技术转移的引力中心论

科学技术对经济和社会发展所起的作用,一方面决定于技术发明的水平和数量,另一方面决定于扩散的范围和转移的速度。如果创造发明长期滞留在发源地,未能推广应用。

质心是引力中心吗?

在很多的教学参考用书和学习指导用书中经常出现这样的题目：一个质量为M的均匀球，半径为R，在距球心2R处有一质量为m的质点P，已知球对P的引力为F，若在球中挖去一个半径为1/2R的小球(如图)，则剩余部分对P的引力F多大?

中心引力算法收敛分析及在神经网络中的应用

中心引力优化算法(central force optimization,简称CFO)是一种新型的基于天体动力学的多维搜索优化算法.该算法是一种确定性的优化算法,利用一组质子在万有引力作用下的运动,搜索目标函数在决策空间上的最优值.利用天体力学理论对该算法中质子运动方程进行了深入的研究,并利用天体力学中万有引力定理对质子运动方程进行了推导,建立起天体力学与CFO算法之间的联系,通过天体力学中数学分析的方法对该算法中质子收敛性能进行了分析,最后,通过严格的数学推导证明出:无论初始时质子是何种分布,CFO算法中所有的质子始终都会收敛于CFO空间的确定最优解.作为测试效果,将CFO算法与常见的BP训练算法相结合,提出了CFO-BP训练算法,优化前馈型人工神经网络的权值和结构.实验结果表明,采用CFO-BP算法优化神经网络比其他常见优化算法有更好的收敛精度和收敛速度.

求解约束优化问题的中心引力优化算法及其工程应用

为了平衡算法的全局探测能力和局部搜索能力,提出一种基于交叉与变异的中心引力优化算法用于求解约束优化问题。该算法首先利用佳点集方法构造初始种群以保证粒子的多样性。以一定概率随机选择粒子与当前最优粒子进行算术交叉操作,引导粒子向全局最优解靠拢。对当前最优粒子进行多样性变异以避免算法陷入局部最优。标准测试函数和工程优化应用问题的实验结果表明,新算法能有效求解不同的约束优化问题。

自适应中心引力优化算法

针对函数全局优化问题,提出了一种自适应中心引力算法,以平衡全局探测能力和局部搜索能力。首先定义粒子的适应值函数,然后根据与平均适应值的比较,更新粒子运动时间,并引进交叉操作更新当前粒子位置,从而提高算法的收敛速度。最后选择8个典型测试函数进行测试,并与中心引力优化算法和其他粒子群优化算法进行比较。结果表明,该算法得到的结果十分精确,鲁棒性强,优于其他算法。

基于中心引力算法的箱型梁面几何尺寸参数优化

针对起重机箱型截面梁截面尺寸多变量有约束的优化设计问题,提出采用中心引力现代优化设计算法来优化设计主梁截面。首先根据起重机主梁的箱型截面几何参数以及主梁受力特点,以应力、扰度和工艺等约束条件建立主梁质量最轻的目标优化函数。采用罚函数法将有约束优化转化为无约束优化,并依据类天体运动的中心引力算法对箱型梁截面进行优化。仿真结果表明,该算法能够在整个可行解空间进行寻优,有效避免陷入局部最优解。优化后的主梁质量比传统设计方法减轻14.5%左右。

基于虚拟中心引力场方法的航天器转移轨道设计

空间机动技术是实现空间操作任务的基础,具有重要的研究价值.研究了连续推力作用下航天器转移轨道设计问题,提出了一种基于虚拟中心引力场的轨道设计方法.该方法有两大特点:(1)能够将机动轨道设计问题转化为虚拟中心引力场参数的优化问题,简化了设计过程;(2)对轨道形状或推力方向、大小不做任何假定,能够应用于一般情况下的机动轨道设计.将该方法应用于航天器二维和三维的转移轨道设计,并和形状方法进行了对比分析.仿真结果分析表明,采用该方法简化了轨道设计过程,为航天器快速轨道设计提供了新思路.

一种基于单纯形法的改进中心引力优化算法

针对中心引力算法无法在演化速度和求解质量之间做到有效均衡,提出一种基于单纯形法的改进中心引力算法.该算法通过周期性地把单纯形算子得到的最优个体迁移到中心引力算法的探测器种群中,达到中心引力算法和单纯形法（SM）的协同搜索：单纯形法借助中心引力算法跳出局部最优点,中心引力算法依靠单纯形法提高局部搜索能力.为了强化两种算法的作用,将改进的单纯形法应用到算法设计中,对算法的参数进行灵敏度分析,为中心引力算法的参数设置提供建议.通过6个典型的2～40维测试函数对算法进行测试,数值试验结果表明：新算法有效地克服了停滞现象,增强了全局搜索能力,与对比算法相比性能更佳.

中心引力优化CFO算法研究

中心引力优化算法(Central Force Optimization,CFO)是一种新型的基于天体动力学的多维搜索优化算法.该算法是一种确定性的优化算法,利用一组质子在万有引力作用下的运动,搜索决定空间的最优值,而这组质子按照两个来源于天体力学的迭代方程在空间移动.本文利用天体力学理论对该算法中质子运动方程做了深入的研究,并利用天体力学中万有引力定理对质子运动方程做了推导,建立起天体力学与CFO算法之间的联系,通过天体力学中数学分析的方法对该算法中质子收敛性能进行了分析,最后通过严格的数学推导证明出无论初始时质子是何种分布,CFO算法中所有的质子始终都会收敛于CFO空间的确定最优解.本文结论为了进一步深入研究该算法提供了理论基础.

二进制中心引力优化算法及其在非线性0-1规划中的应用

为求解非线性0-1规划问题,提出了一种二进制中心引力优化算法。根据引力计算加速度,利用加速度更新位置,采用转换函数实现连续的位置变量到离散的0-1变量的变换。采用典型的非线性0-1规划测试问题进行数值实验,并将算法与二进制粒子群优化算法和二进制引力搜索算法进行比较。实验结果表明,在解的稳定性和计算精度两个方面给出的算法具有显著优势,为非线性0-1规划问题的求解提供了新方法。

置换流水车间调度问题的中心引力优化算法求解

目前求解置换流水车间调度问题的智能优化算法都是随机型优化方法,存在的一个问题是解的稳定性较差。针对该问题,本文给出一种确定型智能优化算法——中心引力优化算法的求解方法。为处理基本中心引力优化算法对初始解选择要求高的问题,利用低偏差序列生成初始解,提高初始解质量;利用加速度和位置迭代方程更新解的状态;利用两位置交换排序法进行局部搜索,提高算法的优化性能。采用置换流水车间调度问题标准测试算例进行数值实验,并和基本中心引力优化算法、NEH启发式算法、微粒群优化算法和萤火虫算法进行比较。结果表明该算法不仅具有更好的解的稳定性,而且具有更高的计算精度,为置换流水车间调度问题的求解提供了一种可行有效的方法。

改进型中心引力优化CFO算法研究

中心引力优化算法(Central Force Optimization)是一种新型的基于天体力学的多维搜索优化算法.这是一种确定性的优化算法,该算法利用一组"质子"在引力作用下的运动,搜索决策空间最优值.但该算法仍然有局部收敛的特点.本文对该算法中质子运动方程做了分析研究,利用天体力学中的摄动理论对算法进行了改进,给出了改进后的新的CFO算法的迭代公式,并且对新的公式进行了分析.最后实验结果表明针对CFO算法的摄动改进可以使得搜索质子跳过CFO空间中的局部解,使得算法收敛精度和速度都有了不同程度的提高.

基于均匀设计的中心引力优化算法

中心引力优化(Central Force Optimization,CFO)算法是一种新型多维搜索确定型启发式优化算法,但由于它的初始探测器(Probe)计算复杂而导致CFO算法运行时间过长。针对初始探测器计算复杂问题,提出一种均匀设计方法,依此方法提出了基于均匀设计的CFO算法。将提出的CFO算法应用到典型测试函数中,并与CFO算法进行比较。数值结果表明,该算法保证寻优能力同时减少了CFO算法的运行时间,从而提高了CFO算法的效率。

“重心”、“质心”与“引力中心”的区别与联系

重心与质心是容易混淆的基本概念，通过概念之内涵和外延的比较、拓展及实例分析，可较为透彻地理解概念及其易错之处。

动态分级中心引力约束优化算法及工程应用

结合非固定多段罚函数处理约束条件,提出一种动态分级中心引力优化算法用于求解约束优化问题。该算法利用佳点集初始化个体以保证种群的多样性。在每次迭代过程中将种群分为两个子种群,分别用于全局搜索和局部搜索,根据搜索阶段动态调整子种群个体数目。对几个标准的测试问题和工程优化问题进行数值实验,结果表明该算法能处理不同的约束优化问题。

质心、引力作用中心与感应电荷中心

类比质心和引力作用中心,引入感应电荷中心和静电引力作用中心概念.导出点电荷与导体球问题的感应电荷中心在象电荷位置处,阐明感应电荷中心的重要物理意义.

基于混合中心引力算法求解一类非线性双层规划问题

针对下层问题是一个关于下层变量的线性规划,而上层目标是任意函数的一类非线性双层规划问题,提出一种基于Nelder-M ead单纯形法的混合中心引力算法来求解此类问题.利用线性规划的性质处理下层问题,设计了一种混合中心引力算法.所提出的算法运用均匀设计方法产生初始种群.为了增强算法的局部搜索能力和加快收敛速度,将当前种群分成两个子种群,Nelder-Mead单纯形法更新精英粒子构成的子群,而中心引力算法更新普通粒子构成的子群,再将新产生的两个新子群重组.实验研究表明,本文提出的算法不仅能有效求解此类非线性双层规划问题,而且还可以获得高质量的全局最优解.此外,实验结果也表明本文提出的算法是稳定的,且实验结果优于相比较的算法结果.

中心引力优化算法

中心引力最优化是一种以物理运动学理论为基础的新的确定性群体搜索优化算法。在重力场中,物体的移动是由物体间的受力和加速度来制定,并把这种物体间的作用运用于粒子运动中。在中心引力优化算法中,通过加速度的更新来实现目标函数适应值的更新。基于这种思想,给出一种改进中心引力优化算法,并用几个典型的例子对算法进行了验证,结果表明算法是有效的。

基于差分进化算子变异的中心引力优化算法

针对中心引力优化算法易陷入局部最优这一不足,加强算法的全局寻优能力,提出一种改进的中心引力优化算法,根据差分算法本身的固有特性,通过引入差分进化算子对当前粒子位置的分量进行变异,促使算法摆脱局部最优,增强算法的全局收敛性.最后选取5个经典函数对算法进行测试,并与其他算法进行比较分析,结果证明算法的精度得到了明显提高,从而验证了该算法的有效性和可行性.

产业空间集聚中心引力指数算法的设计及应用——基于长三角一体化视角的企业微观数据验证

为了在测度产业集聚程度的同时,测度产业集聚的空间地理位置,融合基于产值和基于距离两类产业空间集聚测度方法,提出中心引力指数法。基于企业层面微观数据,包括地理位置和产值等指标,应用引力模型测度产业集聚度,构造相对指标置信区间和设定绝对指标判定阈值,识别产业空间集聚程度及其地理空间分布特征,并利用长三角地区1998—2013年期间的制造业企业数据,使用R语言对中心引力指数法进行计算和验证。结果表明,中心引力指数法能够准确测度产业的空间集聚分布特征及其动态变化。对长三角制造业的实证分析,发现部分制造业朝三个方向转移,而其他产业进一步强化集聚。中心引力指数法,改进了现有产业空间集聚衡量方法,弥补了基于产值测度方法忽视空间分布,而基于距离方法产值权重应用不足且无法确定地理位置的缺陷;通过虚拟中心企业地理位置为追踪产业转移地理路径提供了一个新的方法,并为地区一体化研究提供微观数据分析的新思路。