基于最大适应度优化算法的订单产品模块化设计方法

通过研究复杂网络社团的层次性和重叠性,分析订单产品的产品结构特点,将复杂网络技术引入订单产品模块化设计中,构建订单产品的零部件关系网络表示方法,指出订单产品零部件关系网络中的网络簇(社团结构)可以看作是产品的模块。提出基于节点度的最大适应度优化算法,并将其应用于订单产品的模块化设计中。该算法能够在体现产品族网络层次性和重叠性的同时,快速划分出合理的产品模块。利用网络模块性评价函数(即Q函数),对模块划分结果进行了有效评价。以注塑机产品的模块化设计为例验证了该方法的系统性和可行性。

基于GTO优化CNN-LSTM的多变量负荷预测

提出了一种基于CNN-LSTM多变量负荷预测方法,分别介绍了CNN-LSTM、GTO算法,构建了多变量负荷预测模型,描述了多变量负荷预测思路,最后通过对比GTO优化前后的根均方差(RMSE)、平均绝对误差(MAE)、平均相对百分误差(MAPE)、决定系数(R2)四个指标,以及预测数据和真实数据的变化趋势图,证明GTO可以有效提高CNN-LSTM预测模型的鲁棒性以及精确性。

云计算环境下基于改进粒子群的任务调度算法

现有云计算任务调度算法为追求最短完成时间不能很好地兼顾成本。为此,提出一种基于改进粒子群的任务调度算法。采用间接编码方式对每个子任务占用的资源进行编码,给出解码方式,定义考虑时间和成本的适应度函数,确立粒子位置和速度的更新方法。实验结果表明,在相同的条件设置下,该算法的总任务完成时间和总任务完成成本小于传统粒子群优化算法。

基于P-PSO算法的室内有障碍通风环境下的多机器人气味源搜索

受湍流影响,室内通风环境下的烟羽分布表现出波动变化且不连续的特性;在一些角落处,较大的漩涡会产生长时间的局部浓度极值区;另外室内的障碍物也会改变烟羽的分布状况.因此室内有障碍通风环境下的机器人气味源搜索问题变得很复杂.本文提出了基于概率适应度函数的粒子群优化(Probability-fitness-function based particle swarm optimization,P-PSO)算法并用于多机器人气味源搜索.P-PSO算法的特点是采用概率而非确定数来表达适应度函数值.针对气味源搜索问题,P-PSO算法的适应度函数值由贝叶斯和变论域模糊推理估计的气味源概率表达.为验证提出的搜索策略,构建了对应实际边界条件的室内通风环境的烟羽模型.仿真研究证明了本文提出的P-PSO搜索算法用于解决气味源搜索问题的可行性.

Study on Adaptive Shape Optimization

Aim To introduce a new method of adaptive shape optimization (ASOP) based on three-dimensional structure boundary strength and optimize an engine bearing cap with the method. Methods Using the normal substance's property of thermal expansion and cooling shrinkage,the load which is proportional to the difference between the nodes' stress and their respective objective stress were applied to the corresponding variable nodes on the boundary.The thermal load made the nodes whose stress is greater than their objective stress expand along the boundary's normal direction and the nodes whose stress is less than objec- tive stress shrink in the opposite direction , This process would repeat until the stress on the boundary nodes was converge to the objective stress. Results The satisfied results have been obtained when optimizing an engine bearing cap.The mass of the bearing cap is reduced to 55 percent of the total. Conclusion ASOP is an efficient,practical and reliable method which is suitable for optimizing the shape of the continuous structures.

基于改进粒计算的K-medoids聚类算法

针对传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢以及聚类精度不够高等缺点,提出一种基于改进粒计算、粒度迭代搜索策略和优化适应度函数的新算法。该算法利用粒计算思想在有效粒子中选择K个密度大且距离较远的粒子,选择其中心点作为K个聚类初始中心点;并在对应的K个有效粒子中进行中心点更新,来减少迭代次数;采用类间距离和类内距离优化适应度函数来提高聚类的精度。实验结果表明:该算法在UCI多个标准数据集中测试,在有效缩短迭代次数的同时提高了算法聚类准确率。

基于IFDO-LSSVM的空气质量指数预测

提出一种基于改进的适应度相关优化器优化最小二乘支持向量机(IFDO-LSSVM)的空气质量指数(AQI)预测模型。首先,利用Mapminmax函数对数据预处理,然后,在适应度相关优化器(FDO)算法中利用改进的反向学习算法产生初始群体,以提高初始群体的质量和FDO算法收敛速度,形成IFDO算法。再利用IFDO算法优化以AQI为输出变量的LSSVM模型,得到IFDO-LSSVM预测模型。结果表明:IFDO-LSSVM模型预测精度高于FDO-LSSVM、鲸鱼优化算法(WOA)-LSSVM和粒子群优化(PSO)-LSSVM模型。

Prediction model for permeability index by integrating case-based reasoning with adaptive particle swarm optimization

To effectively predict the permeability index of smelting process in the imperial smelting furnace, an intelligent prediction model is proposed. It integrates the case-based reasoning （CBR） with adaptive par- ticle swarm optimization （PSO）. The nmnber of nearest neighbors and the weighted features vector are optimized online using the adaptive PSO to improve the prediction accuracy of CBR. The adaptive inertia weight and mutation operation are used to overcome the premature convergence of the PSO. The proposed method is validated a compared with the basic weighted CBR. The results show that the proposed model has higher prediction accuracy and better performance than the basic CBR model.

基于FRTLBO-梯度增强算法的运载火箭总体优化设计

针对运载火箭设计过程中存在质量常值约束、尺寸不等式约束的问题,提出了一种基于FRTLBO-梯度增强算法的运载火箭总体优化设计方法。采用敏感度分析提取包含发动机、气动、质量、尺寸4个学科的运载火箭主要设计参数,建立基于CFD方法的气动优化设计平台,优化出低阻运载火箭外形。仿真结果表明,FRTLBO-梯度增强算法优化算法较目前主流算法求解速度快、求解精度更高,运载器最优外形趋于Ⅰ子级直径与Ⅱ子级直径相等、Ⅲ子级直径略小且总长度为约束上界的气动布局形式。