全局扰动和互利因子作用的飞蛾扑火优化算法

为解决飞蛾扑火优化(moth-flame optimization, MFO)算法收敛速度慢、容易陷入局部最优等问题,提出一种飞蛾扑火优化(DBMFO)算法。使用Bernoulli混沌映射,提高初始种群的多样性;引入全局扰动因子,提高算法的全局搜索能力;使用互利因子对全局扰动后的位置再次进行更新,避免新的算法陷入局部最优,使得算法更快收敛。通过对10个基准函数进行仿真实验,确定迭代系数的取值,通过Wilcoxon秩和检验来验证算法性能,其结果表明,改进的DBMFO算法在求解的精确度以及收敛速度上均有明显提升。

非自治时滞微分方程的扰动全局吸引性

考虑具有扰动项的非自治时滞微分方程ｘ（ｔ）＝－ａ（ｔ）ｘ（ｔ－τ）＋Ｆ（ｔ，ｘｔ），ｔ≥０（）其中Ｆ：［０，∞）×Ｃ［－δ，０］→Ｒ且连续，Ｃ［－δ，０］表示将［－δ，０］映射到Ｒ的所有连续函数集合·Ｆ（ｔ，０）≡０，ａ（ｔ）∈Ｃ（（０，∞），（０，∞）），τ≥０·通常文献对ａ（ｔ）不依赖于ｔ即ａ（ｔ）为自治情形，研究了方程（）零解的局部或全局渐近性质［１～５，７］·本文对ａ（ｔ）为非自治即依赖于ｔ之情形，获得了方程（）零解全局吸引的充分条件，所得结论在某种意义上说是不可改进的·本文改进和推广了已有文献的相应结果，同时本文采用的方法可应用到非自治非线性扰动方程·

无锚框模型类梯度全局对抗样本生成

在计算机视觉任务中深度神经网络模型易受对抗样本的干扰,泛化性能高的对抗样本会影响更多的模型。为了研究深度神经网络模型的脆弱性进而改善该现状,提出一种基于类梯度的全局对抗样本生成方法。以图像中的目标类为单位快速进行类梯度收集,通过一次性融合同一类别内所有目标的梯度来体现类内相似性与类间差异性。在此基础上,结合数据集中一定比例的图像及对应的图片尺度扰动生成全局扰动。通过上述过程突破模型候选框及图片数量的制约,生成的全局扰动可以对大量数据形成有效的影响。实验结果表明,该方法在Pascal VOC和MS-COCO-keypoints数据集的2种计算机视觉任务中性能均优于PGD、FPE等算法,其攻击成功率比DAG算法高1个百分点,比FPE算法高34个百分点,同时推断扰动速度较快。全局扰动的存在揭示了深度神经网络模型在高维决策边界之间存在一定的几何相关性,利用所提方法有助于深度神经网络抵抗泛化性能更高的全局对抗样本。

基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题

提出了一种基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题.该算法在布谷鸟搜索算法原理的基础上,构造了旅行商问题的路径求解策略.由于算法的局限性,随着算法的调整和迭代次数的增加,容易破坏已形成的路径,从而使得算法通用性不强.针对这一局限性,本文提出了一种自适应局部调整算子和全局随机扰动策略.采用简单的2-opt算子作为局部优化算子加快算法收敛速度,引入模拟退火机制防止算法陷入局部最优.采用标准TSPLIB多组数据进行测试,并与有代表性的优化算法进行结果比较.实验结果证明了该算法在精度和稳定性方面的优势.

求解TSP问题的自适应离散型布谷鸟算法

对于求解的TSP问题,提出了一种自适应离散型布谷鸟算法(Adaptive Discrete Cuckoo Search,ADCS)。在基于布谷鸟搜索算法(Cuckoo Search,CS)的搜索原理下构造TSP问题的路径求解策略。针对离散型算法整体调整容易破坏已形成的较优路径和随着算法迭代数目增加导致种群多样性下降这两个缺陷,设计了一种针对路径的自适应型局部调整算子和全局随机扰动策略,采用了简单的2-opt优化算子作为局部优化算子以加快算法的收敛速度。最后采用多组不同规模的标准TSPLIB数据与其他的优化算法进行对比实验,结果表明ADCS算法在求解精度和稳定性方面具有优势。

一种简化的混合粒子群算法

针对粒子群算法收敛速率慢,多样性差的缺陷,文中提出了一种简化的混合粒子群算法。首先利用简化的粒子群算法和细菌群体趋药性算法共同优化粒子的个体最优位置,同时采用精英保留策略以保存粒子的最优位置,算法后期再添加全局扰动算子使得粒子跳出局部最优。经典测试函数的实验结果表明,与其他粒子群优化算法相比,此算法在寻找优化解的质量、收敛速度及鲁棒性等方面具有优异的性能。

汽车引擎盖焊接路径的自适应混沌蚁群规划方法

为了实现汽车引擎盖焊接路径最优规划,提出了自适应混沌蚁群算法的焊接路径规划方法。建立了焊接机械臂运动学模型和引擎盖焊点路径优化模型;分析了蚁群系统算法原理,对局部信息素更新和全局信息素更新方法进行了改进;在局部信息素更新方面,以蚂蚁聚集度为路径多样性度量依据,提出了局部信息素随蚂蚁聚度自适应更新方法;在全局信息素更新方面,鉴于混沌系统的随机性和遍历性,提出了全局信息素混沌扰动更新方法,用于增加信息素分布的多样性和随机性;基于以上两点改进,提出了自适应混沌蚁群算法。经验证,全局信息素更新方法和局部信息素更新方法均能够提高算法性能,两者叠加可以更大程度改善算法性能;将自适应混沌蚁群算法应用于引擎盖焊接路径规划,得到了最短焊接路径,长度为6.2m。

太阳能功率优化器中几种MPPT算法的研究

利用最大功率追踪技术（MPPT）来提高太阳能电池板的发电量，是太阳能发电领域的重要研究课题。文中结合实际项目开发，介绍了几种MPPT算法，并在实际太阳能功率优化器上进行了应用。

基于VI-MFO的智慧乡村平台智能培养系统研究

为了提高智慧乡村平台智能培养系统信息传输的效率,提出一种基于VI–MFO算法的信息传输网络节点部署优化方法。研究首先从通信网络的全连通、通信能耗两个方面,建立网络节点最优部署的多目标评价模型。之后针对模型求解,提出一种改进的MFO算法,一方面通过引入全局扰动因子和互利因子,解决算法后期全局搜索能力下降且易陷入局部最优的问题;另一方面使用三维维诺图对网络节点的空间分布进行划分,将维诺图中各节点的权重引入改进MFO算法,设计了一种基于三维维诺图的引导式搜索算法,解决传统智能算法种群生成随机与搜索过程中无序的问题。结果表明,相较于原始MFO算法、SSA算法和BOA算法等经典群智能优化算法,改进MFO算法的性能得到了显著提高,在5个测试函数上的收敛结果都是最佳,寻优精度和寻优稳定性优越。基于VI-MFO算法对智慧乡村平台智能培养系统通信网络节点部署的仿真结果表明,相较于未结合三维维诺图的改进MFO算法,VI-MFO算法在实现通信节点的全连通的基础上,能耗成本得到了降低,求解耗时减少了3.04 s,证明了所提改进方法的有效性。

工业微生物遗传和环境扰动的调控和适应进化

开发工业微生物,使其利用可再生的原料生产生物燃料、大宗化学品、食品添加剂和营养品、药物以及工业酶等,是发展生物产业的基础。工业微生物高产和胁迫抗性等鲁棒性状受复杂遗传调控网络控制,其改造需要从全基因组尺度进行系统的全局的多位点的扰动,以达到快速积累多样性基因型突变并产生所期望的表型。文中对工业微生物鲁棒性状的遗传调控与胁迫响应机制、基因组全局扰动与多位点快速进化以及细胞水平氧还平衡的全局扰动进行了简要综述,未来需要继续借助系统生物学和合成生物学手段,进一步加强对工业环境下工业微生物鲁棒性状调控机理的解析与建模预测以及系统的工程改造。

面向目标检测的对抗样本综述

目标检测是一种广泛应用于工业控制和航空航天等安全攸关场景的重要技术。随着深度学习在目标检测领域的应用,检测精度得到较大提升,但由于深度学习固有的脆弱性,使得基于深度学习的目标检测技术的可靠性和安全性面临新的挑战。本文对面向目标检测的对抗样本生成及防御的研究分析和总结,致力于为增强目标检测模型的鲁棒性和提出更好的防御策略提供思路。首先,介绍对抗样本的概念、产生原因以及目标检测领域对抗样本生成常用的评价指标和数据集。然后,根据对抗样本生成的扰动范围将攻击分为全局扰动攻击和局部扰动攻击,并在此分类基础上,分别从攻击的目标检测器类型、损失函数设计等方面对目标检测的对抗样本生成方法进行分析和总结,通过实验对比了几种典型目标检测对抗攻击方法的性能,同时比较了这几种方法的跨模型迁移攻击能力。此外,本文对目前目标检测领域常用的对抗防御策略进行了分析和归纳。最后,总结了目标检测领域对抗样本的生成及防御面临的挑战,并对未来发展方向做出展望。