高光谱结合离散二进制粒子群算法对久保桃可溶性固形物含量的检测

可溶性固形物(SSC)是评价久保桃内部品质的重要指标。传统的SSC检测有损、费时、费力;快速、无损检测久保桃的SSC含量对于其品质分级有着重要意义。离散二进制粒子群算法(BPSO)是在标准粒子群算法(PSO)的基础上,更新速度公式得到的,具有精度高,收敛快的特点,多用于离散空间的优化问题。基于高光谱技术结合BPSO算法及BPSO的组合特征波长选择算法对久保桃的SSC含量预测进行研究。首先采集198个久保桃样本的高光谱信息,获取久保桃900~1700nm范围内的光谱信息,计算感兴趣区域的平均光谱作为有效光谱数据,同时测量久保桃的SSC值。采用K-S(Kennard-Stone)算法将样本划分为校正集(147个)和预测集(51个)。使用BPSO特征波长选择算法对久保桃的原始光谱数据进行特征波长提取,并与竞争性自适应重加权算法(CARS)、连续投影法(SPA)、无信息变量选择法(UVE)等特征波长选择算法比较。同时为了避免单一算法建模中的不稳定问题,提出了基于BPSO的一次组合(BPS0+CARS、BPSO+SPA、BPSO+UVE)和二次组合[(BPSO+CARS)-SPA]、[(BPSO+SPA)-SPA]、[(BPSO+UVE)-SPA]特征波长提取方法。基于上述10种特征波长提取方法分别建立支持向量机(LS-SVM)模型和遗传算法(GA)优化的支持向量机模型(GA-SVM)模型。结果表明,基于BPSO算法提取特征波长建立的模型预测性能均高于其他单一特征波长方法,建立的两种模型预测集决定系数R_(p)^(2)均达到0.97以上;基于BPSO的组合算法中,二次组合(BPSO+SPA)-SPA算法建立的LS-SVM在特征波长数量较少的情况下对久保桃SSC含量预测性能最高,校正集和预测集决定系数R_(c)^(2)为0.982,R_(p)^(2)为0.955,均方根误差RMSEC为0.108,RMSEP为0.139。该模型预测性能略低于BPSO算法,但其仅用了22个特征波长进行建模,极大地简化了模型。说明(BPSO+SPA)-SPA是一种有效的特征波长提取方法,为水果SSC含量的无损检测提供了新的检测方法。

离散二进制粒子群算法在基于模型配电网故障诊断中的应用

提出一种基于模型的配电网故障诊断方案,该方案首先根据配电网原理模型的仿真数据和实际观测值存在的差异得到极小冲突集,然后由离散二进制粒子群优化算法推出可能的故障元件和故障形式,最后由贝叶斯方法确定概率最高的诊断结论。通过实际建模、编程和实验证明了该方案的可靠性和有效性。仿真结果表明,与HS-Tree、Boolean Algebra方法、遗传算法等算法相比,离散二进制粒子群算法搜索效率更高,可节约1/3～1/2的搜索时间,并且可以避免当问题规模较大时出现内存溢出问题。

基于离散二进制粒子群优化随机森林的平面变压器寄生参数预测模型

平面变压器的寄生参数是平面变压器结构设计以及电源电路设计的重要参考指标。由于寄生参数与平面变压器的结构、材料等存在非线性关系,寄生参数非常难以计算。针对现有的寄生参数预测算法以及寄生参数的特点,设计了一种基于离散二进制粒子群优化随机森林的平面变压器寄生参数预测模型。通过36组平面变压器数据对该模型进行训练和验证,结果显示此模型的预测精度符合实际需要。通过此模型与其他常用预测模型的比较,结果显示此模型的预测精度是最优的。以上结果表明了此模型的准确性和优越性,其预测结果可为平面变压器设计提供参考,具有重要的现实意义。

WSN的多目标优化任务分配建模与改进算法分析

针对无线传感器网络(Wireless Sensor Network,WSN)监控区域内的入侵者选择节点进行协同攻击的任务分配问题,本文建立以节点移动距离和节点能耗为主的任务分配问题数学模型,利用约束条件将任务分配算法转化为含约束条件的多目标优化(Multi-Objective Optimization,MOO)问题;在已有离散二进制粒子群优化(Binary Particle Swarm Optimization,BPSO)算法的基础上,提出基于惯性权值幂律策略的离散二进制粒子群优化(Power-law Distribution Binary Particle Swarm Optimization,PLD-BPSO)算法,对其惯性权值进行改进,增强了算法的寻优能力;最后使用线性加权法将基于模型的多目标问题转化为单目标寻优问题,通过仿真验证了该任务分配模型和任务分配方法的理论可行性,该算法具有比标准BPSO算法更强的寻优能力.

一种抗RS攻击的隐写算法

针对RS隐写分析方法,提出了一种改进的LSB信息隐藏算法以抵抗RS攻击。该算法首先运用一般的LSB隐写方法将秘密信息随机嵌入掩体图像中,然后利用离散二进制粒子群优化技术对嵌入信息后的stego图像进行有效的灰度值调整,使得修改后的stego图像不被RS隐写分析方法检测到秘密信息的存在。实验结果表明,该算法能有效抵抗RS隐写分析,且算法性能稳定。

物联网边缘计算卸载和资源分配关联算法

针对物联网边缘计算卸载与资源分配问题,提出改进混合离散二进制粒子群算法(improve-BPSO)。将卸载决策和资源分配的相关算法进行关联,建立以系统总成本为优化目标的函数模型;将离散二进制粒子群与模拟退火算法相结合,优化产生算子的方法,制定卸载决策及更新;在更新的卸载决策下,将原问题转化为计算资源分配问题,利用拉格朗日乘子法求最优解。通过仿真实验与参比算法对比,该算法在迭代次数、周期数等影响因素下的总成本最低,有效提升了物联网终端设备性能和服务质量。

基于文化算法多种群协作SVM选择集成算法

针对离散二进制粒子群(binary particle swarm optimization,BPSO)算法在解决SVM集成选择问题时容易早熟的问题,提出了一种文化算法架构下的多种群协作算法(Ca-MultiPop)。结合BPSO算法的快速演化能力,利用遗传算法(genetic algorithm,GA)增加种群的多样性;在两种进化算法中使用不同的适应度函数,兼顾了集成精度和基分类器之间的差异性。仿真结果表明,该算法在计算精度方面相对于BPSO算法在解决SVM集成选择问题时有所提高。

基于离散粒子群算法的应急物资选址与调度

【目的】为了提高应急管理水平,有效降低突发事件的不良影响,研究了应急物资储备库的合理布局与物资调度问题。【方法】针对应急物资储备库与物资调度问题的特点,建立了考虑物资供应约束以及转运平衡约束的多目标优化模型,目标函数为储备库建设成本、维护成本与物资运输成本之和最小,整体风险程度和整体灾害处置难度最小。【结果】设计了带惯性权重的离散二进制粒子群算法对模型进行了求解。【结论】仿真实例表明了模型以及算法的有效性与收敛性。

考虑通道规划的城市中压配电网络规划

针对城市新建城区的配网网架规划问题,提出了一种考虑街道走向约束的配电网规划模型,将电缆通道建设费用计入目标函数,考虑到实际规划中居民负荷和商业负荷分开供电的要求,采用开闭站布线算法和电缆分界室布线算法相结合的方法生成备选初始网络,使用离散二进制粒子群算法进行优化,得到最后结果。实际算例分析表明,该模型符合现实规划要求,算法求解效率高,规划结果更具有实用性和经济性,对实际的配电网规划更具指导意义。

基于特征选择和模糊支持向量机的刀具磨损状态识别

为了提高在不平衡性样本上的刀具磨损状态识别准确率,提出了一种基于特征选择和模糊支持向量机的刀具磨损状态识别方法。该方法通过离散二进制粒子群算法对特征进行选择,剔除冗余特征和无关特征,避免算法陷入维度灾难。设计了混合模糊隶属度函数,构建模糊支持向量机分类模型,采用粒子群算法优化模糊支持向量机关键参数,实现了刀具磨损状态识别。实验结果表明,在不平衡性样本情况下,基于特征选择和模糊支持向量机的刀具磨损状态识别方法具备良好的学习能力,具有较高的识别准确率。

三维芯片多层与多核并行测试调度优化方法

针对测试环节在三维(3D)芯片制造过程中成本过高的问题,提出一种基于时分复用(TDM)的协同优化各层之间、层与核之间测试资源的调度方法。首先,在3D芯片各层配置移位寄存器,通过移位寄存器组对输入数据的控制,实现对各层之间以及同一层的各个芯核之间的测试频率的合理划分,使位于不同位置的芯核能够被并行测试;其次,使用贪心算法优化寄存器的分配,减少芯核并行测试的空闲周期;最后,采用离散二进制粒子群优化(DBPSO)算法求出最优3D堆叠的布图,以便充分利用硅通孔(TSV)的传输潜力,提高并行测试效率,减少测试时间。实验结果表明,在功耗约束下,优化后整个测试访问机制(TAM)利用率平均上升16.28%,而3D堆叠的测试时间平均下降13.98%。所提方法减少了测试时间,降低了测试成本。

数控机床主轴绿色配置设计的不确定优化模型建立与求解

以MJ-50型数控车床主轴的模块化绿色配置设计为例,将技术性能最优、经济成本低、环境影响最小、能耗最少设为目标函数,建立包含模糊数与区间数的不确定组合优化模型;按三角模糊数和区间数的运算法则将其转换为确定型模型,并采用权重系数法把该多目标优化问题转化为单目标优化问题;采用离散二进制粒子群优化算法进行模型求解,获取最优解。实验证明该方法可行。

基于BD-PSO的航空货运站集装立体库任务分配优化研究

航空货运站集装立体库具有多出入口的特点,合理将任务集中地分配到各口是后续任务调度的基础.使用优化二进制离散粒子群优化算法,解决了原算法中粒子速度变化能力弱、全局寻优性能不佳的问题.仿真结果表明,该方法可快速优化进出口任务分配工作,能够满足工程现场需求.

MIV-SVM-BPSO模型在铀矿堆浸中的应用

利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh出,Fe3+进,Fe2+出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。

考虑V2G模式的电动汽车充电站规划

考虑到V2G模式和电动汽车充电站规划之间的联系,在分时电价机制的基础上,分析了电动汽车用户的充放电行为,并建立了电动汽车充电站的充电收益、放电成本和固有成本模型,同时以电动汽车充电站年总收益最大为目标函数。针对充电站候选站址的选择问题提出了包含环境条件、社会条件和政策因素等在内的外在选择条件。同时在Voronoi图的基础上结合路网交通流量对电动汽车充电站的容量进行确定。通过离散二进制粒子群算法实现了考虑V2G模式的电动汽车充电站的规划。最后,算例分析验证了规划模型的合理性和有效性。

大规模风电接入电网的机组组合问题研究

伴随着风力发电规模的日益增加,风电并网需求量增大,大电网环境下与之相适应的火电机组的启停组合经济调度问题显得特别突出。针对此问题,通过对离散二进制粒子群算法进行优化改进,采用等耗量微增率迭代法整合优化方案,用于解决火电机组启停组合经济调度问题。仿真结果表明:该方案接近最优,在满足电力系统约束条件下得出的机组组合方式能够使得总运行费用最低,能够根据风电具体预测信息,为电网接入的火电机组经济调度提供可靠依据。

基于多信号流图模型的导弹系统级测试性设计研究

针对导弹长时间贮存,一次性使用特点,开展测试性设计工作难度较大的问题,提出采用多信号流图模型对导弹系统进行测试性设计研究。根据故障模式、影响及危害性分析(FMECA)信息确定系统的故障模式,采用多信号流图模型建立导弹系统级测试性模型,根据可达性算法得到故障-测试相关性矩阵,确定系统的测试性指标。考虑到现有算法如遗传算法、二进制粒子群算法等诸多算法的缺点,提出采用混合离散二进制粒子群-遗传算法对测试进行优化选取,将22个备选测试减少至14个,大大减少测试个数。最后通过实例验证,所提算法可以满足系统测试性指标精度要求,并有效降低测试个数,减少测试费用。

基于改进BPSO的最小碰集搜索方法应用研究

本论文在对比分析常用最小碰集搜索方法性能优劣的基础上,提出了一种改进的离散二进制粒子群算法,并给出了该算法应用于最小碰集搜索的基本规则与流程,从最小冲突集集合簇中搜索获得全部最小碰集并做出诊断结论。随后,以卫星电源系统为应用案例,验证了该方法的性能优势、适用性以及工程实用性。

一种基于机载激光点云数据的电力线提取方法

提出一种基于机载激光点云数据的电力线提取方法。首先利用栅格区域高差特征提取电力线候选点,然后构建多类型、多邻域、多尺度点云特征,最后结合基于离散二进制粒子群算法与SVM分类器进行电力线点云分类提取。实验结果表明,电力线点云的精确率和召回率分别达到97.24和99.11,验证了本文方法对电力线点云提取的有效性。

云仿真平台任务负载均衡优化调度研究

云仿真平台下,部分计算节点的负载过大会降低仿真平台的性能及稳定性。为保证云仿真平台的平稳运行,同时满足用户对仿真效率的需求。提出综合仿真任务执行时间和负载均衡度,建立云平台综合优化目标函数。利用混沌粒子群算法(CBPSO)搜索全局最优调度方案,通过混沌初始化策略和混沌局部扰动策略来克服BPSO算法容易早熟的缺点。利用CloudSim云仿真软件搭建实验环境进行仿真实验。实验结果表明:上述方法搜索到的调度方案使云仿真平台同时获得较小的负载均衡度和较短的任务仿真时间,能够改善云仿真平台的性能。