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。

算法价格歧视违法性认定的挑战与应对

算法技术在数据收集、分析和应用等方面的优势能够帮助经营者快速实现价格歧视,提高经营效率。但算法价格歧视行为却对市场其他主体带来损害性影响,包括破坏社会对网络市场的公平感知、扭曲市场竞争秩序、侵害消费者知情权等传统权利和个人信息权等新型权益。为避免上述系列损害性后果持续扩散,亟须对司法实践如何开展算法价格歧视违法性认定做出回应。然而,基于我国当前相关法条分布零散且适用性不强、违法性认定规则的合理性和可行性存疑、抗辩理由适用不明等现实困境,司法实务部门在处理算法价格歧视案件时仍面临严峻挑战。原有的经营者滥用市场支配地位认定路径和违规处理个人信息认定路径不能满足现实司法实践所需,有必要从立法和司法层面对算法价格歧视违法性认定的第三条路径予以拓展与优化。在立法完善过程中,《电子商务法》作为我国电商领域的综合性法律,尤其适合作为规制算法价格歧视的法律依据,建议该法新增“不正当价格行为”违法认定类型,明确将保护消费者知情权和选择权不受侵犯设为底线,确立过错推定原则以平衡当事人之间的证明责任。在算法价格歧视违法性认定的司法实践中,坚持行为主体聚焦、侵害客体明晰、主观违背注意义务、客观造成消费者利益受损的“四要件”认定方法。在此基础上,《电子商务法》通过与《反垄断法》《个人信息保护法》等多部法律之间的协同配合,进一步夯实算法价格歧视违法性认定的法律基础,才能共同助力司法实践顺利推进。

基于DTW算法的sEMG手势识别控制系统设计

人体在运动过程中会产生微弱的生物电信号,其中蕴含着大量的控制信息。为了使用生物电信号中的信息控制机械臂动作,提出一种基于DTW算法的sEMG手势识别控制系统,利用该系统对采集的原始信号进行滤波和放大。为了确定有效的sEMG,采用移动平均法对处理信号进行划分。使用平均绝对值从数据片段中提取有效段数据,应用DTW算法将3路表面肌电信号融合,计算样本与模型之间的相似度,实现手势识别;再将识别后的信号通过无线模块发送到控制指令,以控制机械臂的动作;最后,采用提出的算法并结合6种类型的手势分类模型创建最佳特征模型。实验测试结果表明,使用动态时间规整(DTW)算法进行手势识别的平均准确率为93.752%,6种手势的平均模型匹配率达到92%,实现了肌电信号对机械臂的精确控制。由此证明所提方法的手势识别比传统的阈值控制开关更准确。

算法治理的情感嵌入及实现路径

算法治理是当前国家与社会治理的重要手段,但算法治理理性化和刚性化治理特征带来了治理温度和柔度的下降,而情感治理这一柔性治理模式则可以化解上述问题,与算法治理相辅相成。从算法治理的内涵及算法治理带来的安全感危机、关怀感赤字、公平感失衡出发,运用嵌入性理论,明确情感嵌入算法治理的内涵和必要性,将情感嵌入算法治理的理念、过程和制度。在以上基础上提出情感的“感知—对话—动员”机制,通过强化情感感知、开展情感对话以及拓展情感动员的手段,破解算法治理中的情感缺失困境,促进算法治理和情感治理的耦合,构建起一个既精准高效又富有温度的治理框架,以达成“善治”目标。

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。

基于粒子群磁场编辑算法的无线电能漏磁研究

在无线电能传输系统中,维持高效率和高功率的同时,会导致系统的漏磁大幅升高。提出了一种应用于无人机无线电能传输系统的多线圈发射系统,该系统在保证传输效率和输出功率的同时减小目标观测面上的漏磁大小。基于一种计算方形线圈磁场密度的方法,提出了磁场编辑技术,运用该技术可以改变目标位置的磁场强度;结合磁场编辑算法与改进型粒子群算法,使控制部分能够较大维度去控制该系统;提出了多发射线圈阵列的无人机无线充电系统,通过仿真分析可知,当系统输出功率恒定在200 W时,该系统使目标区域最大泄漏维持在5μT且传输效率高达96.7%。

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。

基于伪标签算法的地震事件分类识别方法研究

将伪标签算法引入地震类型识别领域,并设计伪标签神经网络法程序,对山东地区2019—2021年M L1.5以上的天然地震、爆破地震、塌陷地震三类事件开展试验。使用优选的有标签样本集预测无标签样本,将其标记为伪标签样本后加入联合训练,并对比传统BP神经网络法和支持向量机法,以初步验证伪标签算法在地震类型识别领域的可行性和在小样本条件下的适用性。试验结果表明:影响伪标签神经网络法分类效果的主要因素有已知样本数量和伪标签样本占比。当已知样本数量介于60~120个、伪标签样本占比20%~30%时,其识别效果最佳。在小样本条件下,伪标签神经网络法的识别率相较于传统BP神经网络法提高了2%~8%,与支持向量机法的识别率差值集中在±4%以内。因此,采用伪标签算法弥补部分地区样本库匮乏的不足,实现小样本地震类型识别,具备一定的应用价值。

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。

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。

斯特林曲线的离散卷积生成及其求值算法

斯特林基函数是由离散概率模型生成的一类有理基函数。通过分析基函数的逐层递推关系,构造了斯特林基函数的离散卷积结构。结合离散卷积满足的交换性,得到n次斯特林曲线的n!种de Casteljau算法,并将其用于曲线的递归求值,进而得到n次斯特林曲线的2种线性求值算法、速端曲线离散卷积表示以及首末两个n次斯特林基函数的导函数显式表达式。研究可推广至一类嵌套空间中的有理基函数及其曲线曲面。