高光谱结合离散二进制粒子群算法对久保桃可溶性固形物含量的检测

可溶性固形物(SSC)是评价久保桃内部品质的重要指标。传统的SSC检测有损、费时、费力;快速、无损检测久保桃的SSC含量对于其品质分级有着重要意义。离散二进制粒子群算法(BPSO)是在标准粒子群算法(PSO)的基础上,更新速度公式得到的,具有精度高,收敛快的特点,多用于离散空间的优化问题。基于高光谱技术结合BPSO算法及BPSO的组合特征波长选择算法对久保桃的SSC含量预测进行研究。首先采集198个久保桃样本的高光谱信息,获取久保桃900~1700nm范围内的光谱信息,计算感兴趣区域的平均光谱作为有效光谱数据,同时测量久保桃的SSC值。采用K-S(Kennard-Stone)算法将样本划分为校正集(147个)和预测集(51个)。使用BPSO特征波长选择算法对久保桃的原始光谱数据进行特征波长提取,并与竞争性自适应重加权算法(CARS)、连续投影法(SPA)、无信息变量选择法(UVE)等特征波长选择算法比较。同时为了避免单一算法建模中的不稳定问题,提出了基于BPSO的一次组合(BPS0+CARS、BPSO+SPA、BPSO+UVE)和二次组合[(BPSO+CARS)-SPA]、[(BPSO+SPA)-SPA]、[(BPSO+UVE)-SPA]特征波长提取方法。基于上述10种特征波长提取方法分别建立支持向量机(LS-SVM)模型和遗传算法(GA)优化的支持向量机模型(GA-SVM)模型。结果表明,基于BPSO算法提取特征波长建立的模型预测性能均高于其他单一特征波长方法,建立的两种模型预测集决定系数R_(p)^(2)均达到0.97以上;基于BPSO的组合算法中,二次组合(BPSO+SPA)-SPA算法建立的LS-SVM在特征波长数量较少的情况下对久保桃SSC含量预测性能最高,校正集和预测集决定系数R_(c)^(2)为0.982,R_(p)^(2)为0.955,均方根误差RMSEC为0.108,RMSEP为0.139。该模型预测性能略低于BPSO算法,但其仅用了22个特征波长进行建模,极大地简化了模型。说明(BPSO+SPA)-SPA是一种有效的特征波长提取方法,为水果SSC含量的无损检测提供了新的检测方法。

基于混沌二进制麻雀搜索的配电网故障恢复方法

为了解决分布式电源接入给主动配电网的安全可靠运行带来巨大挑战的问题,提出一种基于混沌二进制麻雀搜索算法的分布式电源配电网故障恢复方法。首先,提出了一种麻雀搜索算法,利用二进制离散化数据和混沌初始化种群的思想,极大地提高了算法的精度、收敛速度和稳定性;然后,综合考虑恢复重要负荷、开关动作次数、网络损失等因素建立多目标函数,构建有源配电网故障恢复模型,采用二进制麻雀搜索算法进行求解,输出含分布式电源的配电网最优故障恢复策略;最后,经过实验结果表明,所提的方法可以准确获得配电网故障恢复策略。

离散二进制粒子群算法在基于模型配电网故障诊断中的应用

提出一种基于模型的配电网故障诊断方案,该方案首先根据配电网原理模型的仿真数据和实际观测值存在的差异得到极小冲突集,然后由离散二进制粒子群优化算法推出可能的故障元件和故障形式,最后由贝叶斯方法确定概率最高的诊断结论。通过实际建模、编程和实验证明了该方案的可靠性和有效性。仿真结果表明,与HS-Tree、Boolean Algebra方法、遗传算法等算法相比,离散二进制粒子群算法搜索效率更高,可节约1/3～1/2的搜索时间,并且可以避免当问题规模较大时出现内存溢出问题。

基于离散区间二进制序列激励信号的燃料电池EIS测量及故障诊断方法

为在不影响燃料电池发电系统正常运行的前提下快速分析电堆内部复杂反应过程,获取精确的输出特性等效电路模型,提出一种基于离散区间二进制序列(discreteinterval binarysequence,DIBS)脉冲信号的燃料电池电化学阻抗谱(electrochemical impedance spectroscopy,EIS)在线测量及故障诊断方法。该方法在不增加信号时域幅值的基础上尽可能多地将能量集中到指定的频率点上。该文设计并搭建EIS测量平台,实验确定激励信号频率范围为0.2~80Hz,并对电堆10~60W不同负载功率下的阻抗谱进行测试,验证所提出的DIBS脉冲激励用于燃料电池EIS测量的有效性。提出R(RQ)(RQ)(RQ)三阶等效电路模型,并采用Nelder-Mead参数辨识方法,得到总体误差较小的EIS拟合曲线。在此基础上针对膜干和水淹故障,利用PSO-SVM分类方法对电堆故障进行诊断。研究结果表明:提出故障诊断方法准确率高达97.14%,能准确判断出所使用的燃料电池所处故障类型。

无线传感器网络基于离散二进制粒子群算法的分簇优化

为提升分簇无线传感器网络能量效率,延长网络生存时间,文章利用离散二进制粒子群算法对簇首选取进行优化。首先采用二进制编码方式对簇首选取结果进行编码,综合考虑节点能量、位置及簇首数目等因素,设计适应度函数,通过粒子群不断迭代寻优,获取最优分簇结果。然后引入簇首多跳的簇间路由方式,进一步降低节点能耗。通过仿真实验证明,所提分簇优化算法有效均衡了节点负载,降低了网络能耗,使网络生命周期明显延长。

基于改进离散二进制粒子群的SVM选择集成算法

针对基于离散二进制粒子群(BPSO)的SVM选择集成算法的分类精度不高,以及所选分类器个数过多等问题,利用改进的离散二进制粒子群算法(IBPSO)和SVM选择集成算法相结合,提出基于IBPSO的SVM选择集成算法。通过选用合适的适应度函数以及调节因子k,进行多次仿真,实验表明,对由boostrap方式生成的SVM集合,基于IBPSO的SVM选择集成在精度和分类器个数方面均优于基于BPSO的SVM选择集成,证明了IBPSO算法的优越性。

基于离散二进制粒子群优化随机森林的平面变压器寄生参数预测模型

平面变压器的寄生参数是平面变压器结构设计以及电源电路设计的重要参考指标。由于寄生参数与平面变压器的结构、材料等存在非线性关系,寄生参数非常难以计算。针对现有的寄生参数预测算法以及寄生参数的特点,设计了一种基于离散二进制粒子群优化随机森林的平面变压器寄生参数预测模型。通过36组平面变压器数据对该模型进行训练和验证,结果显示此模型的预测精度符合实际需要。通过此模型与其他常用预测模型的比较,结果显示此模型的预测精度是最优的。以上结果表明了此模型的准确性和优越性,其预测结果可为平面变压器设计提供参考,具有重要的现实意义。

离散二进制粒子群算法在MIMO系统检测中的应用

假设被检测的某个矢量信号外的其他信号已知,将离散二进制粒子群优化算法(DBPSO,Discrete Binary Particle Swarm Optimization)应用到MIMO(Multiple-Input Multiple-Output)系统中对信号进行检测,能够较好地解决检测技术在提高MIMO频率选择性信道传输质量的同时产生了极大的接收信号计算复杂度问题.理论分析和仿真结果表明,该算法可以在计算复杂度和检测性能之间取得一个较好的折中.

数控机床主轴绿色配置设计的不确定优化模型建立与求解

以MJ-50型数控车床主轴的模块化绿色配置设计为例,将技术性能最优、经济成本低、环境影响最小、能耗最少设为目标函数,建立包含模糊数与区间数的不确定组合优化模型;按三角模糊数和区间数的运算法则将其转换为确定型模型,并采用权重系数法把该多目标优化问题转化为单目标优化问题;采用离散二进制粒子群优化算法进行模型求解,获取最优解。实验证明该方法可行。

基于BD-PSO的航空货运站集装立体库任务分配优化研究

航空货运站集装立体库具有多出入口的特点,合理将任务集中地分配到各口是后续任务调度的基础.使用优化二进制离散粒子群优化算法,解决了原算法中粒子速度变化能力弱、全局寻优性能不佳的问题.仿真结果表明,该方法可快速优化进出口任务分配工作,能够满足工程现场需求.

应用小波的PV振荡周期多分辨率检测

该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法.首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期.

整数DCT(BinDCT)快速算法

设计和实现了基于提升结构的无乘法二进制DCT (BinDCT)的快速算法。该算法是在基于旋转变换的递归算法基础上设计的 ,并将传统的旋转变换的 3个提升矩阵乘积减少至 2个提升矩阵乘积 。

一种基于实测数据的谐波源定位方法

为了准确划分各谐波源责任以便采用技术及经济手段治理谐波问题,提出了一种基于实测数据的谐波源定位方法。该方法以系统母线的谐波电压幅值及相位作为量测量,考虑一定的建模及测量误差,根据系统各节点的谐波功率与母线阻抗之间的符号关系对可疑母线进行分类。提出定位指标对各节点进行排序,确定最为可能的谐波源位置,减少后期不必要的勘测工作。最后,在ETAP 12.6中建立了IEEE 14节点的算例模型并进行计算验证,计算结果证明了提出方法的有效性。

基于BPSO的web服务推荐策略

为解决web服务的优化选择,提出一种基于离散二进制粒子群算法(binary particle swarm optimization,BPSO)的web服务推荐策略.用数学方法阐述基于服务质量(quality of service,QoS)的业务组合,将业务单元组合转换到服务组合,给出不同服务组合模式下的QoS属性值计算公式,提出web服务集和嵌套概念,对具有嵌套模式的服务组合进行逐一遍历.将基于QoS的web服务组合优化问题看成是多目标优化决策问题,提出基于BPSO的web服务组合优化数学模型,利用目标加权法简化多目标决策问题.对BPSO进行改进,构建了基于BPSO的web服务推荐仿真系统,仿真表明,该方法高效可行.

考虑通道规划的城市中压配电网络规划

针对城市新建城区的配网网架规划问题,提出了一种考虑街道走向约束的配电网规划模型,将电缆通道建设费用计入目标函数,考虑到实际规划中居民负荷和商业负荷分开供电的要求,采用开闭站布线算法和电缆分界室布线算法相结合的方法生成备选初始网络,使用离散二进制粒子群算法进行优化,得到最后结果。实际算例分析表明,该模型符合现实规划要求,算法求解效率高,规划结果更具有实用性和经济性,对实际的配电网规划更具指导意义。

三维芯片多层与多核并行测试调度优化方法

针对测试环节在三维(3D)芯片制造过程中成本过高的问题,提出一种基于时分复用(TDM)的协同优化各层之间、层与核之间测试资源的调度方法。首先,在3D芯片各层配置移位寄存器,通过移位寄存器组对输入数据的控制,实现对各层之间以及同一层的各个芯核之间的测试频率的合理划分,使位于不同位置的芯核能够被并行测试;其次,使用贪心算法优化寄存器的分配,减少芯核并行测试的空闲周期;最后,采用离散二进制粒子群优化(DBPSO)算法求出最优3D堆叠的布图,以便充分利用硅通孔(TSV)的传输潜力,提高并行测试效率,减少测试时间。实验结果表明,在功耗约束下,优化后整个测试访问机制(TAM)利用率平均上升16.28%,而3D堆叠的测试时间平均下降13.98%。所提方法减少了测试时间,降低了测试成本。

基于特征选择和模糊支持向量机的刀具磨损状态识别

为了提高在不平衡性样本上的刀具磨损状态识别准确率,提出了一种基于特征选择和模糊支持向量机的刀具磨损状态识别方法。该方法通过离散二进制粒子群算法对特征进行选择,剔除冗余特征和无关特征,避免算法陷入维度灾难。设计了混合模糊隶属度函数,构建模糊支持向量机分类模型,采用粒子群算法优化模糊支持向量机关键参数,实现了刀具磨损状态识别。实验结果表明,在不平衡性样本情况下,基于特征选择和模糊支持向量机的刀具磨损状态识别方法具备良好的学习能力,具有较高的识别准确率。

WSN的多目标优化任务分配建模与改进算法分析

针对无线传感器网络(Wireless Sensor Network,WSN)监控区域内的入侵者选择节点进行协同攻击的任务分配问题,本文建立以节点移动距离和节点能耗为主的任务分配问题数学模型,利用约束条件将任务分配算法转化为含约束条件的多目标优化(Multi-Objective Optimization,MOO)问题;在已有离散二进制粒子群优化(Binary Particle Swarm Optimization,BPSO)算法的基础上,提出基于惯性权值幂律策略的离散二进制粒子群优化(Power-law Distribution Binary Particle Swarm Optimization,PLD-BPSO)算法,对其惯性权值进行改进,增强了算法的寻优能力;最后使用线性加权法将基于模型的多目标问题转化为单目标寻优问题,通过仿真验证了该任务分配模型和任务分配方法的理论可行性,该算法具有比标准BPSO算法更强的寻优能力.

基于改进BPSO的聚类选择性集成

首先针对离散二进制粒子群(binary particle swarm optimization,BPSO)容易陷入局部收敛的问题,提出一种改进的BPSO算法。在分析高斯密度函数对尺度敏感性的基础上,利用粒子群与全局最优粒子的一致性动态调节尺度参数,并利用密度函数对称区间的定积分确定全局最优粒子的变异概率。而后将聚类的选择性集成抽象为组合优化问题,利用聚类成员有效性和差异性的加权组合定义适应度并以改进BPSO的进化过程实现聚类的选择性集成。最后基于标准数据集和图像数据集验证算法的有效性。

基于BDMOPSO的主轴绿色配置设计的多目标不确定优化

针对绿色配置设计中含有模糊数、区间数等不确定性定性变量问题,研究了设计中绿色不确定多目标模型的求解优化方法,以MJ-50型数控车床主轴的模块化绿色配置设计为例,将技术性能最优、经济成本低设为目标函数,建立包含模糊数与区间数的不确定组合优化模型;按三角模糊数和区间数的运算法则将其转换为确定型模型,采用所提出的离散二进制多目标粒子群优化算法进行模型求解,获取非支配值以及最优解。实验证明本文方法的可行性,具有一定实用价值。