多芯超模光纤放大器增益均衡设计(内封底文章)

多芯超模光纤(MCSMF)的芯间距较小,多个芯子共同形成芯区支持多个超模传输,与普通单芯少模光纤相比,其具有较大的有效模场面积和较小的模式串扰,备受关注。MCSMF用于长距离传输时,与其相匹配的新型增益均衡放大器是实现信号中继并保持信号稳定传输的必要器件。文中提出了一种基于粒子群优化算法的19芯超模光纤增益均衡放大器,该光纤支持10个超模共同传输。通过粒子群算法分别优化各纤芯内掺铒浓度来降低不同超模的交叠积分因子,从而减小模式增益差(DMG)。结果表明,在包层泵浦条件下,最大DMG从1.33 dB (各纤芯均匀掺杂)降低至0.20 dB,在1 550 nm信号波长处10模式的平均增益为27.79 dB,且该放大器在整个C波段的增益平坦度低于1 dB。

动态优化环境下的群核进化粒子群优化方法

粒子群优化方法是由Kennedy和Eberhart于1995年提出的一种基于群体智能(swarmintelli-gence)的进化计算技术·定义了“群核”(swarm-core)的概念,并在此基础上,提出了基于群核进化的粒子群优化方法(swarm-core evolutionary particle swarmopti mization,SCEPSO),在SCEPSO方法中,为增强群体的优化能力,把群体分成了3个子群体,并且每个子群体有各自不同的“分工”·同时研究了SCEP-SO方法对连续变化的最优点的动态跟踪能力,在3种动态优化模型下进行了实验·实验结果表明,与传统PSO方法相比,SCEPSO方法能够可靠并精确地跟踪连续变化的全局最优解·

基于粒子群算法的声波测井岩心自动归位

为解决传统岩心手动归位不准确、主观性强等缺点,提出一种全新的岩心归位方法,利用粒子群优化算法实现声波测井岩心自动归位。根据位于同一深度的声波时差与岩心的物性数据具有相关性这一原理,声波测井岩心自动归位可归结为寻找全局位移最小、数值变化趋势对应性最好的优化问题。仿真结果表明,用粒子群算法可以快速有效地实现声波测井岩心自动归位。

基于多核微机的微粒群并行算法

提出了一种基于Logistic模型的惯性权重非线性调整策略,采用OpenMP多线程编程,在微机上实现了微粒群算法的多核并行计算。通过对BenchMark测试函数集中的5个函数进行测试,试验结果表明,采用基于Logistic模型的惯性权重非线性调整策略在算法成功率和收敛代数都优于线性调整策略,而基于OpenMP的微粒群多核并行计算使得计算速度得到提高。

用于短期风速预测的优化核心向量回归模型

风能的不确定性和难以准确预测给风电并入电网带来了困难。风速是影响风能的重要因素,风速的预测精度对风电功率预测的准确性有重要影响。提出一种优化的核心向量回归(CVR)模型,进行短期风速预测。其风速数据从某风电场每隔1 h采集1次,并采用粒子群优化(PSO)算法对CVR模型的参数进行优化,利用优化后的CVR模型进行风速预测。试验结果表明,在时空复杂度相当的情况下,该方法具有比CVR和SVR(support vector regression)更高的预测精度。

一种粗糙集属性约简的伪粒子群算法

针对高维数据集的属性约简问题,通过改变经典粒子群算法的运动方程,并用属性依赖性和属性子集特征数构造适应度函数,提出以决策表核属性为基础的最小属性子集搜寻策略。实验结果表明,与其他类型的最小属性约简算法相比,该算法不仅能有效提高获得最小属性约简的机率,同时还大大降低了计算时间。

基于粒子群算法的多核处理器线程调度研究

为有效解决多核处理器的线程调度问题,提出了一种基于粒子群算法框架上的线程调度算法。该算法依据设计的调度模型,在线程DAG图上通过复制不在同一处理器上且存在相关性的线程,生成相互独立的子DAG图,并采用改进的粒子群优化算法对其进行合理调度,由此提高线程调度效率。仿真实现了该算法,并通过实验数据验证了该算法的优越性。

无人系统群体智能及其研究进展

群体智能是人工智能的重要发展方向之一,无人系统群体智能作为人工群体智能的主要形态之一,在许多军用和民用领域都具有广阔且重要的应用前景,同时在基础理论方法、核心技术与系统构建等方面也面临诸多研究挑战.本文在在阐述群体智能的基本概念并对其进行合理分类基础上,分析无人群体智能的自组织、自适应、自学习和自涌现特征,从仿生群体智能机理和典型无人群体智能系统实例两方面论述当前无人系统群体智能研究现状,并从仿生机理、驱动模式、研发方式和系统实践四方面全面地总结无人系统群体智能研究特点.在此基础上,从理论方法、核心技术与系统构建三方面循序渐进、系统地梳理和凝练无人系统群体智能及其系统需要持续深化的主要研究方向,期望对相关研究者有所借鉴.

OpenMP多核并行程序的设计与实现

探讨了基于OpenMP的多核并行程序的设计和实现方法并验证了OpenMP的性能。实验结果证明基于OpenMP的并行算法拥有良好的加速比和效率。

采用多样性引导粒子群算法的干式空心电抗器优化设计

针对粒子群优化(PSO)算法易于早熟收敛的问题,提出了采用多样性引导的吸引-排斥粒子群优化(DGARPSO)算法,并应用于干式空心电抗器的优化设计中.该算法在吸引-排斥粒子群优化(ARPSO)算法中引入变异操作,即当进化群体多样性或个体极值群体多样性小于下限值时,以一定概率对粒子的位置进行变异,从而使得粒子在群体多样性很低时飞离群体的聚集位置,有效减少了PSO算法的早熟收敛现象,同时还比较了均匀变异、高斯变异和柯西变异对优化结果的影响.对50kV.A干式空心电抗器的仿真结果表明,DGARPSO算法提高了全局搜索能力,比GA算法、PSO算法和ARPSO算法具有更好的寻优性能.

基于自组织I/O映射神经网络的产业链核心竞争力

为有效提升产业链竞争优势,合理、高效地配置产业链的内部资源,对产业链核心竞争力进行了研究。分析了其构成要素,建立了数学模型与指标体系,并针对产业链核心竞争力高维指标体系内存在的部分相关性高、影响度低的冗余因素,提出一种基于BP神经网络、遗传算法、粒子群算法融合的自组织I/O映射神经网络模型。基于该模型,对指标体系内的各复杂因素进行了筛选,过滤掉冗余指标因素,识别出最能反映输入输出映射关系的因素变量,并在此基础上构建了关键因素识别模型,以识别构成产业链核心竞争力的关键因素。

异构多核DAG任务模型的微粒群优化调度算法

为解决异构多核环境下相关任务高效调度的难题,提出一种面向DAG任务模型的调度算法。通过构造优先级调度队列,以首个任务具有最小累计最早完成时间的处理器核为任务分配对象,基于改进的粒子群优化调度算法进行迭代寻优,在满足任务间依赖的条件下取得最小最大执行时间,得到有效调度方法。实验结果表明,该算法具有解质量高、简单有效和收敛快速的特点,可应用到其它异构及分布环境下任务规模大、关联复杂的情形。

考虑高寒低温影响的高心墙堆石坝仓面施工仿真模型研究

低温是影响高寒地区高心墙堆石坝施工的关键因素。然而,目前堆石坝施工仿真主要采用工程经验或者统计分析方法获得有效施工时长等参数从而间接反映气温对施工过程的影响,难以准确量化因高寒低温停工导致的施工进度滞后的影响,且缺乏考虑高寒施工环境下的保温工序,无法满足仓面施工仿真的精细化需求。针对以上问题,本文提出一个考虑高寒低温影响的高心墙堆石坝仓面施工仿真模型。首先,提出基于粒子群优化多层感知机(Particle Swarm Optimization-Muti Layer Perception,PSOMLP)的气温时间序列预测方法,通过粒子群优化算法(PSO)优化多层感知机(MLP)的超参数,弥补传统最小梯度下降法训练MLP时超参数难以确定、训练效率低以及精度差的不足,并将其嵌入仓面仿真模型,以获取精确的低温停工时刻和时长。其次,利用自助抽样法(Bootstrap)获得揭膜和覆膜工序活动时长,进而构建同时考虑低温停工和新增工序影响下的高心墙堆石坝仓面施工仿真模型。工程应用表明,相比于实际施工进度,传统仿真模型平均误差为19.74%,提出的仿真模型平均误差仅为1.21%,证明所提出的方法能够有效量化低温停工时长和新增工序对施工进度的影响,为高寒地区高心墙堆石坝施工进度分析提供了新手段。

基于粒子群算法的测井岩心深度自动归位研究

为解决传统岩心深度手动归位不准确、主观性强等缺点,提出了一种利用粒子群算法实现岩石物理实验数据深度自动归位的方法。基于同一深度的测井参数与岩心的物理试验数据具有相关性这一事实,以测井曲线深度为基准,寻找岩心深度全局位移最小、数值变化趋势对应性最好的优化算法。实验表明:用粒子群算法可以快速有效地实现以测井曲线深度为标准的岩心深度自动归位。

基于变异粒子群算法的大坝土料流变参数反演--以观音岩混合坝为例

观音岩水电站混合坝在竣工后发生了较大的流变变形,导致土石坝坝段在蓄水一个月后出现了裂缝。为分析坝体裂缝产生的原因,采用并行变异粒子群算法,根据观音岩混合坝竣工后的坝体沉降观测数据反演了筑坝堆石料和心墙料的流变参数。进一步根据反演参数进行了坝体的三维有限元计算,分析和预测了大坝在蓄水期和运行期的变形特性。结果表明,较大的蓄水期不均匀沉降及较大的坝体流变变形是坝体产生裂缝的主要原因。

多样性引导的改进量子粒子群优化算法及其在干式空心电抗器优化设计中的应用

针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法在求解复杂问题时的早熟收敛现象,提出了多样性引导的改进量子粒子群优化(diversity-guided modified QPSO,DGMQPSO)算法。该算法对基于混合概率分布的QPSO算法进行了扩展,利用群体多样性信息来引导粒子的搜索,即当群体的多样性小于下限值时,对全局最优粒子的位置进行混沌变异,从而提高群体的多样性,增强算法跳出局部最优解的能力;另外,还分析了采用不同混沌随机序列变异对优化设计结果的影响。对50 kvar干式空心电抗器的优化设计表明,DGMQPSO算法具有较强的全局搜索能力、较好的稳定性和良好的优化效果。

基于两种混合智能算法对变压器铁心截面设计的优化研究

为了降低电力变压器制造成本,对实际大型铁心的设计原则进行了研究,考虑了油道、分裂片对铁心截面的影响。结合人工智能算法,提出了采用粒子群、基因遗传并结合邻域搜索的两种混合算法对铁心截面进行优化设计。通过对铁心模型建立特定的邻域解及邻域范围来实现邻域搜索,并分别结合粒子群、改进的基因遗传算法流程,建立新型电力变压器铁心截面优化设计方案。具有良好的优化效果。特别是应用在大型电力变压器铁心设计制造中,具有更多的成本节省空间。

基于粒子群支持向量机的高心墙堆石坝渗透系数反演

渗流场参数的获取是研究运行期高心墙堆石坝渗流特性的难点之一。针对糯扎渡高心墙堆石坝,利用饱和–非饱和渗流场有限元程序生成学习样本,借助支持向量机的高度非线性映射能力,建立了渗透系数与水头之间的映射关系。再以识别误差目标函数为适应值,采用粒子群优化算法反馈搜索以建立大坝渗透系数反演模型。以大坝最大横剖面典型渗压计测点为实测点,采用一维固结理论推导了大坝心墙超静孔隙水压力消散计算公式,并对心墙水头实测值进行修正。通过对运行期库水位稳定时段渗流场的反演得到大坝待反演分区的渗透系数,再利用水位上升期对应的渗流场进行验证。结果表明,渗透系数反演结果是合理的。

基于OpenMP的多核程序设计技术

探讨了基于OpenMP的多核程序设计技术,介绍了OpenMP并行编程模型、编译指导语句及常用库函数。为验证OpenMP的性能,对求解二次分配问题的粒子群优化算法采用OpenMP技术进行并行化。实验结果证明了基于OpenMP的并行算法的有效性。

基于RBF神经网络的干式空心电抗器涡流损耗计算

基于数值仿真技术分析干式空心电抗器的结构参数对其涡流损耗的影响,并结合工程实际,建立考虑绕组截面填充结构、导线截面形状、气道宽度和每个包封内层数等因素的通用模型。为提高干式空心电抗器涡流损耗的计算精度,根据输出响应和输入参数之间的函数关系,建立基于指数型径向基函数(RBF)神经网络的干式空心电抗器涡流损耗计算模型,并采用粒子群算法和梯度下降法对网络参数进行优化。算例结果分析表明,基于RBF神经网络的干式空心电抗器涡流损耗模型具有计算精度高和速度快的优点,适用于干式空心电抗器的优化设计。