IDEA的随机群和随机置换

提出了对迭代分组密码IDEA的轮函数的两种强化方法———随机群和随机置换 .叙述并了证明了强化对IDEA的改善效果 ,并通过对代价的考虑说明强化是值得的 .

三种补液方式预防即发型及迟发型献血相关血管迷走神经反应的效果研究:基于群组随机试验

目的对比3种献血前补液方式对预防即发型及迟发型献血相关血管迷走神经反应(vasovagal response,VVR)的效果。方法2021年1—6月,在本中心6个固定献血点对符合献血条件,签署知情同意的6250名全血献血者,按献血点和日期分为198个群组,按随机数法随机分配到口服补液盐(ORS)组,糖水组或饮用水组,分别在献血前20 min内喝完500 mL饮用水,糖水及ORS,研究人员现场记录干预的实际完成情况,并登记现场发生的VVR及相关情况。献血后休息时,献血者完成包含社会人口学信息的电子问卷。献血后48 h,研究人员电话回访每位献血者,登记迟发型VVR及相关情况。基于意向性分析法(ITT)Logistic回归分析3组间VVR发生率差异,考虑到依从性的影响,计算干预组的平均处理效应(ATT)。用PASS 2021估算样本量,R(4.2.0)做统计分析。结果本中心固定点全血献血者在3种不同的献血前补液方式干预下,献血相关VVR的累计发生率为2.67%(2.29%~3.11%),其中,即发型和迟发型VVR的发生率分别为1.02%(0.79%~1.31%)和1.65%(1.36%~2.01%)。ITT分析仅发现ORS比水组可有效降低迟发型VVR发生率【OR=0.59,95%CI[0.37,0.94]】。ATT分析考虑了依从性的影响发现:任意两组间即发型VVR发生率差异均无统计学意义(P>0.05);糖水组对比饮用水组的迟发型VVR发生率差异无统计学意义(P>0.05)。补充ORS对比饮用水,迟发型VVR发生率平均下降值相差了-0.013,95%CI[-0.022,-0.004],补充ORS对比糖水,迟发型VVR发生率平均下降值相差了-0.008,95%CI[-0.017,-0.000],差异均有统计学意义(P<0.05)。3个组累计VVR显示了与迟发型VVR相似的结果。结论献血前补充ORS对预防迟发型VVR效果最好,下一步可建立迟发型VVR预测模型甄别易感人群,建议其献血前喝ORS,其他人群献血前可根据喜好任选液体,实现献血相关VVR的个性化防控。

基于改进随机蛙群投影寻踪的装备试验鉴定能力评估方法

针对装备试验鉴定能力评估缺乏相应评估理论和方法的问题,在剖析装备试验鉴定能力内涵的基础上,建立评估指标体系,构建装备试验鉴定能力投影寻踪多变量约束评估模型,设计基于改进随机蛙群的评估模型求解算法,形成基于最大投影方向的能力评估方法。评估示例结果表明了所提方法的可行性和有效性,可为掌握装备试验鉴定能力整体水平、能力底数和短板弱项等提供理论和方法支撑。

采用随机微粒群算法的舰船消磁系统优化调整

随着舰船消磁技术的发展,消磁线圈的数目越来越多,用于调整消磁系统的常规方法越来越难以实施.为解决这一问题,采用随机微粒群算法对舰船消磁系统进行了优化调整,给出了优化调整数学模型及优化结果.计算例子表明随机微粒群算法在舰船消磁磁场特征均方根最小和峰值最小方面均比常规方法更有优势,而且这种方法还能用于优化与舰船磁场特征相关的任意一个或多个参数.因此,利用这种新方法可以将舰船消磁系统调整到最优状态,从而能够保证舰船的磁性安全.另外,随机微粒群算法具有算法直观,编程简单,计算速度快的优点,可以方便地应用于工程实际.

多目标分解随机粒子群优化算法及其在直线电机优化设计中的应用

本文提出了一种多目标分解随机粒子群优化算法(MDSPSO).该算法优化过程中,所有粒子按各自固定的权重向量,采用改进Tchebycheff分解方法,将求解多目标非支配解问题转化为求解多个单目标最优解问题;而后每个粒子在以自身位置、个体历史最优参考位置及群体最优参考位置的几何中心为中心,以中心到自身位置为半径的区域内,随机生成一个新的起始位置,并参考当前的速度更新下一时刻的位置.通过对测试函数多次计算得到的数据进行统计分析,表明MDSPSO的收敛性和多样性均优于另外3种对比算法.最后针对直线电机磁路复杂、有限元计算费时的问题,使用神经网络拟合直线电机结构参数与性能的关系作为优化设计的模型,应用MDSPSO算法,优化结构参数.实际测试结果表明,优化后的直线电机推力大、效率高,同时有效控制了其推力波动和生产成本.

基于改进均值聚类随机粒子群算法的变电站LCC规划

基于设备全寿命周期成本(LCC)建立了配电网变电站选址定容新模型,模型统筹考虑了规划方案的初始投资成本、运行维护成本、故障成本、废弃成本,在满足安全、效能的前提下使得规划模型在全寿命周期内经济性最优。提出一种将均值聚类与随机粒子群算法相结合的改进粒子群算法对上述规划模型进行求解,该算法克服了粒子群优化算法(PSO)的早熟现象。通过规划实例验证了该文所提模型和方法正确性和有效性,其规划结果科学、可行,具有更高的实用价值。

基于锦标赛选择遗传算法的随机微粒群算法

以保证全局收敛的随机微粒群算法SPSO为基础,提出了一种改进的随机微粒群算法——GAT-SPSO。该方法是在SPSO的进化过程中,以锦标赛选择机制下的遗传算法所产生的最优个体来代替SPSO中停止的微粒,参与下一代的群体进化。通过对三个多峰的测试函数进行仿真,其结果表明:在搜索空间维数相同的情况下,GAT-SPSO的收敛率及收敛速度均大大优于SPSO。

基于随机聚焦粒子群算法的电力系统无功优化

随机聚焦粒子群优化算法(stochastic focusing particle swarm optimization,SFPSO)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法。该方法以最优控制原理为基础,以网损最小为目标函数。在IEEE30节点系统上进行了测试,仿真结果表明SFPSO算法在计算精度、收敛稳定性、寻优时间等方面都具有优势,能有效地应用于电力系统无功优化。

保证全局收敛的随机粒子群新算法

针对粒子群算法未成熟收敛的弱点进行了改进。给出了保证算法全局收敛的充分条件,即全局性假设条件和单调性假设条件,进而依据提出的全局收敛的充分条件,设计了具有柯西随机和高斯随机性质的粒子群算法。实验结果表明,本文提出的具有全局收敛性的粒子群算法能够有效地求解全局优化问题。

双群体随机微粒群算法

以保证全局收敛的随机微粒群算法为基础,文章提出了一种双群体随机微粒群算法——DB-SPSO。该方法采用两个群体同时进化,一个群体在进化过程中所出现的停止微粒由另一群体的微粒来代替,并和此群体中其余的微粒一起继续进化。通过对此算法的参数适用范围及收敛率进行讨论,给出了此算法的适用范围。其仿真结果表明:对于单峰函数和多峰函数,此算法都能够取得较好的优化效果。

一种基于轮盘赌选择遗传算法的随机微粒群算法

以保证全局收敛的随机微粒群算法SPSO为基础,本文提出了一种改进的随机微粒群算法——GAR-SPSO。该方法是在SPSO的进化过程中,以轮盘赌选择机制下的遗传算法所产生的最优个体来代替SPSO中停止的微粒,参与下一代的群体进化。通过对五个多峰的测试函数进行仿真明:在搜索空间维数相同的情况下,GAR-SPSO收敛率及收敛速度均大大优于SPSO。

基于随机粒子群的Newton-SVD方法的电测井反演

提出一种基于随机粒子群的Newton-SVD方法对双侧向测井进行双参数反演(原状地层电阻率,侵入带半径),运用随机粒子群方法得到双侧向测井反演的一个较为合理的初始值,结合Newton-SVD方法进行双侧向测井反演,提高测井反演的稳定性、可靠性,给出一种设定测井反演初始值的方法,通过对加入噪声的理想模型和实际资料进行处理表明,该方法可有效、准确地消除复杂测井环境的影响,得到真实的地层参数.

基于随机聚焦粒子群算法的多机系统PSS参数优化

随机聚焦粒子群算法(SFPSO)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法。通过采用SFPSO算法,对多机系统的PSS参数进行优化。该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力。通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性。

基于聚类分析的随机微粒群算法

在对一种保证全局收敛的微粒群算法——随机PSO算法(SPSO)进行分析的基础上,提出了一种基于聚类分析的随机微粒群算法(CSPSO)。CSPSO算法保证了种群的多样性,使微粒能够有效地进行全局搜索。并证明了它依概率收敛于全局最优解。最后以典型的复杂基准优化问题进行了仿真实验,验证了CSPSO的有效性。

随机漂移粒子群算法的RZWQM替代模型参数优化

根区水质量模型(Root Zone Water Quality Model,RZWQM)被广泛应用于刻画土壤水文循环过程对作物生长的影响,并通过模型率定模拟指导农业生产管理。然而RZWQM模型的一次率定需要较长时间,在可接受时间范围内找到一组合适的模型参数是一件较困难的工作;同时传统的模型参数试错法依赖于使用者的专业知识和经验,也需要多次尝试才能达到较满意的模拟效果。提出使用稀疏网格方法建立RZWQM模型的近似替代模型,并使用随机漂移粒子群优化算法对替代模型进行自动参数优化,将优化后的参数用于RZWQM模型的实际应用模拟。替代模型近似精度高,率定速度快,大大节省了模型参数优化的计算开销。最后将提出的稀疏网格近似替代模型方法结合随机漂移粒子群优化算法使用美国爱荷华州5年玉米-大豆间中的作物产量、排水流量、NO-3-N流失量田间实测数据进行了验证分析。结果显示该方法能够极大地提高模型参数优化效率和节省人力;同时,通过模型性能评价指标PBIAS、NSE和RSR的数值比较也表明该方法优化后的RZWQM模型性能要好于传统试错法的模型性能。

群随机试验与传统随机试验统计方法对比分析

目的 介绍群随机试验的统计方法并与传统方法比较。方法 以青少年戒烟干预试验为例 ,介绍群随机试验的假设检验及样本含量估计方法。结果 用传统统计方法分析群随机试验会产生虚假的统计显著性结论 ,增大了Ⅰ型错误 ;用传统样本含量计算公式将低估群随机试验所需的样本含量 ,增大了Ⅱ型错误。

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象 ,设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面 :一是提出了采用倒指数曲线来描述的扰动因子 ;二是设计出了相应的随机选择策略和扰动策略。此外 ,还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题 ,并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算 ,并与基本蚁群算法进行比较 ,证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷 ,具有更好的全局优化能力。

一种随机粒子群算法及应用

为提高粒子群算法的优化效率,在分析量子粒子群优化算法的基础上,提出了一种随机粒子群优化算法。该算法只有一个控制参数,搜索步长由一个随机变量的取值动态决定,通过合理设计控制参数的取值,实现对目标位置的跟踪。标准测试函数极值优化和聚类优化的实验结果表明,与量子粒子群和普通粒子群算法相比,该算法在优化能力和优化效率两方面都有改进。

随机优化蚁群算法在空战决策中的应用

空战决策是多机协同多目标攻击的关键技术。在传统蚁群算法基础上,对其搜索机制进行了改进,提出了一种随机优化蚁群算法,并将其应用于空战决策。建立了空战威胁数学模型,给出了产生随机排列的"随机补0"法,有效优化了蚁群的搜索机制。仿真结果表明这种随机优化蚁群算法克服了传统蚁群算法局部收敛的缺陷,特别是空战规模较大时更显示出其较快的收敛速度和全局收敛能力。

用随机决策树群算法进行高光谱遥感影像分类

高光谱影像具有丰富的光谱信息,与全色、多光谱影像相比能更好地进行地面目标的分类识别.该文对决策树分类算法的优劣进行分析,引入随机决策树群算法,对青海省祁连县Hyperion高光谱影像和IRS-P6影像数据进行实验,使用子空间划分和光谱距离进行降维后,分别采用支持向量机、神经网络、最大似然法进行分类,并与随机决策树群算法分类结果进行比较.结果表明,该算法表现最优且无需降维预处理,可广泛应用于高光谱遥感领域.