智能算法优化XGBoost的聚能-爆破装药比冲量预测

为了探索聚能-爆破装药结构、爆破距离等参数与比冲量间的复杂关系,提出一种智能算法优化极端梯度提升(eXtreme Gradient Boosting,XGBoost)的聚能-爆破装药比冲量预测模型.采用相关性分析方法,探寻聚能-爆破装药结构参数、爆破距离参数与比冲量之间的关联程度.使用具有数据并行处理能力和集成学习思想的XGBoost算法,挖掘结构参数、爆破距离参数与比冲量间的潜在非线性关系.基于粒子群算法(Particle Swarm Optimization,PSO)良好的全局搜索能力和蚁群算法(Ant Colony Optimization,ACO)优良的局部搜索能力,设计双智能算法优化XGBoost的融合预测模型PSO-ACO-XGBoost,提高聚能-爆破装药比冲量预测精度.PSO和ACO分别用于搜索XGBoost超参数解空间的全局最优解与局部最优解.实验结果表明,PSO-ACO-XGBoost模型相较于BP、XGBoost、PSO-BP、ACO-XGBoost等其它8种预测模型,在预测精度、拟合程度、速度和稳定性等方面具有最佳性能.

基于迁移学习和参数优化的干扰效能评估方法

针对数字通信系统中传统误码率评估导致干扰效能评估结果单一的问题,该文提出了一种基于迁移学习和参数优化的干扰效能评估方法。该方法选取各信号处理模块的核心参数作为机器学习的训练指标,并以优劣解距离的评估结果作为分类标准,采用支持向量机训练评估模型。通过改进蚁群算法的全局搜索能力和迁移学习的知识传递特性分别解决了支持向量机中的参数优化问题和训练样本中的数据缺失问题。仿真实验结果表明,掌握源域数据集的支持向量机在模型准确度方面提升4.2%,牺牲初始收敛能力的参数优化与最优解的靠近程度提升4.7%,并且可以应用于数字通信系统的干扰效能评估。

基于ACO-USK优化VMD参数的滚动轴承故障诊断研究

传统变分模态分解(VMD)技术需要人为主观预设模态分解个数K和二次惩罚因子α,由此可能导致信号的欠分解、过分解、模态混叠或信息丢失等问题,从而影响对滚动轴承早期故障信号的分解效果。本文根据峭度指标对滚动轴承早期故障异常敏感的特点,提出了一种以联合平方峭度(USK)指标为目标函数,结合蚁群优化(ACO)算法的ACO-USK优化方法,对VMD模态分解个数K和二次惩罚因子α进行自适应寻优。研究结果表明:对于滚动轴承早期故障信号,与以包络熵(EE)为目标函数的VMD优化方法对比,本文提出的方法既具有较好的包络谱信噪比(SNRES),又有在计算用时上的优越性,具有一定的工程应用价值。

基于深度神经网络的信息管理软件自动化测试方法研究

目前信息管理软件自动化测试通常为集中式测试的方式,仍然存在与实际情况差别较大的局限性。为解决这一问题,提出以分布式自动化为基础,对ACO算法做出改进的自动化信息管理软件测试方法。经过实例验证,方法切实可行,集合划分能力更强,具有更高的精确度和时效性。

紫外-可见吸收光谱结合化学计量学算法的水体总有机碳浓度快速检测

总有机碳(TOC)指悬浮或溶解于水中有机物的含碳总量,是以单位体积水体中含碳的质量来表示水中有机物的浓度,通过总有机碳可以更全面反映水中有机污染物的总量。总有机碳的监测能够推动我国实现“碳达峰”和“碳中和”的目标,也对我国海洋地球碳循环的研究具有重要的意义。目前,国标法测量水质TOC主要采用高温催化氧化法和湿法氧化法,这两种方法虽测量准确、可解释性强,但都具有测试方法复杂、测量时间长、易产生二次污染、人力物力消耗巨大等缺点,且仅能在实验室内完成,无法进行TOC的原位在线测量。因此发展水质TOC快速、实时、在线监测技术具有重要意义。为此,建立了TOC标准溶液浓度基于紫外吸收光谱的单波长检测模型,针对物质种类更为复杂的真实水样分别使用ACO-PLS和SPA算法筛选特征波长,对比S-G平滑处理、最小最大归一化、标准正态变换(SNV)、消除常数偏移量、导数校正等多种光谱预处理方法的效果,经过粒子群算法优化的最小二乘支持向量机算法(PSO-LSSVM)建立快速检测模型。结果表明,选取不同数量特征波长,经SNV算法预处理后的建模效果普遍优于其他预处理方法;选用不同预处理算法,最佳特征波长数量普遍为50个,过多或过少的波长数量会使建模精度降低;最佳建模参数为选用SNV预处理方法,经ACO-PLS算法筛选50个特征波长组合并利用PSO-LSSVM算法建模,最优模型结果训练集Rc达到0.984 3, RMSEC为0.457 4,验证集Rp为0.974 5, RMSEP为0.481 1。将最优光谱检测模型应用于新采集水样,预测结果较为准确,具有一定鲁棒性。表明ACO-PLS算法可以有效选取特征波长,结合PSO-LSSVM算法可以实现利用紫外-可见吸收光谱对水体中TOC的测量,为水体TOC含量快速检测提供一种快速、无污染的测量方案,给相应传感器的研发提供了科学支持。

结合竞争交互策略和淘汰重组机制的异构多蚁群算法

针对传统的蚁群算法在解决旅行商问题时(traveling salesman problem,TSP)存在着收敛速度慢、容易陷入局部最优等问题,提出了一种结合竞争交互策略和淘汰重组机制的异构多蚁群算法。建立一个异构多种群系统,算法采用竞争交互策略,根据不同时期各种群的汉明距离来自适应的调节交互周期;并利用竞争系数来差异化匹配交互对象,经过匹配后的交互对象之间通过最优解和信息素矩阵进行交互,通过该机制实现了算法收敛速度和多样性的平衡。算法采用了淘汰重组机制,会定期对寻优能力差的种群进行淘汰与重组,以加快算法的求解精度。采用多组不同规模的TSP算例进行仿真实验,结果表明,该算法在提高求解精度和收敛速度方面表现更优。

“红阳”猕猴桃采后乙烯生成系统Ⅰ、Ⅱ转变中的关键基因

以“红阳”猕猴桃为原料,采用乙烯进行干预,探究采后果实贮藏期内后熟理化指标、乙烯生成速率和乙烯生成关键酶ACS和ACO活性的变化差异。利用实时荧光定量PCR结合生物信息学分析研究影响ACS和ACO的基因家族各成员的表达差异,克隆乙烯生成系统Ⅰ到Ⅱ转变的关键基因。结果表明:“红阳”猕猴桃在采后贮藏期间硬度从8.7 kg/cm^(2)下降至0.02 kg/cm^(2)、可溶性固容物从8.1%上升至16.9%,乙烯干预和未干预组猕猴桃果实的ACS、ACO活性都呈先上升后下降的趋势,与呼吸强度、乙烯释放速率的变化趋势具有一致性。未干预组样本果实ACS、ACO活性、呼吸强度同时在第9天达到峰值,而乙烯释放速率第7天达到峰值,乙烯处理组则同时第5天达到峰值,表明乙烯处理可以加快猕猴桃果实呼吸高峰、乙烯释放速率高峰和ACS、ACO活性变化峰值的到来。从“红阳”猕猴桃果实中克隆得到6个ACO基因,命名为AcACO1-6。AcACO1-6编码区序列为1101~1270 bp,编码352~402个氨基酸,核苷酸序列同源性为28.3%~99.3%,且均有相同保守结构域PLN02299,该结构域具有ACO酶活性。qRT-PCR结果表明ACO相对表达量是ACS的500倍,ACO基因家族中的AcACO1和AcACO3表达量的变化,和乙烯生成、酶活性变化有高度一致性(R>0.85),且其启动子序列富含涉及转录调控的顺式作用元件,提示AcACO1和AcACO3基因是乙烯生成系统Ⅰ到系统Ⅱ转变的关键基因。

玉米ACO基因家族生物信息学及表达模式分析

【目的】对玉米1-氨基环丙烷-1-羧酸氧化酶ACO基因家族进行全基因组鉴定,分析其在玉米不同器官和不同发育时期以及响应外源激素和病菌侵染中的表达模式,为明确玉米ACO基因家族功能打下基础。【方法】利用生物信息学方法,在玉米B73自交系基因组中鉴定ACO,对其基因结构、蛋白质理化性质、家族成员间的亲缘关系以及保守基序进行分析,利用实时荧光定量PCR(real-time fluorescence quantitative PCR,qRT-PCR)技术分析ZmACO基因家族的表达模式。【结果】除ZmACO11外,ZmACO家族成员均具有Fe2+离子结合位点和底物抗坏血酸结合位点。系统发育分析显示,ZmACO_(2)与ScACO在同一分支,亲缘关系较近,Bootstrap值达98。基因表达分析表明,ZmACO_(2)、5、9、15、20、35在各发育时期均活跃表达,且在叶片中呈优势表达,因此选择上述6个基因进行下一步检测。喷施乙烯利后,上述6个基因的表达均有所波动,其中ZmACO_(2)的表达量受影响较大,变化幅度在8倍左右。在乙烯利处理的0—24 h内这6个基因的表达量存在波动,但在处理后24 h,6个基因的表达量均接近0。水杨酸处理后,ZmACO5的表达量受影响较大,变化倍数在2倍左右。其他基因的表达量在处理后24 h均接近0。ZmACO9、35在3—12 h的表达量存在波动,ZmACO_(2)、15、20表达量呈下调趋势。在响应生物胁迫方面,接种玉米大斑病菌(Setosphaeria turcica)后,ZmACO5、9的表达量变化幅度最大,在接种后第10天,这两个基因的表达量分别升至对照组的50和60倍。接种玉米小斑病菌(Cochlibolus heterostrophus)后,ZmACO5的表达量变化幅度较大,变化倍数在40—90倍。接种立枯丝核菌(Rhizoctonia solani)后,ZmACO5、35表达量变化幅度最大,在病菌接种的第3天达到200倍。【结论】ZmACO_(2)、5、20、35在玉米生长发育过程中表达变化最活跃;施加外源乙烯利和水杨酸可以对ZmACO的表达水平造成显著影响。病菌侵染玉米后ZmACO的表达水平产生显著变化,与生物胁迫应答关系密切。

基于ACO-BP模型的岩石爆破破碎块度预测

为了对岩石爆破破碎块度进行有效预测,设计开展了混凝土试件钻孔爆破试验,得到不同试验条件下的破碎块度归一化值分布,最终选取试块尺寸40 mm以上进行研究。采用Spearman相关系数分析各试验条件参数之间的相关性,再采用蚁群算法(ACO)优化BP神经网络的初始权值和阈值,构建ACO-BP模型。结合现场试块爆破破碎块度数据对模型进行了训练和测试,并将预测模型与BP神经网络模型、随机森林(RF)模型、极限梯度提升(XGboost)模型进行了对比。结果表明,ACO-BP模型预测爆破块度均方根误差为0.13,平均绝对误差为0.11,决定系数为0.92,预测精度和适用性更高,能够更准确地预测岩石爆破破碎块度。

黑莓1-氨基环丙烷-1-羧酸氧化酶基因RuACO 1a和RuACO 1b的克隆及功能鉴定

基于前期黑莓(Rubus spp.)品种‘Navaho’果实转录组测序结果,通过反转录PCR克隆获得2个1-氨基环丙烷-1-羧酸氧化酶(ACO)基因,命名为RuACO 1a和RuACO 1b。结果表明:RuACO 1a和RuACO 1b的开放阅读框(ORF)长度分别为939和918 bp,分别含有4和3个外显子。系统进化分析结果显示RuACO1a和RuACO1b与月季(Rosa chinensis Jacq.)、蕨麻〔Argentina anserina(Linn.)Rydb.〕和野草莓(Fragaria vesca Linn.)ACO1蛋白的亲缘关系均较近,且分别属于蔷薇科(Rosaceae)植物中2类ACO1蛋白。RuACO 1a在果实着色后28 d响应乙烯利诱导,其相对表达量急剧升高,而RuACO 1b在果实着色后21 d响应乙烯利诱导,早于RuACO 1a。脱落酸处理后,RuACO 1a和RuACO 1b的相对表达量在果实着色后14和28 d较高。RuACO 1a和RuACO 1b具有组织表达特异性,RuACO 1a在幼果、花蕾和花中的相对表达量较高,RuACO 1b在幼果和幼根中的相对表达量较高。与野生型相比,RuACO 1a和RuACO 1b过量表达转基因拟南芥〔Arabidopsis thaliana(Linn.)Heynh.〕植株均表现为叶片中叶绿素相对含量和氮含量升高、开花和角果成熟提前、ACO含量升高。综上所述,黑莓RuACO 1a和RuACO 1b基因均促进拟南芥角果提前成熟。

基于多精度规划窗口的无人机航迹规划方法研究

航迹规划是无人机(unmanned aerial vehicle,UAV)任务规划系统的核心部分之一,其主要任务是结合战场环境等约束条件,寻找一条安全系数高、满足任务需求且飞行代价小的UAV最优飞行航迹。基于现有蚁群优化(ant colony optimization,ACO)算法,在其并行能力基础上提出一种多精度规划窗口方法。该方法在初始航迹基础上,进一步针对局部飞行环境特点,自动配置局部规划窗口、规划精度和规划参数,并行地开展多精度窗口航迹调整,可在较短时间内优化出一条适应战场环境的飞行航迹。仿真分析表明,不同战场环境下所需的算法参数配置、规划精度各有不同,通过多精度规划窗口的优化与调整,最终飞行航迹可适应不同战场环境,且具备较好的规划效率与精度。

海上油田群水域应急救援船舶路径规划方法研究

文中提出了基于Dijkstra-ACO算法的海上油田群水域应急救援船舶路径规划方法.根据油田群水域的环境特征,运用Maklink图论算法构建救援船舶路径规划的二维空间模型,并结合Dijkstra算法与ACO算法提出应急救援船舶的路径规划算法,以山东东营油田群水域为例进行模型验证.结果表明:基于Dijkstra-ACO的应急救援船舶路径规划方法优于传统路径规划方法.

短初级永磁同步直线电机推力波动优化

带辅助极式短初级永磁同步电机理论上可通过优化电机结构,实现辅助极定位力与电枢定位力相互抵消,达到保持高推力的同时降低推力波动的目的。但永磁同步直线电机(permanent magnet linear synchronous motor,PMLSM)待优化参数多,其电磁非线性的特征增加了优化的难度和工作量。为提升优化效率,课题组提出了一种帕累托(Pareto)蚁群优化算法(ant colony optimization,ACO)。Pareto ACO采用可变信息素挥发系数替代传统的固定挥发系数,使全局搜索速度与局部搜索速度更快;通过与同类多目标算法的3种测试函数处理结果作比较,得出Pareto ACO的性能更优越;利用Pareto ACO对带辅助极式短初级永磁同步直线电机槽口宽度、辅助极宽度和永磁体宽度等结构尺寸进行多目标优化。优化结果表明该算法可有效节省永磁体材料,降低推力波动,实验验证了该算法的有效性。

改进的可见光通信系统PTS峰均比抑制方法

针对非对称剪切正交频分复用(asymmetric-clipped orthogonal frequency division multiplexing,ACO-OFDM)可见光通信(visible light communication,VLC)系统中信号的高峰均功率比(peak-to-average power ratio,PAPR)问题,采用部分传输序列(partial transmit sequence,PTS)方法,并结合二进制离散粒子群优化(discrete particle swarm optimization,DPSO)算法,提出一种改进的PTS峰均比抑制方法——DPSO-PTS方法。利用DPSO算法对加权的相位因子进行优化处理,选择最佳的相位因子组合来有效控制PAPR的范围,并对乘加权信息的子块进行求和,从而选择出最小PAPR对应的一组信号进行传输。仿真结果表明,在互补累计分布函数(complementary cumulative distribution function,CCDF)为10-4时,DPSO-PTS方法的系统PAPR降低了约4 dB,且相较于传统PTS方法,系统的复杂度和误码率(bit error rate,BER)性能也得到有效的改善。

基于FLUS-ACO模型的农村居民点布局模拟与优化:以张家界市为例

对农村居民点用地进行合理规划对于平衡城乡用地矛盾具有重要意义。以张家界市为例,首先运用地理信息系统(geographic information system,GIS)分析方法分析农村居民点空间分异特征;其次从区位交通、自然环境、社会经济三个方面选取了与公路、河流、学校、医院的距离、高程、温度和降水等14个指标,运用未来土地利用模拟(future land-use simulation,FLUS)模型在自然发展情景下预测2025年、2030年和2035年土地利用状况;最后提取2030年农村居民点用地数据,基于地理模拟与优化系统(geographical simulation and optimization systems,GeoSOS)平台运用蚁群优化算法(ant colony optimization,ACO)进行空间布局优化,采用景观格局指数量化分析优化前后变化并给出建议。研究发现:①张家界市农村居民点近几年用地增加但聚集度减小,布局总体表现出“中东部密,西北部疏”的分异特征,破碎化明显,需要进行科学合理规划;②农村居民点的分布密度分别为永定区>慈利县>武陵源区>桑植县,布局模式按基本形态可划分为团状、带状、零散和组团模式;③FLUS模型预测2025年、2030年和2035年农村居民点规模通过精度验证,在2025—2035年间由扩张趋于平稳,局部密度增长但整体密度变化不大,形状与其他类型用地相比较为简单;④优化后农村居民点用地整体布局往地势平坦区域聚集,形态表现为“整体聚集、局部分散”,该研究可为区域农村用地布局规划提供技术支撑。

基于改进ACO算法的SDN网络路由规划与均衡负载研究

针对现有SDN网络路由规划算法存在的丢包率高,吞吐量过小等问题,设计了一种基于改进ACO算法的SDN网络路由规划方案。SDN网络在整体结构上包含了数据层、控制层和应用层,并通过执行OpenFlow协议进行节点之间的通信。ACO算法模拟蚂蚁个体觅食过程中遗留的信息素浓度,判断和选择最合理的路径,但该种方案容易陷入局部最优解且迭代效率过低;为此,利用POA算法对经典ACO的寻优过程优化,提升其全局能力;在通信链路的均衡负载层面,通过评估改进ACO算法的链路流量方差,同时调整目标链路的负载率,以达到均衡SDN网络链路负载的目标。仿真结果显示,改进ACO算法可以在全局范围内优选出最优路径,且在最大数据流条件下丢包率仅为1.28%。

基于改进蚁群算法的飞行器航迹规划研究

针对蚁群算法在进行航迹规划时存在收敛较慢、易陷入停滞、转弯过多且角度大等问题,提出一种应用于飞行器二维航迹规划的改进蚁群算法。通过优化邻域扩展方式加速收敛,改进信息素生效策略,以提高蚁群对信息素的利用率,防止陷入停滞,引入局部优化修正航迹,减小航迹曲折程度。仿真结果表明,改进算法在收敛性、迭代次数、航迹质量等方面具有一定优势,证明改进措施提升了蚁群算法收敛速度及规划航迹质量。

基于UMAP流形特征提取和KELM的非侵入式负荷监测方法研究

非侵入式负荷监测是“坚强智能电网”用户侧智能数据挖掘的关键技术。针对现有辨识算法对叠加态负荷辨识准确率低的问题,提出了一种基于均匀流形逼近与投影(UMAP)和KELM结合的非侵入式负荷辨识模型。首先利用UMAP对原始负荷特征作嵌入,提取负荷的类内流形结构,并结合随机梯度下降法优化负荷的全局结构,在保留负荷原始相邻位置信息的前提下有效增大负荷特征的区分度;然后,采用径向基函数搭建核映射网络,利用ACO算法对映射网络的径向范围和模型的惩罚系数寻优,建立最优辨识模型。与多种基于机器学习的辨识方法相比,所提模型对叠加态负荷的辨识准确率提升显著,在TIPDM和BLUED数据集上的辨识准确率分别达到了98.48%和99.44%。

考虑充电策略的冷链物流配送路径优化研究

随着绿色与可持续发展要求的提出,使用电动物流车进行冷链物流配送逐渐成为热点,在考虑充电策略、车辆载重和客户时间窗等约束下,构建了配送总成本最小化为目标的电动车辆在冷链物流配送中的路径优化模型。根据设计的模型特点,提出了一种结合海洋捕食者和蚁群算法的混合算法进行求解,该算法有效提高了搜索能力和全局信息捕捉。根据算例分析对比可知,与完全充电策略相比,采用部分充电策略可以提高配送效率,有效降低了17.34%物流成本。通过设置车辆最大载重和不同充电站排队时间,分析车辆最大载重和充电站排队时间对物流总成本的影响,从而为企业提供不同车辆的选择。用实际案例和具体数据进行实验,验证了构建模型的有效性,证明了算法的高效性。

基于改进ACO-DWA算法的轮式植保机器人避障路径研究

山地非标准果园内大型植保机械通行性差,小型轮式植保机器人有广阔的应用前景。为解决因果园枝叶郁闭所造成的视觉信息误判,作业地形复杂所造成的机器人避障不及时等问题,提出了一种基于改进ACO-DWA算法的轮式植保机器人路径规划算法。首先通过激光雷达获取果园环境信息,应用体素化网格法精简点云密度,利用栅格法分割地面点云,采用K-means算法提取机器人行间通行区域;再结合植保机器人的运动学模型及作业规范约束,采用基于模型预测算法(SBMPO)生成一系列待选轨迹集合;然后采用改进的ACO-DWA算法,将机器人的通行成本融入搜索节点的目标函数,根据环境地图在线进行路径规划;最后,利用MATLAB R2021仿真平台和机器人ROS操作系统分别进行了仿真验证和实景布置试验。试验结果表明,该方法可以明显改善机器人在果园复杂场景下的通行能力,算法路径规划效果和运行效率明显提高。