基于极值动力学的自组织优化算法求解TSP问题

旅行商问题(travelingsale sman problem,TSP)具有很强的理论研究和工程应用价值.在定义离散状态变量和局部适应度的基础上,分析了TSP优化解的微观特征;将自组织临界(self-organized critic ality,SOC)的概念引入到组合优化领域,提出了一种基于极值动力学的自组织优化算法.该算法利用快速下降和间断涨落的动态搜索过程,高效地遍历解空间中的局部最优解.针对TSPLIB中典型实例,计算结果表明其求解效率和优化性能均优于模拟退火和遗传算法等优化方法.文中算法提供了一种全新的思路,有助于从系统角度理解组合优化问题的复杂性,并分析合理的优化动力学过程.

露天地下联合采矿联合保留层参数的自组织优化

露天地下联合开采同一矿体时 ,其采动效应相互影响和相互叠加 ,具有自组织特性。利用系统本身的自组织能力 ,采用差分法FLAC的非线性大变形程序进行露天地下联合采矿模拟研究 ,得出了在两种不同空间位置上开采造成边坡位移叠加的结果。将计算得出的边坡最大水平位移与边坡破坏时的极限位移进行比较 ,确定出合理的表征露天地下联合采矿的特征参数———联合保留层厚度 ,从而安全而又快速地实现矿山最终转为地下开采的目的。

基于自组织优化算法的一类多旅行商问题

多旅行商问题作为旅行商问题的一个扩展,是一个经典的组合优化问题,具有更高的复杂性,也具有更广泛的实际意义。针对每个旅行商允许经过的城市数有上限的多旅行商问题,通过引入虚拟城市把多旅行商问题转化为单旅行商问题,并且应用自组织优化算法进行了求解。虚拟城市局部适值的定义很好地处理了此类问题的能力约束,针对多旅行商问题的实例进行的仿真表明自组织优化算法可以很好地求解此类问题。

无人机群运载通信网络自组织优化方法

无人机(Unmanned Aerial Vehicle,UAV)运载通信网络具有覆盖范围广、部署迅速、机动灵活等天然优势,可以充当空中中继平台,为各类通信业务提供高性能的数据传输,在民用和军用领域应用前景广阔。基于此,介绍无人机群运载通信网络中覆盖部署优化、中继传输优化和飞行轨迹优化三个基本问题的研究现状和存在的难点问题,总结并提出未来具有研究价值的主要方向。

自组织优化分类的AUV地磁导航适配区选取

为确保水下自主航行器(autonomous underwater vehicle, AUV)地磁导航的可靠性及其航迹规划的合理性,提出了一种基于主成分分析(principal component analysis, PCA)和改进反向传播(back-propagation, BP)神经网络结合的候选地磁匹配区自组织优化分类方法。将候选地磁匹配区的分类问题统一在模式识别的框架下,首先,采用PCA对若干地磁图特征参数进行线性变换,获取独立的主成分特征参量;然后,利用遗传算法(genetic algorithm, GA)优化BP神经网络的初始权阈值来提高候选地磁匹配区适配性分类的准确性;最后,借助GA-BP神经网络来构建地磁图特征参数和匹配性能的映射关系,完成地磁适配区的自动识别。仿真实验结果表明,该自组织优化分类方法在地磁导航适配区选取方面具有较高的分类精度和可靠性,为AUV的高精度长航时自主导航提供重要保障。

政府创新过程的自组织研究

过程研究与自组织理论是破解政府创新黑箱的重要理论工具。过程研究能够破解政府创新黑箱的内部构成阶段与要素,而自组织理则阐明了政府创新内部构成阶段与要素的运行方式。通过对政府创新过程自组织运行方式的研究可以发现,政府创新过程具有自创生、自生长、自适应与突变性四个自组织运行特征,而建立开放的政府创新网络、有效的创新整体目标引导机制、创新反馈机制与创新评价选择机制,对于实现政府创新过程朝着新的、更高层次的自组织有序运行具有重要作用。

5G与人工智能技术的融合应用探析

随着5G技术和人工智能技术的飞速发展,探索5G与人工智能技术的融合应用已成为当前技术创新发展的趋势之一。基于此,文章首先对5G技术和人工智能技术进行了概述,其次重点分析了5G技术与人工智能技术融合在网络自组织优化、智能互联教育、智能资讯传播三方面的应用,最后简述了5G与人工智能技术融合应用的发展趋势。