求解TSP的离散野马优化算法

针对求解TSP问题,提出一种新的元启发式算法离散野马优化算法(DWHO),应用最小位置匹配值法(MPMV)对求解结果进行离散化解码;为提高算法搜索能力,结合野马放牧、交配、领导者交流与选拔行为,引入变邻域搜索策略,增强了算法的局部搜索能力、加快算法收敛速度。选取TSPLIB标准库33个算例进行实验,并与交换序列人工蜂群算法(ABCSS)、离散蜘蛛猴优化算法(DSMO)两种算法进行比较。实验结果表明,DWHO求得的最优解与ABCSS、DSMO两种算法的最优解相比,最优解改进率最大值分别达到4.52%和3.41%。同时,将离散野马优化算法求解TSP收敛速度与以上两种算法进行比较,其收敛速度具有一定的优势。结果表明离散野马优化算法求解能力和精度具有优势。

保障各种复杂故障工况下解优质率的电网故障诊断解析模型

经典电网故障诊断解析模型是非线性0-1整数规划模型,其难以精确求解,启发式算法虽能获得可行解,但求解准确性和一致性难以保证,且求解时间较长,不利于基于诊断结果的故障排查和设备运维。对传统故障诊断模型进行改进,降低了模型的复杂度,实现了目标函数的线性化,据此构建了基于整数线性规划的电网故障诊断解析模型。Gurobi具有将启发式算法和整数线性规划求解算法有机结合的优点,将其应用于求解基于0-1整数线性规划的诊断模型,解决了传统启发式寻优算法因算法自身的局限性而陷入仅获得局部最优解甚至错解、以及求解速度慢等问题。通过算例对新型电网故障诊断模型的有效性和优越性进行验证,结果表明:相较于基于遗传算法、模拟退火算法、粒子群算法等启发式算法的传统模型,改进模型求解的速度与精度均显著得到了提高。

基于最优解区间预筛选的代理模型辅助天线设计优化算法

针对天线优化中全波仿真计算耗时过多的问题,文中提出了一种基于数据约束的代理模型辅助进化算法(SAADC)以实现天线优化设计中效率的提升。首先采用增强随机型差分进化算法,以保证数据生成的随机性与多样性。进一步通过高斯代理模型对仿真结果进行预测,并利用最优解区间预筛选方法舍弃预测结果中较差的个体,以实现算法收敛速度的提升。最终利用所提出的SAADC,对三个不同拓扑结构E型贴片天线的带宽与增益进行了优化设计与结果分析。结果表明,所提出的算法比现有的代理模型优化算法具有更快的优化速度与更佳的优化结果,可满足天线结构高效优化的实际需求。

一种基于罚函数法解决非光滑伪凸优化问题的神经网络算法及其应用

针对实际应用中遇到的非光滑伪凸优化问题,本文提出一种创新的解决方案——结合罚函数理念和微分包含理论的单层神经网络算法。首先,通过数学理论证明,本文算法能够使状态解最终收敛至伪凸优化问题的最优解,从而确立所提出算法的正确性;其次,通过对2个数值实验的模拟收敛结果进行分析,进一步验证算法的有效性;最后,用本文算法解决实际应用问题,展示其在解决伪凸优化问题上的实际应用价值。与现有的神经网络算法相比,本文算法不仅能够解决更一般的具有凸不等式和等式约束的伪凸优化问题,也可以解决实际应用问题。此外,本文算法层次结构简单,无需计算精确的罚参数,可以选取任意初始点,无需添加任何辅助变量,为伪凸优化问题的解决提供一种有效途径。

概率犹豫模糊判断矩阵的一致性调整与多重最优解分析

针对备选方案优先权重及多重最优解的计算,建立了一个概率犹豫模糊互补判断矩阵的离散化一致性调整模型,通过该模型调整后的矩阵能够较好地维持偏好值的具体含义,利于后续决策者的反馈修改。而后提出了多重最优解筛选机制,采用距离测度量化各个调整后的矩阵的决策信息扭曲程度及缺失状况,解决了一致性调整过程中的潜在解缺失导致的信息流失及排序互逆问题。最后,给出一个算例验证了模型及筛选机制的有效性。

基于粗糙集最优解山区公路边坡防护效果评价

为系统有效评估不同边坡防护技术的护坡效果,通过调查大量护坡技术对边坡沿线生态环境、边坡特性等的影响,以粗糙集理论和条件信息熵为基础,分析护坡效果与稳定性、抗侵蚀性等因素的相互关系,结合最优解优化评价指标重要度,提出了一种适用于山区公路边坡防护效果的指标权重确定方法。构建了边坡防护效果评价体系。运用模糊理论和模糊综合评价理论,建立了山区公路边坡防护效果模糊综合评价方法。依托某山区实体边坡对常见的11种护坡技术分析得到:生态混凝土护坡技术和土工网植草防护技术的护坡效果最优。对生态混凝土和土工网植草组合防护技术进行仿真计算,得到边坡水平最大位移和最大剪应变分别降低66.21%和90.17%,边坡稳定性系数从1.252提高到1.351,符合规范要求,为山区公路边坡防护技术的优选提供了新的思路。

用好“流动办公桌”这个服务基层“最优解”

城镇小区广场、农村住户门前、生产经营现场,几张塑料凳子围一圈,中间摆上一张办公桌,党员干部就开始了现场办公服务。“流动办公桌”成了当下许多地方和单位服务基层的“最优解”,受到机关青睐、基层欢迎和群众好评。基层是国家治理最末端、和谐稳定大本营、创新创造主战场、服务群众最前沿、一切工作落脚点。提高服务基层精准性、到位率、时效性,必须因地制宜用好“流动办公桌”,在深入基层、亲近基层、融入基层中展现党员干部应有的担当作为,树立机关部门应有的作风形象。

以“枫桥经验”最优解 促“诉源治理”新实践

2023年是毛泽东同志批示学习推广“枫桥经验”60周年和习近平总书记指示坚持发展“枫桥经验”20周年,为贯彻落实习近平总书记和党中央要求,市人大监察和司法委员会协助常委会开展多元解纷工作专项监督。

打造船舶绿色改装最优解——访Njord董事总经理Frederik Pind先生

2024年2月,马士基油轮(Maersk Tankers)旗下的绿色技术公司Njord宣布将与全球最大干散货托运人之一力拓集团(Rio Tinto)合作开展船舶绿色改装项目。Njord将为力拓集团拥有的两艘干散货船设计并安装一系列节能设备,以期减少燃料消耗和排放。力拓集团于2022年启动了“海洋先锋门户”项目,希望在其两艘20.5万载重吨纽卡斯尔型散货船上安装节能减排技术。

《经济日报》:“金融+人工智能”寻求最优解

人工智能在金融业的应用一直备受关注。近日,由清华大学经济管理学院、度小满等机构联合编写的《2024年金融业生成式人工智能应用报告》发布。《报告》认为,生成式人工智能技术在金融业中的应用尚处于技术探索和试点应用的并行期,预计1年至2年内首批大模型增强的金融机构会进入成熟应用期,3年后将会带动金融业生成式人工智能规模化应用。

留学专业规划,怎样决策才是最优解?

面对不断增长的就业压力,清晰的职业规划有助于留学生们发挥特长,在未来实现职业目标。因此,选择专业这一重要过程可以通过市场调研以及对多渠道信息的收集,确定自己感兴趣,且在未来更具职业优势的专业。通过对专业知识的学习,进一步提升专业技能。

新型单层递归神经网络解决非光滑伪凸优化问题的研究

非光滑伪凸优化问题广泛应用于科学及工程等领域,属于一类特殊的非凸优化问题,具有重要的研究意义.针对含有等式约束和不等式约束条件的非光滑伪凸优化问题,该文提出了一种新的神经动力学方法,并引入罚函数和正则化思想.通过有效的罚函数保证了所提出的神经网络状态的有界性,从而保证神经网络的状态解在有限时间内进入可行域中,最终收敛到原问题的最优解.最后,用两个数值实验验证了所提出模型的有效性.与现有的神经网络相比,该文的模型有以下优势:避免预先计算精确的惩罚因子,初始点的选取无特殊要求,结构简单.

基于病毒溯源优化思想的元启发式优化算法

为提高当前元启发式算法的优化精度和收敛性能,模拟病毒溯源过程的优化思想,文章提出一种元启发式病毒溯源多目标优化算法。给出更早感染者、最早感染者、误差最优解和算法性能评价指标的定义,构造追踪方向、追踪指令和追踪范围启发式更新算法,建立具有目标偏好的感染度函数,由此设计具有快速精准搜索能力的启发式追踪算子和筛查算子。通过17个单目标和多目标测试函数优化实验验证了所提算法在优化精度、优化速度和平均误差上均优于参与比较的其他6个元启发式算法,为复杂优化问题的求解提供了一种新的有效方法。

基于多目标优化的变电站消防资源配置算法

针对变电站消防资源分配与分布不均匀的问题,提出了一种基于多目标优化的变电站消防资源配置算法。该算法采用电力生产场所的道路网作为变电站消防责任区划分的依据,并结合各划分区域的消防需求构建消防资源配置模型。根据该模型的特点,在帕累托最优解的约束下提出了一种基于模拟退火的多目标优化算法,来求解该消防资源配置模型。仿真与实验结果表明,所提出的消防资源配置模型更符合实际变电站各场所分布的特点,且所提出的多目标优化算法得到的消防资源分配结果能在消防资源有限的条件下,实现最大的配置效益和快速的消防响应。

故宫官博的形象投射与社交媒体参与——基于贝叶斯模型与影响图的最优解推断

社交媒体平台为公众提供了与旅游目的地互动交流的场域,在目的地形象塑造与传播中具有重要作用。新浪微博平台中的转发、评论和点赞是对社交媒体参与度的衡量。揭示目的地投射形象及相关因素对社交媒体参与度的触发规律,可为目的地形象营销策略提供理论依据。文章以2016—2020年故宫博物院新浪微博官方账号发布的微博为例,搭建贝叶斯模型和影响图模型,模拟推断引发社交媒体参与的最优决策。研究发现:(1)故宫官方微博引发的社交媒体参与符合幂律衰减规律,少部分微博引发了大规模的社交媒体参与。其中,目的地投射形象的自然景观维度极易引发高社交媒体参与,而历史文化维度引发高社交媒体参与的难度最大。(2)故宫官方微博的目的地投射形象、互动策略、情感表征和时间框架4大因素影响社交媒体参与度,调整其组合模式能够扩大并引导不同类型的社交媒体参与行为。(3)不同内容的微博最优发布时间存在差异,在旅游淡季和12:00—22:59时间段发布的微博更易形成高社交媒体参与。(4)针对历史文化维度,旅游淡季的消费引导和旅游旺季的创造引导是提升社交媒体参与的最优路径,中午和傍晚的非工作时间段是最佳发布时间。该研究基于贝叶斯网络模型方法揭示了目的地形象投射与社交媒体参与间的复杂关系,并模拟推断出最优情景,对旅游目的地形象的网络营销具有实践指导意义。

一种非线性动态权重的粒子群寻优改进算法

在传统的线性递减惯性权重粒子群优化算法(Linearly Decreasing Inertia Weight Particle Swarm Optimization,LDW-PSO)中,惯性权重通过一个固定的线性递减方式进行调整。这种方法在适应具体问题和反映算法当前状态方面存在局限性。为了克服这些限制,在线性递减权重的基础上引入了幂律分布函数,提出了一种新的自适应权重计算方法。该方法使得惯性权重能够根据迭代次数的增加,按照幂律函数的非线性规律逐渐减小,从而在算法的早期阶段增强全局搜索能力,在后期阶段更侧重于局部搜索。通过这种灵活的权重调整,改进方法能够有效提升粒子群优化算法的性能。为了验证所提出方法的有效性,采用4种基准测试函数进行性能分析。实验结果表明,与传统的线性递减权重方法和标准粒子群优化算法相比,改进后的算法展现了更优的搜索能力和更好的收敛性能。

多策略改进的蜣螂优化算法及其应用

蜣螂优化算法(DBO)是近年提出的智能优化算法,与其他优化算法一样,DBO也存在收敛精度低、易陷入局部最优等缺点。针对DBO的这些局限性,提出一种多策略改进的蜣螂优化算法(MIDBO)。首先,改进雏球和偷窃蜣螂对局部最优解和全局最优解的接受程度,使其根据自身搜索能力动态变化,既提升了种群质量又保持了适应度高的个体的良好搜索能力;其次,融合麻雀搜索算法中的追随者位置更新机制对算法进行扰动,并用贪婪策略更新位置,提升了算法的收敛精度;最后,当算法陷入停滞时引入柯西高斯变异策略,提高了算法跳出局部最优解的能力。仿真实验基于20个基准测试函数和CEC2019测试函数,验证了3种改进策略的有效性,将所改进算法和对比算法的优化结果进行收敛性分析和Wilcoxon秩和检验,证明了MIDBO具有良好的寻优性能和鲁棒性。将MIDBO运用在汽车碰撞优化问题的求解上,进一步验证了MIDBO在求解实际工程问题中的有效性和可靠性。

基于机器学习的小尺寸涡轮钻具输出性能优化

为解决小尺寸涡轮钻具扭矩小带来的弊端,建立一种基于BP神经网络和非支配排序多目标遗传算法(NSGA-II)优化模型,通过对涡轮结构尺寸进行优化,得到高效率下扭矩更大的涡轮。采用权重估算和Garson算法,对涡轮的扭矩和效率进行敏感性分析,再通过比较多种机器学习算法构建回归模型的拟合度,选用反向传播神经网络(BPNN)建立扭矩和效率与设计参数之间的回归模型,最后结合非支配排序多目标遗传算法(NSGA-II)寻求Pareto最优解集。结果表明:安装角对输出扭矩的影响最大,叶片数对输出效率的影响最大;采用BP神经网络构建的回归模型最为准确;优化后的涡轮与初始涡轮相比,扭矩提高1.2倍,效率提升1.35%。

基于改进鲸鱼优化算法的同步相量测量单元多目标优化配置

针对因配电网节点数目多但投资成本少造成的同步相量测量单元(phasor measurement unit,PMU)供需不平衡问题,建立了考虑PMU配置个数、状态估计误差的PMU多目标优化配置模型,优化问题的目标是最小化所需的PMU个数和最小化状态估计误差。并提出一种改进鲸鱼优化算法来求解模型。首先引入非支配排序和拥挤度计算来选择并排序Pareto非支配解,保证算法求解全局最优值的能力,其次引入Levy飞行策略对鲸鱼优化算法的螺旋更新位置进行变异扰动,使算法不易陷入局部最优。最后,采用优化配置模型对IEEE 33标准节点系统进行仿真计算。结果表明,与遗传算法和粒子群算法相比,采用改进鲸鱼优化算法求解PMU多目标优化配置模型具有更高的可行性和有效性。

融合柯西扰动与种群优化的布谷鸟算法

针对传统布谷鸟算法存在的初始种群多样性差、面对高维复杂问题极易陷入局部最优解的问题,采用Tent混沌映射优化初始种群,使初始种群具有更好的便利性,对多次迭代中当代最优值不变的种群进行柯西扰动,提高算法跳出局部最优解的能力。采用7种不同类型的测试函数与CS、PSO、DE3种对比算法,验证改进算法的寻优能力。结果表明,对于不同类型的测试函数,改进的算法较传统算法在寻优速度与精度方面均有所提高。