加入动态搜索模型的蚁群算法及其应用

用传统蚁群算法求解复杂条件下的路径规划问题时易出现局部最优、收敛速度慢等问题。提出利用栅格法建立地图模型,加入动态搜索模型对蚁群算法进行优化,包括根据不同的初始、终止位置对路径选择进行限制;对死锁法要删除的栅格进行优化;在信息素浓度更新过程中,设置动态阀值,对要增加信息素浓度但长度低于阀值的路径进行“惩罚”,设置信息素浓度下限。通过对路径规划与TSP问题等实例的仿真,改进蚁群算法在避免局部最优、加快收敛速度方面均优于对比算法,验证了改进算法在提高收敛效率、缩短计算时间等方面具有优越性。

基于分数基音延迟动态搜索的语音隐写算法

论文提出了一种基于分数基音延迟动态搜索的语音隐写算法.该算法可根据隐藏容量(x比特/子帧)的需要将分数基音延迟候选值集合划分为2x个子集,每个子集代表不同的x比特信息.在闭环基音搜索过程中,可为每个子帧选择既能表示待嵌入隐秘信息且内插后的归一化相关系数最大的分数基音延迟候选值,从而有效降低隐写操作对于原始载体的影响.以目前IP语音系统中广泛使用的自适应多速率语音编码为例,对该算法从隐藏容量、不可感知性及抗检测性三方面进行了性能评估并与相关工作进行了对比分析.实验结果表明,本文提出的隐写算法较之现有基于基音延迟的隐写算法可在确保较高隐写容量的同时达到更好隐写安全性(即更好抗检测能力和不可感知性).

基于动态搜索线性混合整数法的机组组合新算法

针对常用机组组合算法计算量过大的问题,提出了一种基于动态搜索的线性混合整数规划法,该方法在基于分支的线性混合整数规划法的计算框架中引入了动态搜索的概念,采用单独考察与时间相关的约束和功率约束等措施来减少进入分支阶段的数量,在实际运用中,可针对不同规模的系统通过调节计算参数灵活地控制计算时间和计算精度。算例分析结果表明,该方法快速、有效,适合求解大规模电力系统安全约束机组组合问题。

基于自适应动态搜索粒子群的SVM参数优化研究

针对小麦加工HACCP(Hazard Analysis and Critical Control Point)关键控制点的选择问题,采用一种基于支持向量机模型来实现关键控制点智能发现的方法。为了提高小麦加工关键控制点发现试验的识别稳定性和精确性,提出一种自适应动态搜索粒子群算法优化SVM模型的核函数参数方法,该算法引入进化因子和进化阈值估计进化状态,动态调整搜索策略。当进化因子大于进化阈值时,采用基本粒子群搜索策略;反之,采用反向搜索策略,以扩大种群的多样性。算法基于进化因子为速度定义了速度惯性参数。仿真结果表明,基于ADS-PSO的SVM模型能够很好的实现关键控制点的智能发现,并取得了较高的识别率和稳定性。

动态搜索调节调制波偏置的SPWM三电平逆变器中点电压平衡控制方法

为解决三电平逆变器中点电压不平衡问题,提出了一种动态搜索调节调置波偏置量(DSMO)的正弦脉宽调制(SPWM)方法。该方法通过采样中点电压,根据调制比、输出电流的幅值、输出功率因数角在线计算出调制波偏置调节系数的限值范围,搜索到最优的调节系数,实现动态调节调制波的偏置量,达到不同负载条件下的中点电压平衡控制的目的。与变载波幅值的方法相比,所提方法的动态调节速度快、稳态误差小,输出波形质量得到提高。仿真验证了理论分析的正确性,最后在基于DSP-CPLD的二极管中点箝位型三电平逆变器实验平台上验证了该方法的可行性和有效性。

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索。通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性。与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解。

用动态搜索算法求解时间依赖型旅行商问题

为解决基于时段的时间依赖型旅行商问题(time-dependent traveling salesman problem,TDTSP),提出处理跨时段的方法,并建立了相应的数学模型.用动态搜索算法ds-k-opt(k=2,2.5,3)分别求解该问题.仿真算例表明,动态搜索算法中部分ds-2.5-opt解和绝大部分ds-3-opt解优于动态规划启发式算法,且能求解更大规模的TDTSP问题.动态搜索算法的解随k的增大而更优,但运算时间也更长.

改进吸引度的动态搜索萤火虫算法

萤火虫算法在解决高维优化问题时存在吸引度降低导致算法陷入局部最优、迭代后期寻优精度低的缺点.针对此问题,文中提出改进吸引度的动态搜索萤火虫算法.引入最小吸引度的概念以加强个体间信息的交流,同时采用动态搜索的思想,根据目标函数最优值信息自适应调整步长.在CEC2014中10个典型测试函数上的测试结果表明,文中算法具有较快的收敛速度和较高的寻优精度.

动态搜索和协同进化的鲸鱼优化算法

针对基本鲸鱼优化算法寻优精度低、收敛速度慢及容易陷入局部最优等缺陷,提出了一种动态搜索和协同进化的鲸鱼优化算法。首先,通过等价替换和Faure序列提高初始解的质量;其次,通过对种群进行分工,提高种群多样性并增强算法跳出局部最优解的能力;最后,根据种群进化信息动态调整搜索策略,从而提高算法的收敛速度和寻优精度。仿真实验结果表明,提出的改进算法相比基本鲸鱼优化算法和部分改进算法具有较好的寻优性能。

微机动态搜索法测算共聚合反应的竞聚率

共聚合反应的竞聚率是共聚合反应中最重要的参数之一,测算方法甚多。为使测算结果更加精确,作者提出了“微机动态搜索法”。本文介绍了采用该法测算共聚物反应竞聚率的步骤、程序和应用实例。

基于平衡二叉树的动态搜索圆等值线模型算法

提高计算速度是数字等值线模型算法所面临的主要问题。传统的算法中,当采样点数量大时,对于一插值计算点,参加计算的采样点的确定非常费时。利用平衡二叉树对传统的数字等值线模型算法进行改进,设计了一种新的算法,给出了改进算法的形式化描述,根据新算法编制了相应的程序,并进行了实际应用。结果表明,其新的算法对提高建立数字等值线模型的计算速度效果显著,并随计算点数目的增加效果更加显著。

支持动态搜索区域的运动估计硬件结构设计与优化

提出一种支持动态搜索区域的可变块大小运动估计硬件结构,弥补固定大小搜索区域的不足,可同时降低外存带宽、计算复杂度和功耗.使用循环分布式存储结构来支持动态搜索区域的数据存取.此外,对耗时的SAD(sum of absolute differences)计算阵列进行均衡的流水线划分和加法逻辑优化.实现结果表明,相比同类设计,该设计以少量的吞吐率损失,换取面积效率和功耗效率的明显提高.

具有学习因子的动态搜索烟花算法

采用核心烟花动态爆炸半径策略的动态搜索烟花算法(dynamic search fireworks algorithm,dyn FWA)已被证明是解决优化问题的一个重要算法。然而,dyn FWA的寻优精度低且容易过早地陷入局部最优解。为了改善上述的缺陷,通过嵌入一种利用历史成功信息生成两种不同的学习因子来改进传统的动态搜索烟花算法,称为改进的动态搜索烟花算法(improved dyn FWA,Idyn FWA)。算法中的学习因子充分利用搜索过程中每一代最好的烟花个体信息,使得烟花具有向群体的优良搜索信息学习的能力,并且它的两种不同产生方式有助于平衡算法的局部搜索和全局搜索能力。改进后的算法在CEC2013的28个Benchmark函数上进行测试,实验结果表明Idyn FWA的寻优效果明显优于dyn FWA,并且比粒子群算法SPSO2011和差分演化算法DE/randto-best/1能达到更好的寻优性能。

警犬流动人群动态搜索工作法在轨道交通区域的应用探索

一、研究的背景、目的和意义 近年来,轨道交通路网客流持续攀升,日均客流量屡破千万,轨道交通区域作为人员密集场所,其公共安全面临着极大的挑战。警犬搜爆作为一项重要的反恐防爆技术手段,在轨道公共安全体系中起到了不可替代的作用。但是,随着反恐维稳形势的日趋严峻复杂,单一的警犬搜爆手段已无法满足现有的公共安全防范的需求。为了进一步加强警犬技术在轨道公共安全中的应用,结合公安工作实际,我们探索创新了“警犬流动人群动态搜索工作法”（以下简称新型工作法）。

人工神经网络与动态搜索的机组组合算法

为了使机组达到最优组合,减少运行成本,研究了基于修正BP人工神经网络与动态搜索的快速算法在机组组合中的运用.采用修正Levenberg-Marquardt算法训练BP神经网络,并针对该算法占用内存大的缺点,提出了减少内存占用量的修正.由此,根据负荷预测曲线,应用修正BP人工神经网络产生机组的预开停计划,在此基础之上,针对预计划中某些机组状态不确定的阶段,应用动态规划法进行全局调整以确定机组的状态组合.实验数据表明,所提出的算法与传统的动态规划算法相比,可以在有效地减少时间与内存的占用量的前提下,有效地避免动态规划法中的维数灾的问题.

自适应的动态搜索范围运动估计算法

为更加有效地提高运动估计速度,提出一种自适应动态搜索范围运动估计算法,从后续快速运动估计算法的运动矢量预测集中自适应地选择与当前编码块相关性最强的运动矢量预测值作为搜索范围的中心点,根据预测集中运动矢量预测值的大小、方向自适应地决定水平、垂直及正负方向的非对称搜索范围。将该算法融合到UMHexagonS和FFS算法中进行广泛的实验测试,结果表明其能在基本保持重建图像质量的同时,至少分别减少运动估计运算量的22.13%和76.57%。

基于混沌动态搜索的数字图像加密算法

利用了混沌系统的伪随机性和遍历性,提出了一种新的两个一维混沌映射的动态查找表的数字图像加密算法。该算法在加密过程中,一个混沌映射作为干扰源,克服了单个一维混沌系统周期短、精度低的缺点。同时引入了反馈,动态的改变查找表,克服了静态查询密文分布不均匀缺点。理论分析与实验结果表明,该算法的安全性明显增强,加密速度也有所提高且对已有的攻击方法有了更强的抵抗能力。

基于优化粒计算下微粒子动态搜索的K-medoids聚类算法

K-medoids算法具有对初始聚类中心敏感,聚类准确度不高及时间复杂度大的缺点。基于此,文中提出一种优化的K-medoids算法;该算法在已有的粒计算初始化基础上进行了改进,以对象之间的相似性作为判断依据,结合最大最小法初始化聚类中心,能有效地获取最佳或近似最佳的聚类中心;在优化的粒计算前提下,提出了基于微粒子动态搜索策略,以初始中心点作为基点,粒子内所有对象到其中心的平均距离为半径,形成一个微粒子;在微粒子内部,采用离中心点先近后远的原则进行搜索,能有效地缩小搜索范围,提高聚类准确率。实验结果表明:在UCI多个标准数据集中测试,且与其他改进的K-medoids算法比较分析,该算法在有效缩短收敛时间的同时保证了算法聚类准确率。

基于动态搜索轨迹的混合遗传算法设计及实现

遗传算法是应用比较广泛的一种随机优化算法,针对其在全局优化问题中容易出现早熟和收敛速度慢,不利于在实时控制中应用的问题,提出了一种基于DST的混合遗传算法,该算法利用遗传算法的全局搜索能力,同时采用DST算法来提高收敛速度及预防早熟.将该混合遗传算法应用于求解复杂多峰函数的优化问题,通过与简单遗传算法的比较,可发现该方法明显地提高了搜索效率和成功率,从而验证了该算法的有效性.

基于XSLT的动态搜索技术研究与实现

利用Ajax实现动态搜索的传统做法是在客户端使用Javascript代码遍历XML节点来创建结果表格。由于需要遍历全部数据,使得表格的修改变得非常复杂,维护性也差,同时也影响了网络性能。本文提出利用XSLT将XML文档转换成格式化过的HTML代码的方法,避免了使用JavaScipt动态遍历XML节点导致创建一个大字符串所引发的问题,并给出了相应的实现步骤。