基于变步长增益调整的机动目标跟踪新算法

针对Singer模型的缺陷和“当前”统计模型存在的对弱机动目标跟踪能力较差的缺陷进行了改进,设计了一种新的加速度自适应模型;利用该模型设计出新的机动目标跟踪滤波算法,该算法对机动目标跟踪的综合性能有了较大的提高。在此基础上,为了减少滤波增益矩阵的计算量,使算法易于微机工程化实现,提出对滤波增益矩阵进行变步长调整的新方法,即通过在线检测算法确定何时有必要进行滤波增益的调整,而不需要每一步都计算增益矩阵,从而较多地降低了滤波算法的计算量。通过以上两个方面的改进,不仅提高了机动目标跟踪的精度,而且提高了目标跟踪的快速性和实时性。仿真验证表明该算法有良好的跟踪性能,而且计算量小,易于微机工程化实现。

用自适应变步长BP神经网络求高分子材料的本构关系

本文阐述了人工神经网络基本原理,研究分析了BP神经网络模型的缺陷并提出了优化策略。建立了求高分子材料本构关系的三层前馈反向传播神经网络模型,并作了多次不同的泛化性测试。实例分析表明,自适应变步长BP神经网络在收敛速度及稳定性方面都有很好的效果,可应用于求高分子材料本构关系。

基于多策略改进麻雀搜索算法的WSN覆盖优化

为了解决无线传感器网络节点分布不均匀、无线传感器网络覆盖率不高的问题,本文通过采用多策略改进麻雀搜索算法(DSSA)实现网络覆盖优化。利用Delaunay三角划分策略在目标区域构建三角网络,以此部署静态节点;其次引入了惯性权重余弦动态调整策略和步长速度自适应调整策略完成对网络节点的二次部署,提高算法全局搜索能力。仿真实验表明DSSA算法可以有效提高覆盖率,避免陷入局部最优,覆盖率比其他4种算法分别提高了4.31%、6.26%、3.16%、13.21%,结果验证了DSSA算法在无线传感器网络覆盖方面具有可行性与优越性。

一种求解图像分割问题的限速-离散蜂群优化算法

为解决图像领域中的归一化彩色图像分割问题,提出一种限速-离散蜂群优化算法。根据问题模型将蜂群算法中的位置重新定义为离散化的位置,增加个体蜂的速度定义;引入一个限速过程,设计限速作用函数,增加种群的多样性,解决了算法早熟收敛的问题,同时在个体蜂的位置更新中采用自适应权重调整策略,提高算法稳定性和收敛速度。仿真实验结果表明,该算法在收敛速度和图像处理效果上优于标准蜂群算法,并验证了该算法在归一化彩色图像分割问题中的高效性和优越性。

动态环境下带有非线性效应的复合粒子群优化算法

针对粒子群优化算法在求解动态优化问题存在多样性缺失,寻优速度慢等缺陷,借鉴物理学中的非线性复合效应,本文提出带有非线性效应的复合粒子群优化算法,该算法利用复合材料的相乘效应根据粒子的相似性,基于"最坏优先"规则将种群划分成若干复合粒子.为使种群迅速地在动态环境中找到最优解,利用复合材料的共振效应,成员粒子通过自适应异速度映射机制整合有价值信息.为提高种群的多样性,利用复合材料的诱导效应,引入复合粒子的整体运动策略.最后通过动态标准测试问题实验对相关参数设置进行了分析,并与其他几种粒子群算法相比较,验证了该算法在动态环境中的有效性.

交互式学习的布谷鸟搜索算法

针对布谷鸟搜索算法在求解旅行商问题时,存在初期信息缺乏严重和收敛速度慢等问题,提出一种交互式学习的布谷鸟搜索算法(Interactive Learning Cuckoo Search Algorithm,ILCSA)。为提高布谷鸟搜索算法的搜索效率,结合蚁群优化算法构建双层交互学习模型,将蚁群作为底层种群,布谷鸟作为高层种群,双种群互相学习,合作寻优,提高搜索速度;此外,在布谷鸟搜索算法中引入强化学习策略,自适应更新步长,并对发现概率进行动态调整,深度优化最优解,进一步提高解的质量。最后采用多组不同规模的标准TSPLIB算例与其他优化算法进行对比,结果表明ILCSA算法在求解精度和稳定性方面表现更优。