最小RBF网设计的进化优选算法及其在动力配煤过程状态预测建模中的应用

文中提出一种RBF网设计的进化优选算法 ,该算法能设计出满足给定学习精度的最小RBF网络 ,从而使所得到的RBF网具有较好的泛化能力。我们以煤灰软化温度预测为例 ,介绍了如何将该算法应用于动力配煤过程的状态预测建模。我们还把ESA算法与另外 2种最常见的RBF网设计方法 ,即聚类方法和OLS算法作了比较 ,结果表明 ,用进化优选算法设计的RBF网模型具有最好的泛化能力。

RBF网学习的进化优选算法

讨论了用正交最小二乘算法训练RBF网的不足之处 ,然后引入了选择路径的概念 ,在此基础上 ,提出了RBF网隐层节点选取的进化优选算法 .仿真结果表明 ,在不同的精度要求下 ,用进化优选算法均能设计出比正交最小二乘算法更小的RBF网 .

铁路旅客旅行换乘方案优选算法

为给铁路旅客选择合理的旅行方案提供参考,以旅行目标值与换乘目标值之和最小作为目标函数值,考虑旅客从起点站出发、最终到达终到站、在中转站进出平衡的约束条件,建立旅客旅行换乘方案选择问题的数学模型。分别给出旅行时间、换乘次数、票价、距离、到发时刻和综合指数6种目标权值的确定方法,提出最短路法和列车匹配法2种求解方法。最短路法是通过构造并简化旅客运输网络,求出网络上若干条次短路,再根据各条次短路上列车的接续,构造列车换乘方案网络图,根据该网络的目标权值确定最短路,得到最优换乘方案。列车匹配法是根据列车运行图信息直接搜索发、到站的接续列车集合,求其两列车对应的重合停车站,根据重合停车站集合的情况选择迭代步数,剔除显然不利方案,构成换乘方案,根据方案的权值进行比选,得到最优换乘方案。对2种算法均用C#编程实现,并用现有的全路客票数据进行检算。计算结果表明:2种算法均能得到最优换乘方案;列车匹配法所用计算时间比最短路法少160 ms。

联邦滤波器信息分配系数的优选算法

针对Carlson方法的局限性,提出一种联邦滤波器信息分配系数的优选算法,提高局部滤波器的精度和故障检测灵敏度,并证明其并不影响联邦滤波的全局最优性。以双SINS/GPS组合导航系统为实例,通过仿真验证了该方法的正确性和可行性,同时回答了“对‘联邦滤波器理论研究’一文的商榷”所提出的三个问题。

一种新的混沌扩频序列优选算法

混沌序列因其相关性好、对初值敏感、保密性强等特性成为直序码分多址(DS/CDMA)系统中性能较好的一种扩频码。为了提高DS/CDMA系统保密性、降低多址干扰,改进混沌序列的传统优选算法,研究混沌互相关优选,提出一种新的混沌扩频序列互相关优选算法,对所得的优选序列进行性能仿真比较。结果表明,该算法能提供较大的系统容量且抗多址干扰能力强。

加权平均的权重优选算法及其应用

通过分析指标值与目标期望值,提出加权平均优选权重的算法。为解除权重的两个约束条件,引入参数,采用e指数函数定义权重。运用最优梯度下降法使目标的计算值与期望值误差最小来迭代优选权重,建立迭代算法模型。将此算法应用于计算龙凤山水库的流域日平均降水量,改进传统计算方法的不足。经过迭代模型对参数率定与检验的误差分析,总误差及每个样本的误差比泰森多边形法的误差明显减小,说明本文提出的算法与应用是科学合理的,便于推广应用。

混沌扩频序列的优选算法及其系统性能研究

为了获得多址通信中优良的伪随机特性码组,提出了一种混沌序列的优选算法。通过对混沌系统迭代结果的截断和量化处理,根据扩频序列的理想特性和多址干扰指数,给出了优化混沌序列码组的具体步骤,并对传统的Gold序列和多种混沌序列的码组性能作了比较和分析。对DS/CDMA系统性能的仿真结果表明,优选混沌扩频序列的相关性能优于传统的伪随机扩频序列,有利于解决CDMA移动通信中的抗多址干扰及多用户检测等关键问题,从而使混沌扩频系统的抗干扰能力和抗破译能力得到增强。

对“联邦滤波器信息分配系数的优选算法”一文的商榷

介绍了联邦滤波算法和信息分配原理,指出《中国惯性技术学报》第11 卷第6 期“联邦滤波器信息分配系数的优选算法”一文中存在一些问题,说明使用该优选算法进行信息分配,可能使主滤波器方差阵失去正定性;将联邦滤波用于GPS 姿态测量,实验表明动态选择信息分配因子,相对于固定信息分配因子的算法并没有明显优势。

基于ITSI优选算法的星敏感器导航星库建立

为了有效提高星敏感器星图识别性能,基于ITSI导航星优选算法,合理地进行了导航星库的构建。该优选算法是在传统的导航星优选算法基础上进行的改进,通过区域分割和星密集度计算来实现优选导航星。同时,基于SAO星表,本文建立了一个星图仿真器的软件平台,可以按照实际需求输出全天球范围内不同光轴指向、视场角、轨道位置、像元敏感度等约束条件下的观测星图。在此星图的基础上,运用上述导航星优选算法,建立导航星星库。经均匀性评价准则验证,本文提出的导航星优选算法可以更好地实现导航星的均匀分布,降低星冗余度。最终基于此算法建立导航星库,可以有效降低星图匹配复杂性,提高星图匹配速率和识别成功率。

一种改进的混沌扩频序列优选算法

混沌序列因其初值敏感性、复杂性高以及相关性强等特性适合作为扩频序列,但在实际应用中需要根据用户需求对混沌序列进行优选。为得到更多性能良好的混沌扩频序列,提出一种改进的优选算法,以Gold序列的平衡性和相关特性参数作为阈值,在互相关准则中结合对角移动和逻辑运算算法实现扩频序列的优选。基于多用户扩频通信系统的仿真结果表明,该算法相比对角移动算法和逻辑运算算法能够优选出更多混沌扩频序列,且优选出的混沌扩频序列相比Gold序列具有更强的相关性及抗多址干扰能力。

基于多目标决策的绿色机电产品设计方案优选算法

为帮助机电企业在生产经营决策时,选择的产品设计生产方案既能保证拥有合理的利润空间,又符合绿色度要求,提出并运用一种"EW&AHP融合技术"科学地确定指标权重,采用多目标决策方法设计指标体系,建立绿色机电产品设计方案的评价优选算法模型,从经济性、技术性和绿色性等方面,对绿色产品设计方案进行综合评估及优选排序,为相关企业的生产经营提供决策支持。研究结果表明,该算法模型既能够较好地发挥数据本身的作用,又能充分体现作为绿色机电产品的绿色度要求,同时还兼顾了企业经营的盈利目标。

基于神经网络训练样本优选算法的模拟电路软故障诊断

为了解决非线性模拟电路软故障不易诊断的难题 ,根据模拟电路软故障的特点 ,提出了基于σ判据的训练样本优选算法 ,保证训练样本在数量较少的情况下 ,充分包含电路软故障特征。诊断实例证明 ,应用此优选算法对样本进行筛选 ,神经网络的训练速度快 ,对于模拟电路软故障的诊断正确率高。

多方位一初距法解纯方位系统估值问题的优选算法

对纯方位系统估值问题,本文给出了两个优选算法。

一种组网探测资源管控拓扑模型优选算法

针对组网探测资源管控预案设计中管控拓扑模型优选难题,结合社会网络分析和信息论理论,选用图论为主要研究方法,提出了一种基于改进模糊物元的拓扑模型优选量化模型和新算法。根据组网探测资源管控的特点建立了基于团队合弄集成设计环境和图论的拓扑模型,依据指标属性特征,给出指标量化方法和优选算法流程,将信息论和模糊物元相结合,设计了一种改进模糊物元的拓扑模型优选算法,并以某雷达组网系统的体系抗干扰探测资源管控拓扑模型优选为例,验证算法的可操作性和可行性。实例表明,优选算法所得结果与实际相符,也能对拓扑模型动态变化规律进行科学分析,为求解拓扑模型优选问题提供了一种可行和客观的方法。

通用即插即用环境下基于层次分析法的设备优选算法

基于现有的通用即插即用网络环境,提出了一种基于层次分析法的设备优选算法,以满足具有多种设备可供选择情况下的设备优选需求,从而改善用户体验。该算法充分利用通用即插即用环境下自主发现设备/能力、获取设备/能力信息以及订阅设备/能力状态的技术优势,综合考虑了设备的硬件性能、使用状态和用户偏好。仿真结果表明,相对于随机选择算法以及用户自选最优算法,基于层次分析法的设备优选算法能够显著地提高一次服务成功率以及用户偏好符合度,从而明显地提高了用户满意度,增强了服务体验。

限失真度下形状编码轮廓顶点的优选算法

基于对象的视频压缩编码中,对图像中任意形状物体的形状信息能提供一种较为有效的编码方法一直是个至关重要的问题.以率失真理论为基础,提出了一种针对视频帧内的复杂形状图像,在一定失真度控制下的形状编码优化算法.其核心思想是:基于整幅灰度图像的边缘检测,对不同对象区域及整图的轮廓建立“图”的数据结构,分段轮廓形状逼近,从而为限定失真度下使形状编码的比特率最小提供了保证.

相位比值法干涉仪测向优选算法

探讨了一种基于干涉仪相位比值的快速测向算法,仿真发现该算法不同基线的误差特性存在翻转现象,因此如果总是用长基线测向结果作为输出,无法得到最优结果。于是导出了该算法的理论误差函数并对其进行深入研究,根据误差函数的特性,实现了一种优选算法,能够适应各种基线组合并自动选择出最优测向基线,使得采用该算法的系统性能达到全局最优。

基于变异系数优选算法的精细导星星库构建

精细导星星库是支撑未来大口径空间望远镜观测的必要组成部分,是用来确定空间望远镜视轴绝对指向的关键依据。导星星库的容量和星库的均匀性对于实现精细导星功能和性能指标都极为重要。为了有效提高星图识别性能,提出基于变异系数的优选筛星算法进行导星筛选并构建星库。经过仿真和均匀性评价准则验证,基于变异系数优选算法构建的精细导星星库分布均匀性好,能降低冗余度,有效提高识别概率。

网络信息资源重组发布的优选算法

本文针对网络信息资源重组问题进行分析,建立简化信息资源重组的二叉树模型,通过该模型中叶结点覆盖集的研究对优选方案进行探讨,得出网络信息发布的优选求解算法。根据各类信息承载资源的不同要求,该优选算法可对网络信息资源自适应地进行提炼,在发布过程中尽量减少信息失真程度,实现对网络信息资源的优选发布。

基于多因素模型的综合智慧能源评估指标体系优选算法

构建以新能源为主体的新型电力系统,为电力行业转型发展指明了方向,也为推进能源革命、推进生态文明建设提出了具体要求,将成为落实双碳目标的重要支撑。互联网技术、信息产业的突破和发展,为综合智慧能源这一新技术、新模式、新业态的发展创造了机遇,极大地推动了"源-网-荷-储"一体化项目的落地和综合智慧能源产业的发展。有必要制定综合智慧能源评估指标体系,对项目的投资决策提供依据,以推动综合智慧能源项目的推广复制。通过基于资源条件、技术方案、智慧化水平、商业价值、社会效益等因素的优选算法,建立涵盖53项指标的评估模型。通过该评估指标体系对项目的优劣进行综合评估,有效验证了模型的合理性和算法的准确性,能够为新建、扩建、改建的综合智慧能源项目的建设提供参考依据。指标体系和优选模型能够有效引导行业健康发展,探索有利于市场发展的技术路线、商业模式,弥补综合智慧能源项目普遍存在的问题,积极引导示范项目复制推广,推动构建以新能源为主体的新型电力系统。