一种改进的求解RACP问题的路径重连方法研究

讨论了在规定时间内以最小资源代价完成一项工程调度的问题(RACP),这是一个NP-Hard问题。现有文献针对RACP问题的研究较少,并且主要的求解方法是将RACP问题转化为若干个资源受限下的项目调度问题(RCPSP)。采用活动列表AL(Activity List)编码方案,引入路径重连方法直接对RACP问题进行优化;并针对路径重连的参考级更新过程进行改进。最后,基于PSPLIB测试用例库设计了算例,并与遗传算法进行了结果比较。实验结果表明基于改进的路径重连算法能够非常有效的求解RACP问题,且运行效果明显优于遗传算法。

数值积分过程中截断误差和舍入误差的分离方法及其效果检验

本文讨论数值积分过程中截断误差和舍入误差的分离方法和理论,解析地给出某些数值计算方法的理论截断误差,并以此来分离计算结果中的误差。然后引入参考解的办法,用来分离更为一般的微分方程求解过程中的截断误差和舍入误差。以参考解算法为基础,对一个偏微分方程的数值解进行计算,所得结果与采用理论截断误差得到的结果进行了对比,发现:(1)当使用迎风差和中央差格式时,理论截断误差和近似截断误差在数值上高度一致,说明了参考解方法的正确性;(2)对于一阶的波动方程,迎风差和中央差格式的理论截断误差在形式上也具有波动的周期特征,振幅的大小与计算参数有关;(3)理论截断误差可以适用于任意t时刻,而近似截断误差的适用时间范围为一个有限的时间段,不过它可以很容易的获取一般微分方程的截断误差,而不需要复杂的理论推导。

基于RLS的用于贴片机贴装顺序优化的禁忌搜索算法

对元器件的拾取与贴装顺序进行优化是提高电子组装生产线上贴片机贴装效率的主要方法.在给定喂料器位置的前提下,寻求好的元器件拾取与贴装顺序,可以缩短贴装路径,提高贴装效率.为此,文中建立了数学规划模型,提出了一种基于参考解局部搜索(RLS)的改进禁忌搜索算法.在算法中,采用了双禁忌表来避免迂回搜索,设计了基于取贴循环插入移动的参考解局部搜索策略以提高算法跳出局部最优的能力.对20个印刷电路板贴装数据的仿真实验表明,文中所提算法的求解效果优于现有方法.

基于r-BBMOPSO算法的微电网优化运行方法

针对微电网运行的多目标优化问题,提出了一种基于参考解支配的改进骨干多目标粒子群优化(r-dominated barebones multiple objective particle swarm optimization,r-BBMOPSO)算法。该算法将参考解支配法和骨干粒子群优化算法应用于多目标求解问题,以加权欧式距离为判据,在参考解周围一定范围内搜寻可行解集。建立了以微电网发电成本最低、储能寿命损耗指标最低以及污染物综合排放指标最低的多目标优化运行模型,并基于某微电网算例进行仿真,结果表明r-BBMOPSO算法能够有效实现微电网运行各目标之间的协调优化,实现微电网运行的综合效益最大化。

一个令人遗憾的错误

四川省2004年高考适应性考试理科综合能力测试卷最后一题及其参考解出现错误。现将原文转述如下：

Scaling Factor Optimization of Turbo-Polar Iterative Decoding

In this paper, we investigate the weighted iterative decoding to improve the performance of turbo-polar code. First of all, a minimum weighted mean square error criterion is proposed to optimize the scaling factors(SFs). Secondly, for two typical iterative algorithms,such as soft cancellation(SCAN) and belief propagation(BP) decoding, genie-aided decoders are proposed as the ideal reference of the practical decoding. Guided by this optimization framework, the optimal SFs of SCAN or BP decoders are obtained. The bit error rate performance of turbo-polar code with the optimal SFs can achieve 0.3 dB or 0.7 dB performance gains over the standard SCAN or BP decoding respectively.