U型障碍物多方向多层填充的移动机器人改进蚁群算法

针对传统蚁群算法在移动机器人路径规划中典型的U型障碍物死锁问题,提出了一种U型障碍物多方向多层填充的改进蚁群算法。首先证明了路径规划的最优解不会进入U型障碍物之中;其次证明了运用此多方向多层填充法在填充U型障碍物解决死锁问题的同时,不会造成原有通路的阻塞,具有原通路保持性,且填充的迭代次数与迭代总时间少;之后对填充图形的迭代次数给出了理论性的判定,此填充方法不仅适用于U型障碍物还适用于其它可填充区域,且其对于可填充区域可实现完全填充;最后将此填充方法与蚁群算法结合。仿真结果表明,改进蚁群算法相比于传统蚁群算法有效率提升。

基于改进粒子群算法的自适应构网型变流器控制策略

构网型控制是一种改善新能源高渗透率下电力系统稳定性问题的技术手段。针对传统构网型变流器均采用固定参数控制而未能发挥出最佳调频效果这一问题,基于构网型变流器控制参数可调的特点,提出一种自适应控制策略,以优化构网型变流器的输出并改善电力系统的动态特性。首先,通过仿真实验得到典型构网型变流器虚拟惯量和阻尼系数在大功率事件下对系统动态特性的影响;其次,研究典型构网型变流器的频率曲线与功角曲线,提出包含频率偏差和频率变化率的自适应构网型变流器控制策略;然后,通过改进粒子群算法对自适应控制策略涉及参数进行整定;最后,基于MATLAB/Simulink搭建的微电网模型,验证所提控制策略的稳定性与鲁棒性。仿真结果表明,所提控制策略可以自适应改变控制参数,使构网型变流器的输出能够满足系统各个阶段的不同需求,优化电力系统的动态特性。

基于Apriori算法和改进剪枝算法研究针灸结合推拿治疗神经根型颈椎病的选穴配伍规律

目的:研究针灸结合推拿疗法治疗神经根型颈椎病的选穴规律及配伍特点,为临床治疗神经根型颈椎病提供参考依据。方法:检索2012年2月—2022年2月中国知网、万方数据库、维普数据库刊登的针灸结合推拿治疗神经根型颈椎病的相关文献,建立文献数据库与腧穴数据库,采用Vlookup函数和数据转置对腧穴数据进行分析,采用SPSSPRO频数分析得出高频腧穴,采用Apriori算法和改进剪枝算法进行关联规则分析,最后按照支持度、置信度和提升度进行深入分析。结果:共检索出文献414篇,最终纳入文献133篇。频次≥14次的腧穴共20个,排名前十的依次为风池穴、天宗穴、合谷穴、肩井穴、曲池穴、后溪穴、手三里穴、颈夹脊穴、外关穴、风府穴。使用频次≥14次的腧穴归经以手阳明大肠经、手太阳小肠经、足少阳胆经、督脉、经外奇穴、足太阳膀胱经、手少阳三焦经为主。设置最小支持度为20%,最小置信度为80%,关联规则为后项→前项,采用Apriori算法和改进剪枝算法对频次≥14次的20个腧穴进行关联规则分析,置信度排名前四的腧穴配伍组合分别为肩井、风府、后溪、外关→风池、天宗,肩井、风府、外关、曲池→风池、天宗,手三里、天宗、肩井、后溪→风池、曲池,肩井、后溪、天宗、风府→风池、外关。结论:针灸结合推拿治疗神经根型颈椎病选穴具有注重分经辨证,腧穴配伍侧重本经配穴,远近配穴与同名经配穴的规律特点。运用Apriori算法和改进剪枝算法可以有效挖掘针灸结合推拿治疗神经根型颈椎病的特点,具有较高的学习价值。

改进的电阻型DAC数字校准算法

设计了一款用数字校准算法实现的改进的电阻型数模转换器(Digital-to-analog converter, DAC)。首先,增加数字校准算法电路提高DAC的精度,校准算法将输入数据分为高中低三部分进行不同编码,高位采用温度计编码方式,中位采用分数编码方式,低位采用二进制编码方式,并对高位和中位分别进行校准运算;然后根据算法分析设计电路,同时为了节省面积,算法结构采用分时复用加法器的结构;最终将校准算法模块应用于数字校准电路和模拟电路相结合的电阻型DAC中。基于0.5μm BCD工艺进行流片,实际测试结果表明,所设计的改进的电阻型DAC满足16位的分辨率、积分非线性小于±1 LSB和微分非线性小于±1 LSB的性能指标要求。

基于Word2vec和改进型TF-IDF的卷积神经网络文本分类模型

针对传统机器学习文本分类算法语义特征表达弱、文本表示维度高、词序丢失、矩阵稀疏等问题,提出基于Word2vec、改进型TF-IDF和卷积神经网络三者相结合的文本分类模型(CTMWT):首先通过Word2vec模型训练得出样本中所有的词向量;然后提出基于类频方差改进型TF-IDF算法,分析每个词向量在文本中的权重,构建基于词向量和权重的文本向量表示;最后借助卷积神经网络从局部到全局相关性特征的学习能力,对该大量文本向量进行深度学习.试验结果表明三者结合的文本分类模型不仅能实现文本的准确分类,并且相比传统的机器学习文本分类算法具有更好的分类效果.

改进型PSO算法解算三维测边网平差模型

空间三维测边网属于典型的秩亏自由网。针对目前网平差常用的最小二乘算法存在线性化求导复杂,计算量大等问题,本文基于高精度测距值,以控制点坐标反算距离与观测距离差值之和最小为目标,构成非线性方程组,建立函数模型;考虑到非线性方程组求解方法中智能优化算法无需求导和公式推导简单等优点,引入粒子群(PSO)智能优化算法,并构建改进型PSO算法。研究结果表明,根据本文提出的改进型PSO算法进行平差解算,可保证解算结果的准确性,且该算法较传统PSO算法的寻优速度更快,不仅可为空间三维测边网的解算提供新思路,还可为建立空间三维测边网提供理论支撑。

基于改进型粒子群优化算法的非对称级联开关电容多电平逆变器

针对粒子群优化PSO(particle swarm optimization)算法在应用到逆变器的特定谐波、消除脉宽调制SHEPWM(vselective harmonic elimination pulse-width modulation)所存在的全局搜索能力差、且容易陷入局部最优等问题,提出1种改进型PSO。通过在搜索过程中引入遗传算法中的垂直交叉运算,以及采用精英保留策略来提高算法的全局搜索能力、局部搜索能力和保留优秀的个体,由此提高开关角精确度,改善SHEPWM的性能。使用所提算法对新型非对称级联开关电容多电平逆变器的SHEPWM非线性超越方程进行求解,解决了传统数值法对初值依赖性高及传统PSO求解开关角精确度低等问题。仿真及实验结果验证了所提拓扑结构的可行性和所提算法应用到SHEPWM中的有效性。

基于改进斑点鬣狗算法的并网型微电网优化调度

为了实现并网型微电网的经济运行,提出了一种基于改进斑点鬣狗(improved spotted hyena optimization, ISHO)算法的并网型微电网优化调度方法。以微电源维护成本、柴油机发电成本和购售电成本组成微电网调度成本,构建了以微电网调度成本最小为目标函数的并网型微电网调度模型。采用Logistic映射、非线性递减控制参量和反向学习等策略对斑点鬣狗(spotted hyena optimization, SHO)算法进行改进,获得ISHO算法。采用ISHO算法对并网型微电网调度模型进行求解,并将优化结果与其他算法进行对比分析,结果表明,ISHO算法获得的最低调度成本为3 575.25元,相比其他几种对比算法的求解精度更高,验证了ISHO算法在微电网优化调度方面的有效性。

基于改进差分进化算法的CCHP型微电网两阶段调度优化方法

由于CCHP型微电网两阶段调度需求的随机性,导致优化难度较大,难以找到有效的解决方案。因此,本文提出基于改进差分进化算法的CCHP型微电网两阶段调度优化策略。将微电网运行状态空间划分,构建CCHP型微电网两阶段调度优化模型,利用改进差分进化算法对微电网两阶段调度优化方案进行求解,实现CCHP型微电网两阶段调度优化。设计对比实验,实验结果证明该方法的调度转化效率最高,能够最大限度地利用。

基于改进型灰狼算法的热电偶温度传感器检定校准方法

当前热电偶温度传感器检定校准模型一般为独立测算结构,校准的整体效率较低,导致检定校准示值误差增大,为此,提出基于改进型灰狼算法的热电偶温度传感器检定校准方法。通过引入改进型灰狼算法,有效提高热电偶测量效率及测量准确度,并减小了扩展不确定度。根据校准需求,先设定温度传感数据采集及检定校准标准,采用多阶的方式,提升校准的整体效率,构建多阶改进型灰狼测算检定校准模型,采用自适应比对修正的方式来实现校准处理。测试结果表明:针对设定的20~1200℃,经过三个周期的测定,最终得出的检定校准示值误差均值小于1.59℃,说明在改进型灰狼算法的辅助下,所设计的热电偶温度传感器检定校准方法更高效,针对性较强,具有实际应用价值。

基于粒子群算法优化的汽车天窗改进型自抗扰控制

针对当前汽车天窗继电器闭合后,电动机控制天窗平移开闭、起翘开闭及防夹回退响应滞后问题,将内部不确定因素和外部环境干扰视为一个综合影响因素,提出了一种基于粒子群算法优化的改进型自抗扰控制方法,旨在改善汽车天窗的响应性能。首先,设计了一种新型cfal函数,解决了fal函数在拐点处不平滑容易引发抖动和控制系统不稳定的问题。接着,基于这种新型非线性cfal函数,构建了改进型扩张状态观测器,实现了对天窗扰动影响的实时估计。最后,采用粒子群算法进行内部参数优化调节,进行了汽车天窗系统的控制实验,并将该方法的输出响应曲线与传统ADRC控制进行了对比分析,实验结果验证了这种自抗扰控制方法在提升汽车天窗响应性能方面的优越性和可行性。

基于改进型鱼群算法的番茄光环境调控目标值模型

针对光温耦合条件下番茄光环境调控目标值难以快速、精确获取的问题,在光温嵌套光合速率试验结果基础上,为提高人工鱼群算法寻优速度,基于视野和步长动态调整思想,提出了改进型鱼群算法的光温耦合寻优方法,对不同温度下光饱和点进行快速精准寻优,建立了番茄光环境调控目标值模型,模型决定系数为0.999 9。验证试验结果表明,不同温度下光饱和点的模型计算值与实测值高度线性相关,相关系数为0.988,最大相对误差在±2%内,明显优于遗传算法构建模型的相对误差(±6%)。快速、动态获取不同温度下光饱和点,对设施光环境精准调控效率具有重要意义。

基于支持向量机-改进型鱼群算法的CO_2优化调控模型

提出了融合支持向量机-改进型鱼群算法的CO_2优化调控模型,为CO_2精准调控提供定量依据。设计了嵌套试验,采集不同温度、光子通量密度、CO_2浓度组合下的黄瓜光合速率,以此构建基于支持向量机的黄瓜光合速率预测模型;以预测模型网络为目标函数,采用改进型鱼群算法实现二氧化碳饱和点寻优,获得不同温度、光子通量密度组合条件的CO_2饱和点,进而构建CO_2优化调控模型。异校验结果表明,CO_2饱和点实测值与预测值相关系数为0.965,最大相对误差3.056%。提出的CO_2优化调控模型可动态预测CO_2饱和点,为实现设施CO_2精准调控提供了可行思路。

基于激素调节机制改进型自适应粒子群算法在置换流水车间调度中的应用研究

研究以最小化最大流程时间为调度目标的离散型生产作业中的置换流水车间调度问题,将基于激素调节机制的改进型自适应粒子群算法应用到其中。在该算法中,粒子群算法的个体最优初始值不再是随机生成,而是由基于启发式信息的贪婪随机自适应算法得到的工件加工顺序转换而成,同时借鉴激素调节机制,引入激素调节因子,根据单个粒子周围的粒子的信息,对粒子的飞行方程进行改进,以提高搜索效率和搜索质量。对置换流水车间调度实例Rec系列基准问题进行测试,结果验证算法的有效性。

基于改进型自适应遗传算法求解设备多行布局问题

对面积不等、形状固定的设备多行布局问题,提出了自由换行布局策略和净行间距概念.构建了带逆向物流、净行间距的多目标组合优化数学模型.引入免疫系统群体多样性作为种群进化的标志的基础上,建立了改进的自适应遗传算法(Improved Adaptive Genetic Algorithm,IAGA),实现了交叉概率和变异概率的非线性自适应调整.最后,对算法进行了实验对比分析.结果表明,所提出的算法能快速有效地获得问题的近似最优解,稳定性好,对解决设备多行布局组合优化问题具有实用价值.

改进型人工鱼群算法及复杂函数全局优化方法

在分析人工鱼群算法存在不足的基础上,对人工鱼群算法加以改进,提出了一种改进型人工鱼群算法。该算法提高了全局搜索能力和收敛速度,并用于求解具有变量边界约束的非线性复杂函数最优化问题。仿真结果表明,改进后的人工鱼群算法具有精度高、搜索速度快等特点,是一种求解复杂函数全局最优化的智能算法。

改进型Voronoi图和动态权值A*算法的无人机航迹规划

针对实际作战环境中的不同威胁等级和不同威胁实体的威胁源,提出了改进型的Voronoi图,并建立了基于改进型Voronoi图的航迹规划空间;基于A*算法的估价函数在不同阶段对指标的敏感度不同,在传统的启发式A*搜索算法基础上提出了动态权值A*搜索算法,提高了航迹搜索的效率,实现了航迹搜索过程快速性和准确性的结合。最后通过Matlab仿真计算出由动态权值A*算法得到的最优航迹,并进行了航迹的平滑处理,仿真表明了该方法的可行性。

改进型遗传算法及其在数据挖掘中的应用

文中在简单遗传算法的基础上 ,利用改进的算法进行关联规则的发现和数据库中特征项权重的发现 ,通过对农业气象数据库的实验 ,力求解决遗传算法中的早熟等问题。

基于改进型蚁群算法的最优路径问题求解

如何向用户提供"高质量"的最优路径是导航系统应解决的关键问题.针对该问题,文中提出了带多个路径质量约束的最优路径数学模型.为求解该模型,在蚁群算法的基础上重新设计信息素局部更新规则和全局更新规则,引入信息素更新算子,动态调整、增加最优路径上信息素的规则,并通过改进能见度启发因子,得到改进型蚁群算法.仿真实验证明,改进后的蚁群算法具有良好的寻优性和收敛性,能准确找出路网中满足路径质量约束的最优路径.

改进型模拟退火算法在设备布局设计中的应用

由于设备布局问题是NP完全问题,它在有限合理的时间内难以求得最优解,因此问题的求解只能依赖于各种启发式方法。文章针对传统的模拟退火算法经常出现迂回搜索,导致搜索效率低,解的质量差这一现象,通过在传统模拟退火算法搜索过程中增加记忆功能,来避免迂回搜索,将改进的模拟退火算法应用于设备布局的研究中,通过实例证明改进的模拟退火算法解的质量有了很大提高。