中国省域产业生态系统优化度测度——基于效用函数理论

综述国内外产业结构领域现有研究的基础上,本文把研究范围拓展到中国30个省域层面,综合考虑经济、环境与创新三个维度的输出变量与产业结构优化程度之间的关系,给出了评价产业结构优化程度的数学定义——产业生态系统优化度;基于效用函数理论,探讨各种收益型、成本型输出变量与产业生态系统优化度之间的关系,建立了中国省域产业生态系统优化度测度问题的理论框架;根据产业生态系统优化度理论框架,构建了中国省域产业生态系统优化度模型,从一个崭新的角度对中国省域产业生态系统优化程度进行评价。

一种改进的人工生态系统优化算法

人工生态系统优化算法是一种模拟生态系统中生物生产、消耗和分解的一种元启发式算法,具有简单、可调节参数少等优点,但容易早熟收敛或陷入局部最优。为了进一步提高人工生态系统优化算法的性能,本文提出一种改进的人工生态系统优化算法,记作IIAEO。通过模拟光的折射进行种群初始化,提高初始解的质量,将Lévy飞行和布朗运动相结合,更好地平衡探索和开采能力;同时,加入余弦算子和Cauchy算子,避免陷入局部最优。将IIAEO算法与其他四种算法在5个基准函数上进行对比实验,统计分析结果表明,该算法具有良好的性能,明显优于原始的人工生态系统优化算法。

改进人工生态系统优化算法解决光伏模型参数辨识问题

光伏模型同时具有非线性和多模态的特点,传统算法在对其参数识别时易陷入局部最优,且识别精度不足。提出了一种改进的人工生态系统优化算法(IAEO),通过引入非线性控制参数调整策略来平衡探索与开发的关系,利用混沌的遍历性和非重复性来增强算法的探索能力。仿真实验表明,在单、双和三二极管和光伏组件模型上,改进算法的参数识别精度均超过99.9%,相较于原算法的RMSE值在四种模型上平均提高5.5%,和五种先进算法对比具有较强的优势。采用厂商真实数据对薄膜、单晶和多晶3种光伏组件在不同的光照和温度条件下进行测试,改进算法在不同环境中依然保持较高的准确性和稳定性。

畜菜共生型日光温室CO_2传输机理与生态系统优化

通过对以畜舍、蔬菜温室和沼气池构成的畜菜共生型日光温室生态系统CO2 传输机理的模拟与分析 ,建立了畜菜共生系统CO2 传递的数学模型 ,以模拟分析与实测结果为依据 。

桂西峰丛岩溶区的环境特点及农业生态系统优化设计

桂西岩溶峰丛山区生态系统功能脆弱、抗干扰能力低 ,面临严重的生态危机 ,急需修复和重建。以生态学的原理与方法为指导 ,进行土地利用的优化设计 ,调整农村产业结构 ,通过全面封育与先锋群落的构建 ,实行乔灌藤草优化配置、生态防护林体系与特色农林产品基地建设结合 ,恢复良好的森林植被 ,涵养表层岩溶水 ,改善生存环境 ,进行不同地貌部位和岩溶地质背景下适生植物合理布局 ,是峰丛岩溶区生态恢复重建的基本步骤。

我国高技术企业国际化的产业生态系统优化研究

高技术企业对我国的出口、双向投资作出了重要贡献,但是逆全球化和贸易保护主义行为正在改变中国高技术企业国际化的产业生态特征。基于产业生态理论,构建了高技术企业国际化的产业生态系统,深入分析了该系统的演化机制,并结合新形势的典型特征,提出了中国高技术企业国际化产业生态系统优化的策略建议。

基于人工生态系统优化算法的组合生长需水预测模型

为提高需水预测精度,拓展生长模型在需水预测中的应用,提出基于人工生态系统优化(AEO)算法的组合生长需水预测模型。结合实例,选取6个标准测试函数在不同维度条件下对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法和传统粒子群优化(PSO)算法的仿真结果进行比较。基于Weibull、Richards、Usher 3种单一生长模型构建Weibull-Richards-Usher、Weibull-Richards、Weibull-Usher、Richards-Usher 4种组合生长模型,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Weibull-Richards-Usher、AEO-Weibull-Richards、AEO-Weibull-Usher、AEO-Richards-Usher需水预测模型,并构建AEOWeibull、AEO-Richards、AEO-Usher、AEO-SVM、AEO-BP模型作对比,以上海市需水预测为例进行实例验证,利用实例前30组和后8组统计资料对各组合模型进行训练和预测。结果表明,在不同维度条件下,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度和全局搜索能力。4种组合模型对实例预测的平均相对误差绝对值、平均绝对误差分别在0.94%~1.17%、0.30亿~0.37亿m3之间,预测精度优于AEO-Weibull等其他5种模型。4种组合模型均具有较好的预测精度和泛化能力,表明AEO算法能同时有效优化组合生长模型参数和权重系数,基于AEO算法的组合生长模型用于需水预测是可行和有效的。

基于数学模型解决生态系统优化问题的实例

区域经济与生态环境保护协同发展是生态文明建设研究课题中的重要组成部分,解决经济与生态保护双目标优化问题,可以推动区域生态文明建设。文章通过建立多目标优化的数学模型来解决生态系统中的某一优化问题,为区域生态文明建设提供参考启示。

协同视域下高校创新创业教育生态系统优化研究

全面构建协同、共享的“双创”教育生态系统,是我国高校创新创业教育提质增效的关键所在。文章深入剖析创新创业教育生态系统内涵、厘清创新创业教育生态系统发展不平衡问题,先从微观到宏观来构思“双创”教育生态系统指标体系,再从课程和教学生态、组织生态、环境生态等三个维度优化创新创业教育运行模式。

群集正反向回溯人工生态系统优化算法的ELM超参优选

为有效改善极限学习机(ELM)的分类识别性能,提出一种融合群集正反向回溯的改进人工生态系统优化算法(IAEO),并用于ELM的超参优选.群集正反向引导机制启发于生态系统中消费者数量因上下级捕食关系的正反向调控机理而被构建,局部回溯开采策略则通过继承种群历史最优信息以动态再挖掘分解者的局部微小邻域,并引导种群进化以实现局部优化性能的改善.数值实验结果表明,两种改进策略可有效改善AEO算法的全局勘探和局部开采性能,IAEO算法具有较高的收敛精度、强稳健性和良好的高维优化适用性;同时验证了所提IAEO算法在ELM超参优化以增强分类泛化性能的有效性和可行性.

基于拟生态优化算法的CDMA多用户检测方法

拟生态优化算法是一类模拟自然生态系统运行机制,求解复杂优化问题的智能计算方法,其中的蚁群算法和粒子群算法是较新出现的两种具有不同特点的方法。该文研究基本蚁群算法和离散粒子群算法,并结合CDMA多用户检测问题,改变算法的搜索机制,提出两种CDMA多用户检测的方法。从理论分析以及实验仿真的角度对比两种方法,表明两种方法的计算复杂度低且可以得到较好误码率性能,同时又各有特点。

基于优化深度极限学习机的船舶柴油机故障诊断

针对人工生态系统算法易限于局部最优、全局探索能力差等缺陷,提出一种改进人工生态系统优化算法(Improved Artificial Ecosystem-based Optimization Algorithm, IAEO)。利用Hammersley点集初始化,使个体分布更加均匀;采用非线性递减及混沌序列来提高算法的探索和开发能力;加入爆炸操作和高斯变异来提高算法跳出局部最优的能力,在四个基准函数的仿真结果表明寻优能力有较大提高。利用多层极限学习机对数据进行特征提取,在有监督部分利用混合核极限学习机进行分类。利用IAEO优化混合核函数的核参数、正则化系数和比例系数,并在标准数据集上进行性能验证。将该方法应用于船舶柴油机故障诊断,该方法有效提高了故障诊断的准确性和稳定性并表现出较好的泛化性能。

土地利用变化与生态系统服务:概念、方法与进展

生态系统服务作为生态学与地理学的研究前沿和热点,受到众多学者与研究组织的关注。土地利用变化通过对生态系统格局与过程的影响,改变着生态系统产品与服务的提供能力。本文对土地利用变化与生态系统服务相关研究背景和概念进行了介绍,总结了生态系统服务评估方法的特点,对目前研究中存在的问题进行了分析,展望了未来的研究趋势。加强土地利用变化驱动下生态系统过程与服务的相互关系、生态系统服务之间的相互关系以及生态系统服务的区域集成与优化是生态系统服务研究的前沿科学问题,这些科学问题的解决将为生态系统管理提供重要的理论和方法支持。

果园土壤肥力管理对果树根系生长的影响

果树健康和产量的关键在于其根系的发展与健康状态。根系作为果树与土壤间的主要连接,不仅负责吸收水分和营养,还为树木提供必要的支撑。一个健康的根系可以有效地利用土壤资源,增强抵御病虫害和环境压力的能力。因此,了解并促进根系的健康成长对果园管理至关重要。在果树栽培中,土壤肥力管理被证实不仅是提升产量的关键,更是根系健康的核心。细致的土壤调整,从微生物多样性的增加到化学成分的平衡,为果树根系提供了一个理想的生长环境。这不只是一种关于施肥的技术,还是一种全面理解和改善土壤生态的艺术。该研究突破性地展示了通过土壤管理实现果园可持续发展的可能性,为农业生态系统的优化提供了新的视角。

基于改进AEO算法的多机器人主动嗅觉室内味源定位研究

用机器人主动嗅觉来自动寻找和定位毒气泄漏、火灾等气味源在防灾、反恐、探险等场景中具有重要意义。针对室内环境中机器人气味源定位方法对于策略切换阈值敏感问题,本文提出了一种用于多机器人气味源搜索的风向人工生态系统优化算法WAEO。该方法将机器人看作生产者、消费者或者分解者,通过三者的能量传递机制进行算法的优化,使算法在劣势初始位置时依旧保持稳定的性能。同时,考虑到气味源扩散的特点设计了离散风向系统,在生态系统中增加了追风者角色,从全局和个体维度引入风向信息和层次化利用风向信息。通过与两种常见粒子群算法的对比实验,发现WAEO算法可以减少味源定位的搜索时间,提高搜索成功率,特别是在机器人数量较少时优势更为明显。

基于AEO-MRFO的固体氧化物燃料电池参数辨识

提出一种基于人工生态系统优化(artificial ecosystem-based optimization,AEO)算法与蝠鲼觅食优化(manta ray foraging optimization,MRFO)算法的协调优化算法,即AEO-MRFO协调优化器(AEO-MRFO coordinating optimizer,EMCO),用于各种固体氧化物燃料电池(solid oxide fuel cell,SOFC)的参数辨识。为提高SOFC参数辨识的精确度与稳定性,EMCO舍弃MRFO气旋觅食算子中随机性过强的搜索操作,并随迭代过程动态协调AEO分解算子和经过改进的MRFO翻滚觅食算子,合理平衡局部探索(local exploitation)和全局搜索(global exploration)。通过4个算例对EMCO的SOFC参数辨识性能进行研究,即荷兰能源研究中心和波兰CEREL公司各自生产的2种SOFC单体电池测试数据和蒙大拿州立大学的5kW SOFC电池堆栈在2个不同运行条件下的实验数据。此外,还研究了SOFC堆栈温度及压强变化对参数辨识精度的影响。仿真结果表明,与蚁群优化(ant colony optimization,ALO)算法、均衡优化器(equilibrium optimizer,EO)、灰狼优化(grey wolf optimization,GWO)算法、堆栅优化器(heap-based optimizer,HBO)、粒子群优化(particle swarm optimization,PSO)算法、AEO算法和MRFO算法相比,EMCO均能快速、精确、稳定地实现SOFC参数辨识。

MTICA-AEO-SVR股票价格预测模型

为了改善传统Fast ICA算法的稳定性和分离效率,基于Tukey M估计构造了一种新的非线性函数,提出了MTICA算法;并在此基础上结合SVR算法,建立了一种新的MTICA-AEO-SVR股票价格预测模型。用MTICA算法将原始股票数据分解为独立分量进行排序去噪,选择不同的SVR模型分别对各独立分量和股票价格进行预测。在SVR算法中引入了人工生态系统优化算法(AEO)选参,提高了模型的预测精度。通过对上证B股指数的实证分析,结果表明,MTICA-AEO-SVR模型比ICA-AEO-SVR模型和ICA-SVR模型更准确和高效。

基于AEO-Schumacher-Usher模型的径流及地下水位预测

为拓展生长模型在径流及地下水位预测中的应用范畴,提高模型预测精度,提出人工生态系统优化(AEO)算法-组合生长预测模型。选取6个标准测试函数和本文Schumacher、Usher模型参数优化实例对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法、粒子群优化(PSO)算法的仿真结果进行比较。基于Schumacher、Usher单一生长函数构建Schumacher-Usher组合生长模型,针对组合模型参数及权重系数选取困难的实际问题,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Schumacher-Usher组合生长预测模型,并构建AEO-Schumacher、AEO-Usher、AEO-SVM模型作对比,以文献径流及地下水位预测为例进行实例验证。结果表明,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度、全局搜索能力和稳健性能。AEO-Schumacher-Usher模型对两个实例预测的平均相对误差绝对值分别为2.32%、0.15%,预测精度优于AEO-Schumacher、AEO-Usher、AEO-SVM模型及文献相关模型,具有较好的预测精度和泛化能力。AEO算法能同时有效优化组合生长模型参数和权重系数,AEO-组合生长模型用于径流及地下水位预测是可行和有效的,模型及方法可为相关预测研究提供参考。

知识产权对我国经济转型的价值引导与政策实践——基于国家治理的分析

作为国家综合实力的重要表征,构建完备的现代知识产权体系是国家通往治理现代化的必由之路。从治理角度看,当前我国知识产权保护系统存在制度建设碎片、组织执行失调、服务体系不全等结构性短板,并成为创新驱动的“困点”。需要遵循问题导向,以现代化治理为整体框架,以知识产权强国战略为抓手,优化知识产权保护的顶层设计,疏通知识产权保护“梗阻”。通过知识产权治理结构的改革,使其契合新时代的知识产权保护的现实诉求,以期发挥知识产权在新常态下推动产业升级、经济高质量发展和现代化强国的积极支撑作用。

ESPSO在翼伞气动参数辨识中的应用

为建立更加精确的翼伞六自由度模型,采用生态系统粒子群（ESPSO）算法对目标翼伞的气动参数进行参数辨识,来获取气动参数值。首先对翼伞的六自由度动力学方程进行分析,建立了参数辨识目标函数;然后,针对仿真飞行数据,分别利用粒子群算法和生态系统粒子群算法使参数辨识目标函数最小化,从而得到翼伞的气动参数值,通过比较发现,粒子群算法辨识结果平均误差为0.80%,生态系统粒子群算法辨识结果平均误差为0.21%;最后,针对实测飞行数据,采用生态系统粒子群算法使参数辨识目标函数最小化,从而得到实验翼伞的气动参数值。通过对比利用辨识气动参数建立的翼伞模型输出数据与实测飞行数据,三轴的速度误差平均值小于10%。结果表明,该方案能够为实际工程中的翼伞飞行性能研究及控制设计提供技术支撑。