;当无人机处于威胁区域内,采取可调步长的策略,实现航迹的精细搜索。然后构建障碍物惩罚函数的神经网络和航迹的能量函数,将梯度下降法与牛顿下山法相结合,建立航迹的运动方程,依据不同的航迹点,采用自适应学习因子不同的学习率,实现快速脱离威胁。仿真结果表明,所提算法不仅能保证无人机安全绕开威胁,同时也提高了算法的收敛速度。

一种改进的混合鲸鱼优化算法研究

在对鲸鱼优化算法(WOA)的数学模型深入研究时,发现传统的WOA算法在处理一些较为复杂的问题,或者对高维度空间进行搜索时还存在一些不足之处,如收敛速度慢、易陷入局部最优等缺点。针对这些问题,文章提出一种改进的混合鲸鱼优化算法,通过引入精英反向学习、非线性收敛因子和自适应调整搜索组合策略来提高算法收敛速度,弥补传统WOA算法的不足。实验结果表明,改进后的算法(IWOA)性能更优,有着广泛的应用前景。

基于惯性权重和学习因子动态调整的粒子群算法

针对传统的粒子群算法易发生早熟收敛、在寻优过程中易陷入局部最优等问题,提出了一种基于惯性权重和学习因子动态调整的粒子群算法,该算法通过改进惯性权重和学习因子参数以优化算法。随着算法的不断迭代,其惯性权重以及学习因子随着迭代次数的增加而动态优化,从而平衡其局部寻优能力与全局搜索能力。实验结果表明,改进后的算法在收敛速度以及收敛精度上比传统粒子群算法更优,能改善早熟收敛问题。

蒙古族大学生学习适应性现状及其影响因素研究

运用描述统计、独立样本t检验、方差分析的方法对500名蒙古族大学生学习适应状况及影响因素进行分析。研究发现,蒙古族大学生在教学模式、学习能力、环境因素方面不适应情况比较严重;适应不良学生学习动机和学习能力问题最为严重;性别、城乡、内外向因素对学习适应性有显著影响;民族聚居区、父母受教育程度对学习适应性没有显著影响。

一种基于灰色关联的智慧能源运维成本回归模型

智慧能源系统对于提高能源利用效率、节能减排、加强能源安全、优化能源结构方面起到积极作用。针对综合能源系统运维服务,基于灰色关联度分析法,提出了一种基于运维工作量调整因子、可计算、可量化的智慧能源运维成本模型。通过信息化运维服务费用测算,使得信息化系统的运行维护内容、运行维护费用支出有章可循,有据可依,从根本上确保各个系统投入运行后,以合理的运行维护费用保障系统按运行维护要求实现稳定可靠安全运行。

Application of artificial neural network to calculation of solitary wave run-up

The prediction of solitary wave run-up has important practical significance in coastal and ocean engineering, but the calculation precision is limited in the existing models. For improving the calculation precision, a solitary wave run-up calculation model was established based on artificial neural networks in this study. A back-propagation （BP） network with one hidden layer was adopted and modified with the additional momentum method and the auto-adjusting learning factor. The model was applied to calculation of solitary wave run-up. The correlation coefficients between the neural network model results and the experimental values was 0.996 5. By comparison with the correlation coefficient of 0.963 5, between the Synolakis formula calculation results and the experimental values, it is concluded that the neural network model is an effective method for calculation and analysis of solitary wave ran-up.

基于自适应参数调节和动态分组学习的水波优化算法

针对浅水波理论易陷入局部最优、收敛速度慢的问题,提出基于自适应参数调节和动态分组学习的水波优化算法。通过分析控制参数的变化,采取了参数自适应调节机制平衡算法的全局搜索和局部开发能力;设计基于正余弦因子的动态分组学习阶段,有效增强了算法跳出局部最优的能力,从而提高了算法的收敛精度。仿真结果表明,与标准水波优化算法相比,改进的算法表现出了较好的竞争性。

面向资源最优分配的深度学习双边拍卖算法

针对拍卖过程中计算效率低和利益分配不合理等问题,本文提出了一种基于深度学习的迭代双边拍卖算法.该算法通过买卖双方的初始报价数据训练基于神经网络的资源最优分配模型,调用训练好的模型对实时报价数据快速响应,直接求解经纪人最优分配问题(BAP)以实现计算资源分配,显著地减小了计算代价,提高了算法的计算效率.进一步,针对利益分配不合理等问题,在迭代双边拍卖框架的支出规则和收入规则中引入调节因子用于调节买卖双方的利益,解决已有算法在实现社会福利最大化过程中利益分配不合理的问题.实验结果验证了该算法的有效性和优越性,在运行时间、社会福利、买家利益、卖家利益和经纪人利益等多项指标均明显优于已有的迭代双边拍卖算法.

北京大学医学部2014级医学新生学习适应影响因素的调查分析

本研究通过对北京大学医学部2014级288名医学新生的学习适应情况及其影响因素的调查分析，发现性别、专业、政治面貌对医学新生学习适应情况没有显著影响；而生源地、是否独生子女、自我管理能力和自制力、对专业的认同感、对大学生活的参与度、与周围同学的关系、学习主动性、学习投入、自我效能感和希望特质等对医学新生学习适应情况有显著影响。为了提高医学新生学习适应性，需要加强对来自农村及小城镇和非独生子女的医学新生的及时关注；提高医学新生的专业认同感；加强对医学新生的自主性、自我管理能力、自我效能感和希望特质的培养；激发医学新生的学习动机；丰富校园活动；提高医学新生对大学生活的投入度；建立和谐的人际关系。