基于路段交换的多基地动车组运用计划的编制算法

多个基地的动车组共同完成某一运行图规定的任务 ,是动车组运用的一种较为普遍的方式 ,开发该种运用方式的编制算法 ,是研究动车组编制算法的重要组成部分。基于路段交换的思想开发了编制算法 :首先利用已有算法构造出较好的初始解 ,然后利用路段交换不断改进解的质量。利用实际线路数据进行实验 ,证明算法有效。

基于支持向量机与k-近邻的工件表面缺陷识别算法

为了解决当前工件表面粗糙与缺陷特征相近的情况导致算法识别不准确的问题,以模式识别为切入点,分别从支持向量机与k最近邻的两个强分类器出发,提出了基于支持向量机与k最近邻的工件图像表面缺陷识别算法。首先,通过4种算法核,线性算法核、多项式算法核、径向算法核和Sigmoid算法核,设计出支持向量机分类算子,达到精准识别的目的。然后,在支持向量机识别的基础上,继续训练学习样本,通过分类误差最小化法则,进一步精确识别工件缺陷,形成k最近邻分类器。最后,基于软件开发环境Visual Studio实现算法,并系统集成。实验测试结果显示,与当前工件缺陷识别技术相比,本文算法拥有更高的准确性。

混合群智能算法在模体识别中的应用

为了避免传统吉布斯算法的诸多缺陷,提高算法的求解能力,对蚁群算法(ACO:Ant Colony Optimiza-tion)进行了改进:引入粒子群算法(PSO:Particle Swarm Optimization)动态调节ACO函数中的参数获得最优解。在奔腾PC机的实验平台上、Windows 2003Server操作系统下、开发工具为VB的模拟实验中,结果证明,混合的群智能算法使经典旅行商问题求解的计算时间缩短,提高了算法的收敛速度,有较好的发展前景。利用PSO处理连续优化问题的优点,将混合算法应用于生物信息学的模体识别中,可实现更加快速的基序发现处理。

基于K均值的带变异粒子群聚类算法

针对K均值算法的搜索结果依赖于初始聚类中心以及粒子群算法早熟收敛的缺点,提出了一种基于K均值的带变异粒子群聚类算法.该算法通过粒子群算法来弥补K均值算法的不足,根据粒子的收敛情况判断K均值操作的时机,提高了搜索性能,并采用变异操作来跳出局部极值.分别用K均值算法、PSO-K均值算法和该算法对3种实际数据进行了聚类测试,实验结果的比较表明,该算法可以跳出局部极值,找到比其他2种算法更好的解,有更好的寻优效率并且更加稳定.

多口排污的水质预测数值模型的基函数算法

本文基于将排放源强独立于对流扩散方程及其定解条件的思路,首先提出与排放源强无关的基函数的概念及其定解问题,进而导出水质浓度场与各排放口源强和与各排放口有关的基函数间的多元函数关系。从而建立一种只需数值求解基函数就可以方便地计算各种排放源强条件下水质浓度场的新方法。经理论推导和验证计算表明该方法是合理的、高效率的。

地震数据反演中的Monte－Carlo算法、模拟退火算法（SA）及遗传算法（GA）

Ｍｏｎｔｅ－Ｃａｒｌｏ反演方法不是从方程出发直接求反问题，而是在可行解空间中随机产生一系列搜索点，通过检验各搜索点得到反问题的解，该方法具有很强的抗噪音能力，不需对问题作任何线性近似．模拟退火技术是把最优化问题与统计力学中热平衡问题进行类比得来的，它是一种最优化技术，把我们要找极值的函数看成是整个系统的能量函数，任一时制的系统状态则看成是模型空间的一个点．其优点是可避免陷入局部极小值，缺点是计算量很大。遗传算法（ＧＡ）这种新的“全局优化”算法的出现早于模拟退火十多年。ＧＡ的实质是应用于一个模型群体的一组运算，使我们得到一个新的群体，它比上一代成员有更大的期望平均拟合度。上述三种用于反演问题求解的算法已广泛地应用在地球物理求解中，已成为求解非线性反问题的有力数学工具。

多维函数优化中遗传和声算法的应用

在研究遗传算法解决多维函数优化问题的基础上,结合一种新近出现的智能优化算法——和声搜索算法,提出遗传和声混合优化算法。新算法运用遗传的交叉和变异操作对初始种群进行进化,产生次优种群,再利用和声的取值概率HMCR和微调概率PAR对该种群进行搜索获得较高质量的新种群。仿真实验表明,新算法提高了求解质量、跳出局部极小的能力得到了进一步提升。

最小生成树问题的Kruscal算法的一种实现方法

本文讨论了针对带权连通图的一种可行性存储结构———单链表结构的构造问题 ,并研究了在该结构上构造最小生成树的算法 .

基于遗传算法的落差指数法参数优选

利用遗传算法的全局寻优能力,对落差指数法中的参数进行优化,通过实例分析表明,这种方法是可行的,且能弥补传统作法中的不足,值得推广。

基于分布估计算法的模糊分类方法

提出了基于分布估计算法的模糊分类建模方法,该方法基于Apriori原理生成初始模糊规则集,并且以匹茨堡型的二进制编码方式对模糊规则集编码,基于双变量相关的MIMIC(mutual information maximization for input clustering)分布估计算法从初始规则集中自动抽取模糊规则。通过在Iris,Pima,Wine这3个标准数据集的仿真实验表明,该方法比基于遗传算法的模糊分类器在准确率和解释性方面更有效。

一种基于微阵列相机的图像置换技术

本文提出了一种基于3×3微阵列相机所获取的阵列图像的置换技术.本文首先对阵列相机进行标定,然后根据图像数据一致性和相邻像素视差的连续性等约束条件,建立能量函数,再采用图割算法求得视差图,基于视差图生成深度图,最后依据目标物所在的深度层进行目标物置换,实现基于微阵列相机的图像置换功能.本文算法与一般置换技术相比减少了交互工作量,且能有效处理遮挡问题,实验结果表明基于微阵列相机的图像置换技术是切实可行的.

并联混合动力汽车工况识别与参数优化

针对现有混合动力汽车能量管理策略存在的局限性,以某型并联混合动力汽车为研究对象,基于ADVISOR车辆仿真软件中24种标准工况构建组合工况,选定车辆行驶过程中的平均速度、平均绝对加速度以及怠速时间比3个参数为工况识别特征量,利用K均值聚类算法得到4种典型行驶工况,建立整车能耗优化目标函数,采用粒子群算法对电量消耗-电量维持型(CD-CS)规则控制策略主要参数离线寻优,得到4种典型行驶工况下的功率分配权重,且在MATLAB/Simulink平台上建立整车仿真模型验证。仿真结果表明,所采用控制策略能够准确识别行驶工况,与未采用工况识别的能量管理策略相比,电机与发动机间的能量分配更加合理,车辆综合油耗下降5.45%,电池荷电状态变化更加平稳。

基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型

风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出了一种基于变分模态分解(VMD)和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型。该模型首先使用变分模态分解技术将原始风速序列分解为一系列子序列,而后对各子序列分别采用模糊神经网络(ANFIS)建立预测模型。为进一步提高预测精度,同时克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对变分模态分解后的各子序列进行预测,最后将预测后的各子序列叠加得到最终预测结果。为测试模型的有效性,选择宁夏地区3组实际风电数据进行模拟试验,将ANFIS,VMD-ANFIS,VMD-WOA-ANFIS与提出模型进行对比,结果表明所提出的混合模型预测精度明显高于其他对比模型。

用单片微机实现自适应滤波——自适应噪声抵消系统(ANCS)

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz干扰的消去——自适应噪声抵消.文中包括用APPLEII模拟自适应滤波实现的可能性研究,用MCS-51实现ANCS软硬件的介绍.本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值.

参数化滤波器逼近问题的棱柱算法

本文基于多胞形上D.C.函数的棱柱算法,给出了一维参数化小波滤波器逼近问题的一种算法.

基于关系图提取算法的烟草销售客户关系管理的应用研究

展望客户关系管理,数据挖掘技术在其中起到了至关重要的作用,它可以挖掘出千万数据中的有用信息,企业才能对客户进行各类价值分类,然后预测客户的行为,从而做出正确有效的决策。在CRM应用中,基于数据挖掘技术的基础上,结合CRM系统的不足,为避免或减少客户管理系统因管理不到位而导致客户的流失,造成企业的损失,提出了客户关系图的提取算法,很好地分析了数据挖掘技术在CRM中的应用。

A HYBRID POLYNOMIAL ALGORITHM FOR LINEAR PROGRAMMING

ＡＨＹＢＲＩＤＰＯＬＹＮＯＭＩＡＬＡＬＧＯＲＩＴＨＭＦＯＲＬＩＮＥＡＲＰＲＯＧＲＡＭＭＩＮＧ￥ＨＵＡＮＧＳａｉｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＳｙｓｔｅｍｓＭａｎａｇｅｍｅｎｔ，ＣｏｌｌｅｇｅｏｆＢｕｓｉｎｅｓｓａｎｄＭａｎ...

一种计及检修风险的配电网检修优化方法

提出了计及检修风险的配电网检修优化方法。以架空线路为决策对象,综合考虑线路运行的外部环境因素、自身老化情况以及预防性检修的影响,建立了线路的故障率模型;在配电网检修决策过程中,给出配电网故障风险和检修风险的定义及相应的量化表达式;在此基础上,以系统故障风险和检修风险最小为目标,考虑多种约束条件,建立了配电网的检修计划优化模型,并通过遗传算法求解。经算例验证,表明该方法的有效性。