求解TSP的离散野马优化算法

针对求解TSP问题,提出一种新的元启发式算法离散野马优化算法(DWHO),应用最小位置匹配值法(MPMV)对求解结果进行离散化解码;为提高算法搜索能力,结合野马放牧、交配、领导者交流与选拔行为,引入变邻域搜索策略,增强了算法的局部搜索能力、加快算法收敛速度。选取TSPLIB标准库33个算例进行实验,并与交换序列人工蜂群算法(ABCSS)、离散蜘蛛猴优化算法(DSMO)两种算法进行比较。实验结果表明,DWHO求得的最优解与ABCSS、DSMO两种算法的最优解相比,最优解改进率最大值分别达到4.52%和3.41%。同时,将离散野马优化算法求解TSP收敛速度与以上两种算法进行比较,其收敛速度具有一定的优势。结果表明离散野马优化算法求解能力和精度具有优势。

领导者引导与支配解进化的多目标矮猫鼬算法

面对现实中日益复杂的多目标优化问题,需要发展新型多目标优化算法应对挑战。提出一种基于领导者引导与支配解动态缩减进化的多目标矮猫鼬优化算法(MODMO)。领导者引导机制通过引入动态权衡因子以调控侦察猫鼬探寻土丘的搜索半径,同时以非劣解集构建外部存档并根据非支配排序层级确定出领导者,进而引导侦察猫鼬向多目标前沿面推进以改善算法的收敛性;支配解动态缩减进化策略是为克服非劣解外部存档维护过程中的解冗余问题而构建,其以支配关系和拥挤距离动态筛选支配解并存入外部存档,以支配解信息融入种群进化实现多目标潜在前沿的挖掘并增强算法的多样性。在ZDT、DTLZ与WFG基准函数上,与5种代表性比较算法的实验结果表明MODMO算法在收敛性与多样性上均具有显著优势。

推荐算法与网络意识形态治理深度融合:应然图景、实然困境、纾解思路

推荐算法与网络意识形态治理深度融合是智能时代提升网络意识形态治理效能、助力国家治理现代化的应然之举。作为人工智能技术主要分支的推荐算法与网络意识形态治理深度融合可以取得统筹信息资源,构建治理共同体;整合意识形态,规训成员和社会;提升动员效能,降低治理成本的正向效果。但二者在融合过程中仍然存在“信息茧房”阻隔主流意识形态共识生成、算法偏见动摇主流意识形态认同建构、“后真相”语境消解主流意识形态权威等实然困境。为此,要以加强算法规制、强化各类媒体平台自律意识、培育用户算法素养等为纾解思路,切实推动智能时代网络意识形态治理朝着科学化、现代化发展。

受控源电路拟独立源分析法与运放电路三层级解算法

电路元块模型简称元块,包括耦合元块与控源元块,控源元块有比例受控源和积分受控源两种,运放的电路模型即为比例受控源。受控源电路(包括运放电路)有各种复杂多样的电路形式,其原理分析与电路求解是电路和模电课程的难点。将比例受控源拓展到积分受控源,并提出了受控源电路(含实际运放电路)的拟独立源分析法和理想运放电路的三层级解算法(基础模型法、单元拆解法和闭环公式法),丰富了电路的样式和求解方法;结合微分算子法统一了静态、稳态与暂态电路的表述与分析求解方法,丰富了电路原理的内涵,完善了电路的知识体系,有助于受控源和运放在工程中的应用。

基于回路风量法的矿井通风网络解算算法

基于当前矿井通风网络解算算法的不足,深入研究回路法、Scott-Hinsley和Seidel法,设计出一种能够快速解算复杂风网的算法,主要步骤包括确定风网结构、赋权边并选取最小生成树、圈划独立回路、进行网络解算。该方法用Kruskal法来选取最小生成树,思路清晰、易于理解,方便计算机程序的实现;用试探回溯法来圈划独立回路,对于反复出现的子问题,无需进行二次求解;用改进Scott-Hinsley法进行风量解算,计算收敛速度更快,提高了算法的执行效率。将该优化算法应用于“黄坊煤矿通风智能决策系统”迭代解算模块。结果表明:风量解算结果与实测值误差均小于5%,能满足工程应用要求,为矿井通风网络解算提供了一种新思路。

基于最优解区间预筛选的代理模型辅助天线设计优化算法

针对天线优化中全波仿真计算耗时过多的问题,文中提出了一种基于数据约束的代理模型辅助进化算法(SAADC)以实现天线优化设计中效率的提升。首先采用增强随机型差分进化算法,以保证数据生成的随机性与多样性。进一步通过高斯代理模型对仿真结果进行预测,并利用最优解区间预筛选方法舍弃预测结果中较差的个体,以实现算法收敛速度的提升。最终利用所提出的SAADC,对三个不同拓扑结构E型贴片天线的带宽与增益进行了优化设计与结果分析。结果表明,所提出的算法比现有的代理模型优化算法具有更快的优化速度与更佳的优化结果,可满足天线结构高效优化的实际需求。

算法赋能公共文化治理现代化:逻辑、症候与纾解

算法作为计算机通过模拟人的思维在数据的喂养下将输入数据转化为输出数据的计算模型,是推进公共文化治理现代化的重要技术要素。随着公共文化传播日益“算法化”,作为技术、权力、媒介的算法成为公共文化传播的重要中介。算法基于用户画像进行公共文化精准推送、以虚拟趣缘社群助力文化共同体构建、促进社会力量参与公共文化服务供给,在方式、目标和主体维度赋能公共文化治理现代化。算法是一柄双刃剑,算法落入数据陷阱放大治理公平困境,平台造成的过滤气泡固化受众文化审美“茧房”,对算法的依赖掣肘治理主体能力提升,由此产生普惠均等困境加剧、公共文化空间逼仄、主流文化价值遗失的症候,阻滞公共文化治理现代化,因而算法赋能公共文化治理现代化表现为一种悖论。为此,需要彰显人文关怀,观照算法“弃民”以促进公共文化服务普惠均等;提升算法开发者和公众的算法素养,冲破文化审美茧房;强化协同思维,聚合多元主体治理合力以克服算法依赖。

基于天牛须种群算法的整周模糊度解算算法

如何快速、准确地固定整周模糊度是载波相位测量中的一个关键问题。为了提高整周模糊度搜索速率,提出了一种基于天牛须种群算法(beetle antennae colony search, BACS)的整周模糊度解算算法。通过与BAS算法、BAS-Nadam算法、LAMBDA算法以及MLAMBDA算法进行解算速率、稳定性的对比实验,在三维模糊度解算时,BACS算法在与LAMBDA和MLAMBDA算法解算成功率相当的情况下,能利用更少的时间搜索到模糊度最优解。为了验证BACS算法在高维模糊度解算以及工程解算情况下是否适用,进行了高维模糊度解算的实验以及单频单GPS系统下BACS算法的应用实验。分析及实验表明,BACS算法能很好保证高维模糊度解算的实时性和鲁棒性,对于12维模糊度解算,平均解算时间0.068 s,解算成功率为92%,对于低维模糊度解算,解算速率更快,解算成功率更高。在单频单GPS系统工程解算中,x、y、z方向定位精度分别为±0.008、±0.01、±0.01 m,能达到厘米级精度定位。

基于粒子-人工蜂群算法的3RPUP_(c)-UPS并联机构运动学正解研究

针对3RPUP_(c)-UPS并联机构运动学正解求解困难的问题,对新型3RPUPc-UPS并联机构的运动学特性进行了研究,并构建出位置正解求解模型,进而提出了一种基于粒子-人工蜂群算法(P-ABC)的并联机构运动学求解方法。首先,根据机构的拓扑特性,计算得到了方位特征集、自由度和耦合度;然后,根据机构的几何特征,基于姿态变换矩阵和动平台投影方程,建立了机构的运动学逆解方程,并对比了MATLAB和SOLIDWORKDS的仿真结果,验证了逆解分析的正确性;最后,将运动学逆解方程转化为最小化求解问题,构建出了适合优化算法的运动学正解模型,并利用MATLAB的软件交互界面(GUI)功能,开发出用于计算并联机构运动学正解的软件,分别基于粒子群算法(PSO)、人工蜂群算法(ABC)和P-ABC算法,对该并联机构的运动学正解进行了计算。研究结果表明:P-ABC算法单次求解时间在0.5 s内,求解误差级别为10-20,相对于ABC算法,运行时间缩短了50.02%;而相对于POS算法,其求解精度提高了10个数量级。P-ABC算法能够用于求解该并联机构运动学正解,具有计算速度快、精度高的特点,可以为研究并联机构运动学正解提供新方法。

自适应分块的改进最小费用网络流解缠算法

相位解缠是进行精确差分干涉测绘的关键步骤,在相位解缠算法中,最小费用网络流(MCF)是当前常用的算法,该算法具有精度高、限制残差点误差扩散、优先将误差限制在低相干区域的优点,但随着残差点数量的增多,其计算效率也随之降低。改进的MCF算法通过对其做分块,有效提升了算法效率,但块尺寸的选取影响最后的准确度与效率。本文提出一种自适应分块的改进MCF解缠算法,通过自适应寻优的方式选取合适的分割块,将相干性较高的点集中在同一块内,使得在准确度不受过多影响的情况下有效地提升算法效率。

求解多目标柔性作业车间的IGWO算法

针对多目标柔性作业车间调度问题(multi-objective flexible job shop scheduling problem,MOFJSP),提出一种改进灰狼算法(improved grey wolf algorithm,IGWO)来求解考虑完工时间,总能耗以及机器总负荷的多目标优化。IGWO采用二段式编码和基于权重的种群初始化方法,加入遗传算子对编码进行迭代更新,采用Pareto非支配排序和拥挤度距离来求取迭代过程中的非支配解,将非支配解集保存在外部存档中;引入非线性收敛因子,平衡算法的全局搜索能力和局部搜索能力。通过引入改进鲶鱼效应策略,保证种群活力,提高算法收敛精度,避免算法陷入局部最优解。最后通过机加工车间实例验证和对比实验,验证该算法的可行性和优越性。

数字法治政府建设中的算法行政:现实困境与纾解路径

数字时代的到来使得法治政府建设提升到“数字”维度的新阶段,而建设数字法治政府需要对算法行政这一核心命题进行“扬长避短”。通过对实施现状的梳理发现,算法行政在数字法治政府建设中对行政主体职权行使和行政相对人权利保障等存在负面影响,在革新传统治理模式的过程中问题频现,需要从针对性化解算法行政给行政主体所带来的风险、有效实现算法行政下行政相对人的困境纾解、算法行政在传统治理模式革新中的问题应对等方向入手,寻求解题之道。完善算法行政的努力将为数字法治政府建设提供宝贵的样本价值。

一类广义Sylvester矩阵方程组对称解的MCG算法

该文建立了求解一类广义Sylvester矩阵方程组对称解的修正共轭梯度算法(MCG算法),给出了MCG算法的性质和收敛性证明,在忽略舍入误差情况下,建立的MCG算法能在有限步迭代后得到该方程组的对称解.选取特殊初始矩阵时,可求得该方程组的极小范数对称解.任意给定初始矩阵,可以在约束解矩阵集合中求出给定初始矩阵的最佳逼近矩阵.数值算例验证了所建立算法的可行性.

数学建模优化物流运输路径可行解的改进算法及应用

0.引言基于遗传算法的物流运输可行解改进方法,主要是利用结合节约历程法与遗传算法的优势,建立一个路径优化模型,并从里程、成本等方面,确定优化模型的可行性[1]。基于双向搜索的物流运输可行解改进算法,主要是建立自适应寻优网格分布模型,根据网格规划特征进行双向搜索,找出最短运输路径[2]。

基于改进矩阵分解和谱聚类的协同过滤算法

针对协同过滤算法中存在的数据稀疏性、可扩展性及准确性问题,提出一种基于改进矩阵分解和谱聚类的协同过滤算法。该算法首先将通过抑制物品流行度和用户活跃度优化的相似度计算融入最小二乘法(ALS),以避免矩阵分解时因子信息的丢失;其次结合流形学习的谱聚类算法弥补ALS算法产生的大计算量问题,同时获得全局最优解以提高聚类所得目标用户最近邻居的准确率;最后利用Movielens数据集进行实验。实验结果表明,改进的算法可以有效降低协同过滤算法的平均绝对误差和均方根误差,提高准确率,拥有更优的性能。

基于多策略融合改进粒子群算法的路径规划研究

针对传统粒子群算法(particle swarm optimization,PSO)在路径规划中易陷入局部最优使得规划路径较长以及搜索后期由于种群多样性降低容易陷入停滞等问题,提出一种多策略融合粒子群算法(multi-strategy fusion particle swarm optimization,MFPSO)并将其应用于路径规划中。首先,利用中垂线算法(midperpendicular algorithm)的粒子位置更新方法提升粒子的收敛速度;其次,在最优粒子附近采用生成爆炸粒子的策略使算法跳出局部最优;然后,引入线性动态惯性权重调整方法,增加算法的搜索能力;最后,在路径规划应用中采用全局最优解局部搜索策略,在算法后期得出的最优路径再进行局部搜索得出更优的路径,增加机器人路径规划能力。仿真结果表明,多策略融合粒子群算法在路径规划中具有更高的路径搜索能力。

复杂曲面随形打印变形机器人逆解算法与控制研究

为了缩短机器人的研发周期,加快多类构型机器人面向复杂曲面零件的特种加工应用落地,将参数化设计思想融入到从设计到应用的整个周期,结合逆解算法、模块化设计、3D打印技术、逆向技术、数字仿真技术、机电一体化技术等设计出可变形机器人开发系统。输入机器人的几何参数,即可快速完成机器人模型设计、路径规划、可视化编程、动力学仿真、硬件组装及试验。该变形机器人方法可匹配大多数厂家机器人,快速对复杂零件激光加工、喷涂、喷丸、焊接、打磨等自由路径随形编程,易于再开发扩展应用。利用该系统开发变形机器人,完成曲面随形打印写字,验证系统的高效性和可行性。

自适应混合蚁群算法求解带容量约束车辆路径问题

针对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP),提出了一种自适应混合蚁群算法.由蚁群算法生成子回路,为增强跳出局部最优能力,在蚁群算法的状态转移规则和信息素更新规则中引入了自适应机制.基于子回路组合,由遗传算法构造近似解,根据问题编码特性设计了适应度函数和遗传算子,提高了构造效率,并采用Clark和Wright节约算法将近似解修复成可行解.采用扫描法和2-opt局部优化方法提高可行解的质量.标准算例的实验结果表明,该算法在求解CVRP问题上具有良好的寻优精度和寻优效率.灵敏度分析结果表明蚂蚁数量对算法性能具有显著影响.

基于多元信息引导的人工蜂群算法

利用优秀个体增强解搜索方程的开采能力是改进人工蜂群算法的一种主流思路.然而,现有相关工作往往仅以适应度信息作为评价个体的唯一标准,易导致算法出现早熟收敛等问题.本文提出一种多元信息引导的人工蜂群算法,分别设计了基于适应度、位置以及相似度信息的3种解搜索方程,并在雇佣蜂阶段和观察蜂阶段采用了不同的使用方式.同时,为保存侦察蜂阶段的搜索经验,采用一种微调后的邻域搜索机制用于处理被放弃蜜源.在CEC2013测试集和一个实际优化问题上进行了大量实验验证,与6种衍生算法和5种知名的相关改进人工蜂群算法进行了对比,结果表明本文算法性能竞争优势明显,在结果精度和收敛速度上均有更好表现.

蚁群算法在高噪声区的InSAR相位解缠应用研究

InSAR技术已成为目前监测地面沉降、山体滑坡和地震等灾害的重要手段,而相位解缠是InSAR技术的关键一步。在噪声严重区域使用枝切法进行解缠时会产生大量的残差点,建立的枝切线过长并且会产生大量密集的区域,解缠时会产生解缠“孤岛”。本文应用蚁群算法寻找距离最近的异性残差点并放置建立枝切线,缩短枝切线的长度,减少密集区域,使得枝切线长度最短来避免枝切法产生的解缠“孤岛”。通过仿真实验和泉州地区实地的InSAR图像数据进行实验计算和分析,并以均方误差和解缠时间作为评价指标与其他5种算法进行对比,结果表明,该算法要优于其他算法,且该算法产生的枝切线相比于Goldstein枝切法产生的枝切线总长度缩短超过50%。