改进NSGA-Ⅱ算法的海上搜救调度方法

针对海上搜救资源调度决策困难、干扰多、实时性差、难以实现全局最优问题,本文以黄渤海海域为例,采用改进的非支配排序遗传(NSGA-Ⅱ)算法解决海上船舶搜救资源调度问题.首先,根据AIS以及北斗数据,建立了海上搜救资源的多目标优化模型;其次,改进的NSGA-Ⅱ算法采用基于正态分布交叉(NDX)算子,在扩大搜索范围的基础上,避免陷入局部最优,得到多目标问题完整的Pareto解集;采用综合评价法(TOPSIS)从Pareto解集中求得折衷解,即最终设计的搜救调度方案;最后,在考虑船舶数量约束以及时间约束的条件下,采用改进的NSGA-Ⅱ算法分别与NSGA-Ⅱ算法和贪婪算法进行对比,并采用黄渤海海域船舶采集数据进行仿真.结果表明该算法能够有效解决海上搜救资源调度优化问题.

混合式LLC电路谐振与同步整流数字式控制

针对LLC电路混合式控制的特点,对频率控制和移相控制进行了数字控制的分析与建模。根据混合式LLC电路整流电流总处于断续状态的特点,分析得出输出电压与同步整流驱动占空比呈单峰值的关系,并以一种无需传感器的方法实现电路的同步整流控制,应用最优梯度滞环比较搜索法,能快速准确的搜索到同步整流最优驱动点。最后为减小谐振与同步整流间的控制干扰,利用数字式控制能储存谐振控制频率和相位的优点,对同步整流控制进行解耦,很好地提升了系统的动态性能。以一个输出20A/3.3V实验样机验证论文控制策略的正确性。

遗传算法的运行机理分析

遗传算法是一种自适应启发式群体型选代式全局搜索算法，正受到许多学科的重视．本文首先以函数优化为例分析了遗传算法的运行过程，然后着重探讨了遗传算法的全局收敛性和效率问题，提出了有效基因的新概念及有效基因突变操作，推导出每次遗传搜索产生Ｏ（２ｌ－１）数量级的新模式，最后给出了结论．

共享历史最优信息搜索的粒子群算法

传统粒子群算法运行机理是通过粒子群全局最优和自身经验最优来搜索最优位置,不断迭代进化,以此趋近最优解,但该算法共享信息的局限性使其容易陷入局部最优.针对传统粒子群算法的不足,提出了共享历史最优搜索信息的粒子群算法.该粒子群体在搜索过程中,共享算法本次运行的种群个体历史最优信息、当前全局最优信息,及前几次运行过程中的种群个体历史最佳信息.通过5个经典函数的仿真实验测试,验证了该算法具有较强的全局搜索能力和收敛性.

最优回归设计在食品加工研究中的应用

以白果低糖营养饮料加工为例 ,研究了最优回归设计在食品加工研究中的应用 ,建立了一个四元二次回归方程 ,进行了回归方程显著性检验 ,并进行计算机模拟选优 。

基于近郊区和远郊区的果蝇优化新算法

在传统果蝇优化算法中,果蝇的新位置常被限定在特定区域内,因此,寻优结果对搜索半径依赖性强,导致算法极易陷入局部最优。为此,提出一种改进的果蝇优化算法。将果蝇在每个维度上的搜索范围分为2个部分,给出近郊区和远郊区的概念,引入局部最优导向因子,通过动态调整该因子协调果蝇在不同区域的搜索强度,通过随机选择果蝇位置向量中特定维度实现果蝇位置更新。仿真实验结果表明,与传统自适应混沌果蝇优化算法相比,该算法能有效避免搜寻半径的影响,且在收敛精度、收敛速度等方面具有明显优势。

开关点预置最优SPWM变换器控制方案研究

开关点预置的正弦脉宽调制变速恒频电源 ,对开关点进行最优设定 ,使得输出电压性能优良。由于 GTR的开关频率限制 ,传统的开关点预置控制方案为 9块波开关点预置最优 SPWM控制方案。本文详细地讨论了开关点预置 SPWM控制方案的理论 ,并针对以 IGBT作为主功率模块的变换器 ,通过提高斩波频率 ,采用 17块波的开关点预置最优 SPWM控制方案 ,进一步提高了输出电压质量和输出滤波器的谐振频率 ,减轻了输出滤波器体积重量 ,故也提高了系统效率。以40 k VA变速恒频电源变换器为例 ,运用相关变换器仿真软件对两种不同控制方案下的电源系统作出了仿真比较。

混合遗传算法在叶片排序问题中的应用

在安装或更换发动机转子叶片时,不仅要使叶片组的质量分布相对平衡,同时也要满足一定的频率要求.本文将局部最优搜索融入遗传算法中得到混合遗传算法,基于混合遗传算法的局部优化和快速收敛特性,提出了一种求解转子叶片排序问题的新方案,按此方案排序可使转子同时满足质量和频率的两方面要求.

导弹中制导末段的最优搜索

研究超视距导弹中制导末段利用导弹的剩余动力 ,自动搜索活动目标 ,使目标捕捉概率达到最大的最优搜索问题 .给出了活动目标的位置概率分布 ;提出了基于活动目标位置概率分布的导弹搜索航线的规划方法 ;拟订了搜索系统的组成方案并对系统进行了设计 ;对该系统进行了仿真 ,验证它的活动目标的捕捉概率 .

一种基于小波网络的切削刀具故障监测

提出了一种基于小波神经网络的切削刀具故障监测方法，即提取反映刀具磨损状态的多源特征参数，利用小波神经网络的非线性模型和学习机制，实现在线状态监测；同时针对故障诊断的多输入输出问题带来的网络规模增大、收敛速度慢等问题，提出一种网络优化算法，即采用尺度参数的自适应调整法及平移参数的寻优搜索法，寻找最优小波基元，从而简化小波网络并加快收敛，仿真实例证明了该方法的有效性。

一种采用随机数直接搜索方法的应用及其改进

应用随机数直接搜索的单纯形最优化方法，将系统高阶模型简化为低阶等效模型，并对控制系统调节器参数进行在线寻优，在保留该方法原有优点的基础上对搜索范围的变化规定作了改进，即依据目标函数值的大小来改变收缩系数，以达到搜索参数快速收敛于最优点的目的．仿真结果表明：改进后的方法只需迭代１０～１５次就可获得满意的结果，与原ＬＪ法相比搜索时间可缩短２０％～５０％左右．

准最优增量搜索效率分析

在对极限搜索圆进行特殊分割的条件下 ,导出准最优增量搜索和准最优总量搜索发现目标概率的计算公式 ,并通过对搜索力变化时两种发现概率的比较 ,得出了准最优增量搜索优于准最优总量搜索的重要结论。

基于匹配搜索的伪随机序列生成多项式估计

对截短和误码条件下伪随机序列生成多项式估计算法的误码适应性进行了研究。根据伪随机序列的线性约束原理,通过构造关于生成多项式系数的校验方程组,提出了基于匹配搜索方法的生成多项式估计算法,并在搜索过程中利用生成多项式在二元域的基本特性缩小搜索范围来优化算法,减少计算量。最后,对算法在不同门限值和误码率时的估计性能进行了仿真,且以m序列为例,对本算法与典型算法在截短序列和误码适应性方面进行性能对比。仿真结果表明,该算法能较好完成对15阶m序列生成多项式的估计,可以适应20%以上的误码率,与现有算法相比,本算法具有更好的误码和截短序列适应性,能较好地满足工程实践中扩频序列分析的需要。

随机神经网络优化方法及其计算机仿真

研究了结构优化问题求解的随机神经网络方法 ,可较好地克服 Hopfield网络方法容易陷入局部解的缺点。针对实例 ,对随机神经网络和 Hopfield网络进行了动态仿真 ,直观地给出了两种网络的动态并行运行、能量函数的动态变化过程及两种网络的全局性的差异 ,同时也仿真出了网络并行运行至稳定优化解的时间。

基于变路面SBC最佳滑移率的研究

滑移率控制对汽车电子感应制动系统在变路面下实现快速响应和提高制动性能有重要作用。根据当前制动力系数,采用对路面进行分级的逐步搜索最佳滑移率的方法来确定各种路面下的最佳滑移率,设计了模糊控制器,针对不变路面和变化路面进行了计算机仿真。结果表明,该方法对车速和路面变化引起的最佳滑移率和峰值附着系数的改变具有良好适应性,确定最佳滑移率时,计算量小、准确性高、实时性强。

面向异构多背包问题的多级二进制帝国竞争算法

在传统多背包问题的基础上,从典型物流服务场景中共性抽象出异构多背包问题(HMKP),并设计和定制了一种帝国竞争算法(ICA)对HMKP进行求解和评估。针对原始ICA易陷入局部最优以及0-1背包问题最优解往往在约束边界周围的特点,设计了双点自变异策略(TPAS)和跳出局部最优算法(JLOA)对ICA进行改进,提出面向0-1背包问题的二进制帝国竞争算法(BICA)。BICA在求解35个0-1背包问题算例时展现出了全面、高效的寻优能力,基于最佳匹配值法(BMV)的BICA在第一组测试集的20个算例上能对19个算例100%找到理想最优值,在第二组测试集的15个算例上能对12个算例100%找到理想最优值,在所有对比算法中表现最优。数值结果分析表明,BICA在寻优演化中维持多极发展策略,并依托独特的种群进化方式在解空间中高效搜索理想解。在此基础上,针对HMKP强约束性和高复杂度的特性,基于BICA设计了求解HMKP的多级二进制帝国竞争算法(MLB-ICA)。分别在多个典型0-1背包问题算例组合构建的HMKP高维测试集上进行了MLB-ICA的数值实验和性能评估,结果表明虽然MLB-ICA的求解时间比Gurobi长,但求解精度提高了28%。可见,MLB-ICA能以较低的计算代价在可接受的时间范围内高效求解高维复杂的HMKP,为ICA在超大规模组合优化问题中的求解提出了可行的算法设计方案。

锅炉燃烧系统的仿人智能控制

提出一种锅炉燃烧系统的仿人智能控制方法 .该方法根据专家知识和操作人员的经验 ,给出了仿人智能控制器的设计方案 .针对传统控制方法难以适应锅炉负荷大幅度变化的缺点 ,给出了基于规则的专家式控制方法 ,并针对风煤配比的自寻最优控制的缺点 ,给出了按照经验实施的固定比例风煤配比的简单实用方法 .锅炉燃烧系统仿人控制方法已在生产中得到应用 ,应用结果表明该方案可行 ,提高了系统的燃烧效率 。

一种基于免疫遗传的多路搜索蚁群动态路径诱导算法

在交通路径诱导过程中,为了优化出行者的路径选择,提出一种用免疫遗传算法与蚁群系统算法相互融合的算法,主要利用了蚁群系统算法的动态性、正反馈性和分布式计算的优点;同时兼容了免疫遗传算法的全局搜索能力以及容易和其他算法相结合等特点.蚁群系统算法的动态性能够满足交通道路动态变化的各种因素,但是蚁群系统算法固有的缺点是容易陷入局部最优和进化速度缓慢,为了改善蚁群系统算法陷入局部最优的缺点,采用免疫遗传算法的全局搜索的思想来对蚁群系统算法进行改进,避免了蚁群系统算法陷入局部最优的缺点.为了提高算法的进化速度,本文提出了基于多路搜索的蚁群系统算法,能够更好地加快收敛速度,满足交通动态变化的需要,并且满足出行者的需要.在算法的研究过程中,进行了两部分实验对算法进行了论证,在eil51问题中,算法与其它算法相比证明可以得到更优的解;在MapX环境下模拟现实交通状况,运用算法寻找最佳路径,证明了本文提出的算法能够在实际的道路状况中找到满足出行者需求的道路.

基于A^＊算法的舰船最佳航线选择

提出利用A*启发式搜索算法选择舰船最佳航线,对算法中利用的估价函数作了定量的描述.通过实例与传统的图搜索算法选择最佳航线进行比较,A*算法不仅减少了搜索的结点数目,而且搜索效率较Dijkstra算法可以提高30%～40%.

结合遗传算法和多尺度边缘检测的红外图像分割

用传统的解析法得到的函数最大梯度和局部极大只能是近似和局部意义上的。本文结合遗传优化搜索算法讨论多尺度边缘检测的新方法。为了提高遗传算法应用于边缘检测的收敛速度,改进基本遗传算法存在的局部搜索能力差的缺陷,提高全局解的质量,采用了改进的GA(遗传算法)+SA(模拟退火法)+TABU(列表寻优法)混合算法。将基本遗传算法与启发式搜索算法相结合,采取交替式的优化策略。试验结果表明,将该算法用于红外目标图像分割,可以使检测出的图像边缘细节丰富、单边缘、定位准确。