k-center问题的算法研究综述

k-center问题是设施选址的基础问题,同样是NP难问题,在分配、紧急服务等领域也有着实际的应用。随着问题规模的扩大,原有的算法已不再适用,需要进一步优化或者改进。为了找到求解该问题的高效算法,对现有算法进行研究。对各类求解k-center问题的算法进行梳理,将求解算法划分为精确算法、启发式算法、元启发式算法、近似算法等,从算法原理、改进思路、性能和精度等方面进行对比综述。精确算法在求解小规模k-center问题时可在多项式时间内得到最优解,但是算法效率低,不适用于大规模问题;启发式算法可以在多项式时间内给出相对最优解,但是没有理论保证,无法衡量与最优解的关系;元启发式算法可根据对目前存在的智能优化算法进行改进,给出相对最优解,但是解的质量无法保证;利用近似算法得到的解具有近似比保证,有较大的理论研究价值,但是实用价值较弱。目前求解k-center问题的元启发式算法已取得一定的研究成果,但是在求解时间、求解规模、算法效率等方面仍待突破,这将是未来k-center问题的研究重点。

基于边界信息的自适应过采样算法

针对人工少数类过采样(synthetic minority over-sampling technique,SMOTE)算法存在样本合成区域狭小,容易将少数类泛化到多数类及引入噪声的问题,提出一种基于噪声过滤、边界点自适应采样的过采样算法。首先,该算法使用K近邻算法进行噪声过滤,接着确定边界点并在边界点中寻找合适的点作为根样本点,并以其K近邻点中与其同类且欧氏距离最远的点作为候选样本点。然后,根据根样本点所携带的边界信息确定该点所合成的样本数量,并根据根样本点和候选样本点生成一个N维球体作为样本的合成区间。最后,对合成样本进行判断以确定其是否满足条件。通过实验证明,该算法生成的样本质量要优于SMOTE及其常见变种算法。

Bootstrap抽样下基于贝叶斯估计的地震人员死亡评估研究

选取1950-2022年中国内地地区历史震例数据信息,以极震区烈度、发震时间及人口密度为主要影响因素,建立三级场景,运用Bootstrap抽样方法对各场景下的历史震例进行扩充,进而采用贝叶斯估计给出不同场景下地震人员死亡变化分布函数,再根据实际情况对此分布函数进行截断分析,以明确地震人员死亡的不确定性变化范围及死亡率区间概率值,最后随机选取历史地震灾害事件验证模型精度。结果表明:①各场景的死亡率均值及95%死亡率区间基本符合在极震区烈度相等并且人口密度条件下夜间死亡率大于白天死亡率的规律;②模型估计死亡人数区间能够较好覆盖实际上报的死亡人数。

基于粒子群算法的纯电动商用车转矩分配策略

针对纯电动商用车采用双电动机驱动时存在的转矩分配问题,提出基于粒子群算法的模糊控制策略.首先在Simulink/Stateflow软件中搭建整车动力系统物理模型,以粒子群算法为基础,进行整车转矩分配.由于计算量大,无法运用于实车,故根据粒子群算法的结果,结合传统项目经验,设计一个参数实时调节模糊控制器来进行转矩分配.该方法运行速度快,且基本达到粒子群全局优化的效果.验证与分析结果表明:与原车单电动机动力系统相比,采用该方法的双电动机动力系统能量消耗减少了12.08%;在双电动机动力系统下,该方法与平均分配控制策略相比,电动机总能量损失降低了13.09%.

基于IWOA-LSTM算法的预应力钢筋混凝土梁损伤识别

为准确识别桥梁结构的损伤程度,制作了桥梁的关键构件——预应力钢筋混凝土梁,进行三点弯曲加载试验.收集了损伤破坏全过程的声发射(AE)信号,通过AE信号参数分析,将梁的损伤破坏过程划分为4个典型阶段.构建了长短时记忆神经网络(LSTM)模型,根据经验设置LSTM模型的超参数容易导致网络陷入局部最优而影响了分类结果,提出采用Sine混沌映射和自适应权重来改进鲸鱼优化算法(WOA),对LSTM进行超参数寻优.设计了IWOA-LSTM算法模型,训练识别试验梁各损伤阶段的AE信号特征参数.定型网络结构,并识别同种工况下其他梁的AE信号.结果表明:IWOA-LSTM算法模型识别准确率均超过或接近92%,相较于普通LSTM模型,IWOA-LSTM模型识别准确率提高了约7%.

基于改进粒子群算法的光伏逆变器控制参数辨识

精准的光伏并网逆变器模型是研究大规模光伏接入下电力系统故障特性的重要工具。目的为了解决现有光伏逆变器仿真模型与实际工作中的光伏逆变器特性相差较大的问题,方法提出采用参数辨识的方法构建逆变器的辨识模型。以重庆云阳某1 MW光伏电站为实际参照模型,首先根据实际工作情况将逆变器的工作区间划分为3个阶段,利用数学扰动法分别对3个阶段中的待辨识参数划分灵敏度高低等级,并由此提出不同阶段不同灵敏度参数分步辨识策略;其次,分阶段采集实际光伏电站工作数据,对该数据进行分析处理,获得各待辨识参数的初始取值范围,设计同步辨识参数实验作为参照;最后提出改进的混沌遗传粒子群优化算法(chaos genetic algorithm of particle swarm optimization,CGAPSO)作为辨识算法,分步分工作阶段辨识相关参数,通过对比参数的同步辨识结果,验证所提方法的优越性,并将辨识结果代入仿真模型。结果结果表明,低灵敏度参数的同步辨识结果误差远超过可接受范围,而CGAPSO分步辨识出的相关参数误差皆在1.1%以下,精度远高于同步辨识结果。结论基于改进粒子群算法构建的辨识模型输出数据与实际逆变器工作数据契合度高,可准确反映逆变器实际工作特性。

多传感器融合算法的四旋翼无人机室内定位技术研究

针对缺乏明显位置标识的室内环境,为实现无人机的精确定位,提出了一种多传感器融合算法。该算法综合运用了中值滤波、阈值分割、投影变换、最小二乘法等手段,以实现无人机位置和位姿的精确估计。通过一系列实验,对所提出的算法与模拟算法进行了对比分析,验证了所提算法的准确性,并完成了四旋翼无人机在室内环境下的初步定位任务。

零信任环境下的多层次身份认证数据流安全检测算法

身份认证数据流中的敏感信息可能在传输过程中被攻击者截获,并用于恶意目的,导致隐私泄露、身份盗用等风险,为确保网络安全性,提高主体身份认证安全性,提出零信任环境下的多层次身份认证数据流安全检测算法。采用改进的文档指纹检测算法实现多层次身份认证过程中主体和客体交互数据流安全监测。通过Rabin-Karp算法实现身份认证数据文档的分块,采用Winnow算法划分身份认证数据分块文档边界后,得到身份认证数据文档指纹,将其与指纹库中的指纹进行匹配对比,识别出多层次身份认证数据流中的异常数据,实现多层次身份认证数据流安全检测。实验结果表明,该算法具有较好的身份认证数据流安全检测能力,有效地降低了网络威胁频率,提升了网络安全性。

面向工业动态取送货问题的分解多目标进化算法

由于工业动态取送货问题具有垛口、时间窗、容量、后进先出装载等多种约束,现有的车辆路径算法大多只优化一个加权目标函数,在求解过程中难以保持解的多样性,所以容易陷入局部最优区域而停止收敛。针对上述问题,提出了一种融合高效局部搜索策略的分解多目标进化算法。首先,该算法将工业动态取送货问题建模成多目标优化问题,进一步将其分解为多个子问题并同时进行求解。然后,利用交叉操作增强解的多样性,再使用局部搜索加快收敛速度。因此,该算法在求解该多目标优化问题时能够更好地平衡解的多样性和收敛性。最后,从种群中选择一个最好的解来完成当前时段的取送货任务。基于64个华为公司实际测试问题的仿真结果表明,该算法在求解工业动态取送货问题上的性能表现最优;同时,在20个京东物流大规模配送问题上的实验也验证了该算法良好的泛化性。

基于聚类算法的路径频散曲线拾取方法

多道地震资料面波分析方法是目前确定近地表横波速度的有效工具,但由于反演的一维横波速度模型仅反映了检波器排列中点垂直方向上的横波速度变化,因此其横向分辨率较差。与面波分析方法相比,面波层析反演方法具有更大的潜力来提高近地表特征的横向分辨率。但是面波层析反演方法需要从大量检波器对之间(路径)的平均频散能量谱中拾取频散曲线,人工拾取将耗费大量的时间成本。针对这个问题,本文进行了聚类算法自动从路径平均频散能量谱中拾取相速度频散曲线的研究。理论模型正演数据以及实际资料面波数据的实验结果都验证了本文方法的正确性。

平面近场测量中一种极化探头补偿算法研究

为研究天线特性,该研究采用近场测量技术计算天线的远场方向图,该技术具有成本低、速度快的优势。考虑到平面近场测量中探头参数对远场方向图的影响,该研究基于平面近远场变换算法,引入探头补偿技术和极化补偿技术。利用HFSS仿真得到待测天线远场仿真方向图,通过计算机算法构建,将近远场变换算法所得方向图与实际测得的远场方向图进行比较,验证算法的准确性。进一步结合极化补偿算法与探头补偿算法,与未修正的结果及远场方向图进行对比。结果显示,极化探头补偿算法能有效修正探头对远场方向图的影响,其不确定度超过近远场变换算法1.4295 dB,超过极化补偿算法0.9062 dB,确保了研究的客观性和独立性。

DAO媒介:驱动未来社会算法化与自组织的元媒介

DAO媒介是以区块链算法等技术为基础,支持数字社群协同自治的媒介,具有区块链、智能合约与投票等功能特性和要素确权、技术信任、规则构架以及场景聚合等价值禀赋。对于数字生态显露的各种问题,“算法化”是重构数字生态、降解社会系统复杂性的关键机制,DAO媒介是支撑“自组织式”算法化的元媒介。DAO媒介与数字文明时代喷发的微粒个体、微资源、微价值、微需求、微场景等相匹配,能够深度匹配人的个性与自我,形成有效的趣缘连接,进而极大地释放数字文明的生产力。DAO媒介将深刻影响社会系统的构造,将微粒个体与相关社会要素“包裹”为闭环子系统,支持其准开放的系统边界、有效的异质性整合、可持续的规则重构、子系统与父级系统的持续分化和快速进化,等等。在数字文明时代,DAO媒介将使“重新部落化”的“地球村”变为现实,其驱动构筑的DAO社会将更加多元、更加富有创造力,不断拓展人类群体实践的自由度,使人类在高度异质性聚合基础上更加和谐有序地整合协同。

基于复杂网络社区检测算法的元器件选用推荐方法

宇航元器件选用是航天任务中的重要环节,空间环境复杂苛刻,对宇航用元器件的可靠性和性能要求极高。传统的元器件选用方法通常依赖于专家经验和单一指标评估,难以全面考虑元器件之间的复杂关联和多维度性能指标。复杂网络理论的发展为元器件选用提供了一种新的思路,特别是社区检测算法,可以帮助识别元器件之间的隐含关系和群体特征,从而优化选用过程,实现宇航元器件精准、快速、高效、灵活的选用。本文介绍了基于复杂网络社区检测算法的元器件选用推荐方法,提出了基于模块度优化的进化算法。该算法引入了基于节点相似度的最大生成树编码方法,还引入了一种生成初始种群的新方法和一种基于正弦的自适应变异函数,并将其用于两个元器件选用网络。该算法有效地检测出了元器件选用网络中的社区结构,实现了元器件的智能选用。

混合量子-经典算法的配电网灾后拓扑重构方法

为及时有效地制定配电网拓扑重构策略以提升负荷快速恢复能力,基于量子计算的优越性,提出混合量子-经典(HQC)算法的弹性配电网灾后拓扑重构方法。首先,构建基于HQC算法的灾后配电网拓扑重构模型,以实现实际场景、优化问题、嵌入算法相应模块在量子计算和经典计算环境下的协作交互过程。然后,将配电网拓扑重构问题构造为无约束离散优化子问题和有约束连续优化子问题,提出量子退火嵌入式交替方向乘子(QA-ADMM)算法,将离散子问题等效映射成量子可解释的伊辛模型后,部署在D-Wave量子退火计算机中,并与经典计算机中连续子问题迭代求解,采用自适应惩罚因子调节机制加速算法收敛。最后,通过IEEE 14、33、69、123以及改进的205节点的不同规模配电系统,分析验证了QA-ADMM算法的有效性、稳定性与可扩展性。结果表明,惩罚因子、目标函数惩罚项系数、量子退火中采样读取次数会影响所提算法的精度和收敛速度;优化问题规模扩大后,所提混合量子-经典算法计算优势更加明显,205节点配电系统算例下,计算效率较经典计算可提升约34%。

基于改进鲸鱼算法的工业操作系统资源实例化调度算法研究

工业操作系统借助资源实例化调度(RIS)技术管理制造资源时,会面临众多功能相似但服务质量各异的生产资源,导致资源选择和配置变得复杂。针对这一现状,提出了黄金柯西鲸鱼优化算法(GCWOA),该算法通过融合Tent混沌映射、黄金分割系数和柯西变异算子,实现对RIS问题的优化,提升服务质量。通过开展不同规模的RIS仿真实验验证,GCWOA展现出了显著的优势。相较于遗传算法、鲸鱼算法和2个改进鲸鱼算法,GCWOA的平均求解精度提升了5.6%,平均时间效率提高了2.35倍。以上结果充分证明了GCWOA在解决RIS问题上的高效性和实用性,为工业操作系统的资源管理提供了有力的优化工具。

基于反向最近邻的密度估计聚类算法

基于相互最近邻的密度峰聚类算法(DenMune)通过相互最近邻计算数据点的局部密度,是一种有效的聚类手段。但该算法存在构建聚类骨架不合理的问题,在分配弱点时采用硬投票策略,易产生错误。因此提出一种新的基于反向最近邻的密度估计聚类算法(RNN-DEC)。该算法引入反向最近邻来计算数据点的局部密度,将数据点分成强点、弱点和噪声点。使用强点构建聚类算法的骨架,通过软投票的方式将弱点分配到与其相似度最高的簇中去。提出了一种基于反向最近邻的簇融合算法,将相似度高的子簇融合,得到最终的聚类结果。实验结果表明,在一些合成数据集和UCI真实数据集上,相比较于其他经典算法,该算法具有更好的聚类效果。

自主可控平台AGV设计及视觉循线算法研究

设计并实现了一种基于自主可控平台的自动导引车(AGV)。AGV满足核心硬件国产化、软件开源可控的要求,并可兼容多种自主导航算法。对传统纯追踪算法在跟踪精度和安全性上进行了改进:一是载具在直线路段偏离参考轨迹较远的情况下使用Dubins路径进行快速回归;二是在大曲率参考轨迹处使用预瞄点偏移算法纠正跟踪轨迹,减小跟踪误差;三是应用动态预瞄距离和动态速度进一步减小大曲率路段的跟踪误差和安全风险。改进的算法在设计的AGV上进行了实现。在完成AGV设计和改进算法实现后,在实际环境中进行了视觉循线实验。改进的算法在0.1 m/s的速度下在曲率较小路段的平均偏差相较改进前的两种纯追踪算法变体分别减少了3.3%、7.3%,在大曲率路段减少了8.34%、23.06%;在0.5 m/s的速度下在曲率较小路段的平均偏差相较改进前的两种纯追踪算法变体分别减少了9.08%、11.33%,在大曲率路段减少了2.97%、24.67%。改进算法实验的整体结果优于使用改进前两种算法变体的结果,且设计并实现的AGV能够满足一般环境下的视觉循线导航需求,可应用于多种实际场合。

元启发式算法在植保无人机路径规划中的研究进展

随着无人机系统技术、传感器技术和人工智能算法等相关技术的不断发展,植保无人机路径规划技术在农业生产中备受重视,并被广泛应用。作为航空植保的关键技术之一,植保无人机路径规划面临的是一个复杂且多约束的组合优化问题。传统算法往往难以得到理想的结果,而元启发式算法则因其高效率成为解决该类优化问题的有效手段。为此,首先介绍了农业航空中的路径规划,随后总结出了植保无人机路径规划的关键要素,并使用更为合理的分类方式进行归纳;其次,从算法层面对相关研究所采用的元启发式算法进行分类和梳理,并阐述了其在实际应用中的现状,且根据提出的分类方法和研究特点,全面地归纳了当前的研究成果;最后,针对目前植保无人机路径规划研究存在的问题提出了几条可行的发展思路。

情境性算法感知对反馈行为的影响研究

算法感知是对批判性算法控制研究范式的重要突破,其强调普通用户在算法情境下通过非专业知识来感知算法、理解算法、认识算法,这种基于算法情境的主观感知具有引导和影响后续反馈的潜能。但目前对算法感知及反馈行为关系的研究以“工具性算法”为理念展开,并未从“情境性算法”的分析逻辑对其深层机制进行深度挖掘,研究尝试对此给予补充。以2021年出台的“双减”政策等内容为例,以情境性算法为分析框架,以情景式APP原型为展示场景,探讨用户浏览APP时产生的算法感知及其对反馈行为的影响机制。通过实证分析,提出算法感知影响反馈的三条路径:页面布局影响反馈,既定算法认知影响反馈,算法存在感知影响反馈。在特定情境下,页面布局的影响是基础性的;既定算法认知中的算法运用程度、算法APP的信任、算法喜爱、算法推荐信息容忍度、算法能力等不同程度地影响反馈;算法存在感知在特定情境下正向影响反馈,甚至其还会消解页面布局、既定算法认知对反馈的影响。

基于改进WOA-BP神经网络的电气火灾预警算法

电气火灾是一种严重危害人员安全和财产损失的事件,因此增强对电气火灾的早期预测和预警至关重要。基于提高电气火灾预测准确性的目的,采用了改进鲸鱼算法优化BP神经网络的方法,构建了电气火灾预警模型。使用剩余电流、工作电流电压和线缆温度作为神经网络的输入特征,结合上述改进方法对权值和阈值进行优化。优化后的参数作为初始参数进行模型训练,用于输出电气火灾的概率。采用电气柜中回路数据进行试验,将预测概率与剩余电流异常持续时间进行模糊化处理,得出火灾决策。研究结果表明,所提模型相关系数达到0.97,相较于传统方法提高了0.08,具有更高的准确性和可靠性。