大数据条件下算法驱动设计创新模型构建研究

随着智能化时代的来临,互联网、大数据、人工智能等技术迅猛发展,产品创新设计也步入了全新的智能化发展阶段。本文通过分析产品创新设计发展现状,结合大数据的信息价值,利用人工智能神经网络算法探索产品创新设计的新方法。文章通过对产品大数据概念、数据来源和数据获取的研究,分析了算法驱动产品设计创新建模的基本流程。

算法驱动型差别待遇行为法律规制的反思与完善

数字经济时代下,智能化技术广泛应用于市场交易各类场景中,经营者对存量市场展开激烈争夺,算法驱动型差别待遇即是这一时代的产物。算法自动化决策工具的使用,使差别待遇的基本类型发生改变,须以主体市场地位与行为对象为标准进行重新分类。对行为法律规制现状进行考察与反思,可知现行法律制度存在应对的局限性与不适配等问题,应对行为的法律规制制度进行完善:一是通过反不正当竞争新路径的提出,构建起竞争法规制体系,并基于《中华人民共和国反不正当竞争法(修订草案征求意见稿)》对行为规范展开分析;二是促进各法律制度之间的有效衔接,统一适用路径,实现协同共治模式下制度的准确选用;三是完善算法驱动型差别待遇行为的反不正当竞争制度。

智能算法驱动的计量业务服务平台研究

通过构建智能算法驱动的计量业务服务平台,为客户提供精准、安全、可靠、可信、便捷的计量数据服务;计量工作与现代数字技术、网络技术的联动,提升了数据挖掘能力,实现了数据融合、共享和应用,有效地提高了计量技术机构的智能化管理水平、工作效率和质量。

混合策略改进的风驱动优化算法

为解决风驱动优化算法存在的易陷入局部极值及收敛性差等问题,提出一种混合策略改进的风驱动优化算法。首先,使用Tent混沌映射初始化种群,增加初始个体的多样性;其次,引入柯西变异策略,扩大算法搜索范围,增强算法搜索能力并加速算法收敛;然后,利用反向学习策略生成新的全局最优解,提高算法逃离局部极值能力;最后,针对6个基准测试函数进行仿真实验,结果表明,所提算法收敛速度和精度均优于其他算法。

电力系统中数据驱动算法安全威胁分析及应对方法研究

随着清洁低碳能源体系的构建以及新型电力系统的发展,高不确定性、强非线性和高维状态/动作空间等特点使得基于模型驱动的电力系统分析与控制方法复杂度急剧提高,无法适应新环境下的准确性和实时性需求,数据驱动方法成为有效的解决方案。然而数据驱动方法亦存在数据安全、算法安全等内生安全问题,其大规模应用可能将安全风险传导至电力系统控制决策,造成新的跨数据–物理空间安全扰动。该问题尚未引起足够重视,相关研究也正处于起步阶段。该文首先总结了近年来针对能源系统的网络攻击事件和针对互联网/控制领域的数据驱动算法安全威胁事件,对电力系统中数据驱动算法安全风险进行分析;然后对电力系统可能遭受的数据攻击方式进行分类并总结其数学模型,给出3类有效的数据驱动算法攻击场景;进而针对数据驱动算法安全威胁的防御方法研究现状进行了归纳总结,探讨电力系统抵御此类攻击可采取的应对策略;最后,对电力系统中数据驱动算法安全风险分析与防御研究发展趋势进行展望。

学习驱动的分布式异构混合流水车间批量流能效调度优化

本文研究了分布式异构混合流水车间批量流能效调度问题,其中每个工厂的加工效率不同,工件可以分割成若干子批进入加工系统.以最大完成时间和总能耗为优化目标,建立了混合整数规划模型.本文提出了一种学习驱动的多目标进化算法,包括学习驱动的全局搜索和局部搜索.引入Q学习作为学习引擎,以种群和非支配解集的评价作为环境反馈信号,通过不断的学习来动态指导搜索操作的选择;基于问题特征,设计了算法的状态集、动作集和奖励机制.Q学习的引入能够及时感知当前搜索的状态,减少搜索操作的盲目性,提高搜索的效率.通过对仿真数据集的测试,表明所提出算法能够有效地求解分布式异构混合流水车间批量流能效调度问题.

基于二进制莱维风驱动算法的船舶岸电系统并网故障诊断方法研究

针对船舶岸电无缝并网过程中出现的过流和继电保护误动作等问题,提出了一种基于改进二进制风驱动算法的船舶岸电并网故障诊断方法。分析船舶岸电系统的继电保护方案,在继电器、断路器拒动/误动条件下研究多种继电保护之间的状态关系及其对岸船电力系统的综合影响。选取适合船舶岸电电力系统故障诊断的数学模型,并利用改进的二进制风驱动算法对模型进行求解。最终,通过故障算例验证了该模型的合理性和改进算法的可靠性。

基于风驱动算法的锅炉NO_x排放模型优化

为了准确地预测电站锅炉的NO_x排放量,以某300 MW亚临界循环流化床锅炉为研究对象,利用自适应风驱动优化(AWDO)算法和极端学习机(ELM)进行综合建模,并根据不同工况下现场收集的样本数据检验该模型的预测能力;将该模型的预测值与基本极端学习机、差分进化算法、粒子群算法和基本风驱动算法优化的极端学习机模型预测值进行比较.结果表明:AWDO算法可以更好地找到优化参数,该算法优化的极端学习机模型具有良好的预测精度和泛化能力,可以准确、有效地预测电站锅炉的NO_x排放量.

基于风驱动优化算法WDO的PID参数优化

鉴于PID控制器的优越性,其在工业控制领域中的引用越来越广泛。PID控制器的性能主要在于其参数优化设计,PID参数优化问题一直是研究热点。为了解决PID参数优化问题,提出了一种基于自然启发的风驱动优化算法(WDO)的PID优化控制方法,该算法以PID三个参量为控制对象,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过计算机仿真,并与遗传算法和粒子群算法PID参数优化相比,结果表明:该算法提高了系统的控制精度、响应速度和鲁棒性,为控制系统PID参数整定提供了参考。

基于改进风驱动优化算法的稀疏阵列旁瓣抑制方法

针对阵列稀疏通常会引起波束方向图旁瓣电平抬高的问题,本文提出了一种基于改进风驱动优化算法和凸优化的稀疏阵列旁瓣抑制方法。该方法首先针对传统的风驱动优化(Wind driven optimization,WDO)算法缺少普遍适用的参数设置方案,提出了一种结合高斯分布的改进风驱动优化算法。将半圆阵方向图的峰值旁瓣电平作为目标函数,采用改进的WDO算法作为全局优化算法来优化阵元位置,同时采用凸优化算法作为局部优化算法来高效求解有效阵元的最优加权系数,确保了阵元位置和权值的理想匹配。仿真结果表明,在稀疏阵列阵元数一定的情况下,算法可有效降低旁瓣水平,具有更好的全局寻优能力和更快的收敛速度,为稀疏阵列的旁瓣抑制提供了有效的优化设计方法。

好奇心驱动的深度强化学习机器人路径规划算法

针对采用深度强化学习算法实现机器人路径规划任务中,训练前期随机性高导致奖励难获取问题,提出内在好奇心驱动的深度确定性策略梯度算法对连续型动作输出的端到端机器人路径规划进行研究。将环境获取的感知信息作为输入状态,输出机器人动作(线速度、角速度)的连续型控制量,在Gazebo仿真平台进行训练并验证。实验结果表明,基于内在好奇心驱动的深度确定性策略梯度路径规划算法可以较好地实现端到端的机器人路径规划,并且有利于解决训练前期奖励难获取问题,与离散型动作输出的深度Q学习网络模型进行了对比分析,结果表明所提出算法决策控制效果更优越。在真实环境中进行了验证,在静态障碍和动态障碍的场景下,所提出算法可成功到达目标点。

用表驱动算法在GCC中优化实现指数函数

科学计算中的许多领域都需要快速而精确地计算超越函数,即exp、log、sin、tan等此类函数。本文采用表驱动算法,结合IA-64体系结构特点,在GCC中优化实现了指数函数(exp),提高了GCC编译器在IA-64系统上的浮点性能,为在IA-64和其它平台上高效实现所有超越函数打下了基础。

基于Levy飞行机制的风驱动优化算法

针对风驱动优化(Wind Driven Optimization,WDO)算法易陷入局部最优的问题,提出了一种基于Levy飞行机制的风驱动优化算法(Wind Driven Optimization based on Levy flight,LWDO)。Levy飞行独特的随机游走行为能够有效提升算法种群的多样性、扩大搜索范围,在风驱动算法空气质点初始位置更新完成后采用飞行概率选择性的对质点进行Levy飞行,可有效提高风驱动算法的种群全局搜索能力。最后,采用不同维度测试函数分别对原始风驱动优化算法、小波变异风驱动优化算法及LWDO算法进行比较。实验结果表明,在求解全局最优时LWDO算法能够及时跳出局部最优点,其寻优效率、寻优速率和算法稳定性都优于其他两种算法,尤为适合多峰值函数的迭代求解。

宽带计算机网络的快速时间驱动仿真算法

本文针对离散事件驱动法仿真宽带网络仿真速度慢的缺点 ,提出了一种适合于网络离散系统的快速时间驱动仿真算法 ,该算法容许仿真误差存在 ,但极大地提高了仿真的速度 ,而且仿真误差可以控制在一定的范围内 ,其影响随时间的推移而消失 .

算法驱动下的内容深耕:Netflix内容运营创新研究

面对激烈的市场竞争,Netflix将算法、数据与内容有机耦合,成功转型为内容制作平台,其内容运营的创新举措包括算法驱动实现深度个性化、“微类型”重新定义“类型”惯例、全球本土化深耕内容市场、构建跨媒介叙事产品体系。本文认为,中国主流媒体应借鉴Netflix的经验,将“算法思维”嵌入内容运营体系,以全球本土化提升中国故事传播力,善用IP资源实现收益最大化,进一步提升内容创新力和市场开拓力。

非可行解驱动进化算法和多元分析技术在船型参数优化中的应用

引入非可行解驱动进化算法(infeasibility driven evolutionary algorithm,IDEA)和多元分析技术开展船型参数优化和设计模型分析.针对一艘散装货舱在概念设计阶段的船型参数设计,应用IDEA算法进行多目标优化,然后采用距离理想解最近的方法对Pareto解集进行量化评价,选取一个满意的设计方案,最后应用多元分析技术分析Pareto解集获取船舶设计变量之间特性,即采用层次聚类方法得到样本或者变量之间的相互距离关系和等距特征映射(Isomap)的降维方法,得到变量在二维平面上的映射图,采用最小二乘法得到Pareto解集上变量之间的拟合关系式.数值结果表明:IDEA运算速度快,Pareto解集分散性良好.基于多元分析技术的数据挖掘应用能够获得对模型更多的认识,揭示模型内在关系.

一种基于量子风驱动优化算法的移动机器人路径规划

针对移动机器人路径规划过程中算法效率低、在复杂环境中自适应能力差、容易陷入局部最优的问题,将风驱动优化算法应用到路径规划中。首先使用包围点算法确定围绕关键障碍物的一组栅格点,在基于包围点算法生成初始路径后,使用量子风驱动算法对生成的路径进行优化。将风驱动优化算法与量子蝙蝠算法和量子粒子群算法分别在10张地图中进行测试,由测试数据可以看出量子风驱动算法在路径长度和算法效率上都优于其他两种算法。最后将3种算法应用到移动机器人中,风驱动优化算法的优势性与地图测试结果一致。

风驱动-差分进化混合优化算法设计及其性能分析

由于存在前期收敛过快而易陷入局部最优、后期多样性不足导致收敛速度变慢等缺陷,风驱动优化算法对多峰函数往往不能获得全局最优结果。针对这类问题,提出两种风驱动-差分进化混合优化算法,其一是将差分进化算法与风驱动优化算法过程并行,通过比较二者之间的适应度值实现全局优化;其二为将差分进化算法的优化算子嵌入风驱动优化算法的迭代寻优过程,通过增加整个种群的多样性提高全局优化能力。首先设计两种混合优化算法的流程,然后选用八个标准函数测试其性能,并以MATLAB编程运行。验证结果表明,两种风驱动-差分进化混合优化算法的各项评价指标显著高于其他四种优化算法。

汽车动态仿真器运动系统的两种驱动算法模拟逼真度分析与比较

本文利用驾驶员前庭系统模型分析比较汽车动态仿真器运动系统的两种驱动算法的模拟逼真度。仿真结果表明,自适应Washout驱动算法比传统Washout驱动算法具有更高的模拟逼真度。因此,汽车动态仿真器用自适应算法可为驾驶员提供更为逼真的运动感觉。

基于Lévy飞行的风驱动优化算法

针对风驱动优化算法易陷入局部极值的缺陷,本文提出一种基于Lévy飞行的风驱动优化改进算法。改进算法使用Lévy分布对迭代搜索到目前为止的最优空气质点进行随机扰动,扰动结果作为被选择变异的空气质点的更新位置,此策略充分利用Lévy飞行频繁的短距离局部搜索与偶尔较长距离游走的特性,加快算法局部搜索速度和引导算法跳出局部极值。在对10个测试函数的性能分析实验结果表明,改进算法的寻优性能较WDO、AWDO、GWDO、PSO、GA、FPA等算法有显著提升,从而验证了所提改进策略的有效性。