基于硬约束热启动的量子投资组合优化算法

针对金融领域的投资组合优化问题中普遍存在的整数约束难题,提出了一种基于量子近似优化算法的新解法。该算法通过将经典算法得到的连续解编码为量子电路的初始态,从而将连续优化问题转化为离散的马科维茨模型。同时,引入硬约束来严格满足投资组合中的整数约束,确保解的质量。通过热启动技术,进一步提升了算法的成功率。数值模拟实验表明,该算法在求解大规模整数约束投资组合问题时,相较于传统方法具有显著的计算效率优势,且所得解的质量更优。

一种随机共振智能融合信号滤波算法研究

针对井下声波信号在强噪声干扰下而难以解析的问题,提出一种奇异值分解与随机共振融合的信号处理算法。该算法首先利用奇异值分解进行初步处理,在信号重构时引入奇异值下降速度进行改进,进而提高确定奇异值阈值的准确性。随后将处理后的信号输入级联随机共振系统,达到信号滤波的目的,为了更加准确地确定系统参数,引入人工鱼群算法(AFSA)进行随机共振的参数寻优,提高了算法的信号滤波效果。实验结果表明,改进奇异值分解与优化级联随机共振融合的信号处理算法相比其它几种经典算法滤波效果更强,在强噪声背景下,信噪比增益可达15.235dB,提高了处理井下声波信号的输出信噪比。

深度学习优化器进展综述

优化器是提高深度学习模型性能的关键因素,通过最小化损失函数使得模型的参数和真实参数接近从而提高模型的性能。随着GPT等大语言模型成为自然语言处理领域研究焦点,以梯度下降优化器为核心的传统优化器对大模型的优化效果甚微。因此自适应矩估计类优化器应运而生,其在提高模型泛化能力等方面显著优于传统优化器。以梯度下降、自适应梯度和自适应矩估计三类优化器为主线,分析其原理及优劣。将优化器应用到Transformer架构中,选取法-英翻译任务作为评估基准,通过实验深入探讨优化器在特定任务上的效果差异。实验结果表明,自适应矩估计类优化器在机器翻译任务上有效提高模型的性能。同时,展望优化器的发展方向并给出在具体任务上的应用场景。

考虑出库不确定性的船舶舾装件立库入库优化

针对船舶舾装件立体仓库入库货位分配优化问题,本文建立了以货架稳定原则、齐配就近原则以及出库速度最快原则为优化目标的多目标优化模型。实现了考虑船舶出库不确定特点且兼顾托盘齐配率提升的立库入库优化。该研究通过分布式鲁棒优化解决了由于舾装件种类多、标准化程度低等特点导致的出库频率分布难以通过历史数据进行准确刻画的问题。基于模型的数学结构对模型进行分解,并研究设计了使用遗传算法进行热启动的分支定价算法。克服了启发式算法无法获得精确解、传统优化算法求解时间过长的两大难题,实现了大规模问题的快速精确求解,并通过数值实验结果表明:该模型对舾装件入库货位分配具有明显的优化效果。

融合模式搜索的蝗虫优化算法及其应用

在智能优化算法应用于复杂优化问题的求解过程中,平衡开发和探索以获得最优解具有重要意义。因此针对传统蝗虫优化算法在处理一些较为复杂的优化问题时出现的收敛精度低、搜索能力弱且容易陷入局部最优等缺陷,提出一种融合模式搜索的蝗虫优化算法。首先引入Sine混沌映射初始化蝗虫个体种群位置,减少个体重叠概率以增强种群迭代初期的多样性;其次利用模式搜索法,对种群目前找到的最优目标展开局部搜索,提高算法的收敛速度与寻优精度;同时为了避免算法后期陷入局部最优,引入了基于凸透镜成像的反向学习策略。实验部分通过对改进的蝗虫算法进行消融实验,验证了Sine混沌映射、模式搜索、反向学习每个策略的独立有效性。并用两组测试函数进行仿真实验,采用Wilcoxon秩和检验、Friedman检验的方法进行结果分析。实验结果均表明了融合模式搜索法改进的蝗虫算法在收敛速度与寻优精度上得到明显提高。最后,将其应用于移动机器人路径规划,测试结果进一步验证了改进算法的有效性。

东北暖季冷涡降水日变化的聚类分析

使用2017~2022年5~9月逐小时三源融合实况格点降水(CMPAS)资料,采用K-均值聚类算法对东北暖季冷涡降水日变化分类,分析其特征及空间分布,结果显示:1)东北暖季冷涡降水多年平均降水量空间分布从西北到东南增加,降水频次的空间分布与其相似,降水强度大值区集中在辽东半岛附近。2)东北地区冷涡背景下降水量、降水频次和降水强度暖季平均日变化均呈双峰型,降水量的下午主峰值主要源于降水频次,而夜间次峰值与降水频次和降水强度均关系密切。3)聚类后冷涡降水量、降水频次的日变化表现为单峰型和双峰型特征,且单峰型格点占比较大,降水强度的日变化表现为单峰型。依据峰值出现时间及日变化形态间差异,降水量、频次与强度均可划分为4类不同的日变化类型。4)各类日变化空间占比统计结果显示,冷涡降水量、降水频次日变化存在下午峰值的格点均占比最大,夜间峰值次之,两者聚类后区域特征明显,与地形关系密切且分布相对规整;冷涡降水强度日变化下午单峰型格点占比最大,聚类后空间分布较为零散。

基于最优架构搜索网络的液压泵故障诊断改进方法研究

针对神经网络结构搜索方法(NAS)在搜索最优结构时存在性能评估效率偏低,以及由于模型泛化性能力不足导致液压泵故障诊断精度过低等问题,提出一种改进的Data-free NAS方法。通过引入CAME优化器和热重启余弦退火优化算法,分别替代SGD优化器和LambdaLR优化算法,对Data-free NAS的诊断精度和计算效率等性能评估验证功能进行改进优化处理。通过液压泵实测故障实验验证分析可知:所提改进方法较原方法具有显著有效性和优越性;CAME优化器在优化模型的学习率和动量等权重超参数方面具有明显优势,精度和效率分别提升了7.24%和37.5%,且精度高达100%;热重启余弦退火优化算法可优化学习率参数,使效率提升了81.25%。

基于模糊粒子群算法的非线性函数优化

针对非线性函数优化问题,提出一种新型的模糊粒子群算法.该算法基于模糊控制器中输入输出的模糊化处理和粒子群寻优的特点.算法在Matlab 2008环境下编程实现,针对几个典型复杂的非线性函数进行优化测试.实现结果表明:模糊粒子群算法是一种简单有效的算法,具有良好的有效性和鲁棒性.

空中航空交通流进场调度管理研究

在空中交通流优化调度的研究中,为了保障飞行安全、降低飞行成本,应对多跑道机场管制区进场航空器进行有效的排序。由于不同航空器应配备不同的安全间隔及航空器提前/延迟降落,都会增加额外的飞行成本。为解决上述问题,建立了以总飞行成本最小为目标函数的多跑道机场进场航班排序模型,运用改进人工鱼群算法,对多跑道机场的进场航班排序进行了算例仿真分析,并与先到先服务算法进行了对比研究。仿真结果表明:与先到先服务算法相比,人工鱼群算法使航班延误减少了49.7%,有效地缓解了航班延误,降低了飞行成本。

粒子群优化算法及其与遗传算法的比较

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。

基于粒子群优化算法的凝汽器真空预测模型

分析了凝汽器的传热特性,利用660MW机组DCS采集到的数据,通过多元回归分析了凝汽器真空与其影响因素之间的关联关系,得到了偏相关系数,为真空预测模型提供了理论依据.应用主元分析与粒子群BP神经网络相结合的方法,给出了凝汽器真空预测模型,实现了对真空值的提前预测.通过凝汽器预测真空值与监测值的对比,判断此时的真空运行状态是否合理,实现凝汽器运行状况的软测量,为凝汽器的故障诊断提供理论依据,从而提高了机组的运行效率,保证机组的安全可靠运行.

利用多群交叉变异人工鱼群算法生成分类规则

在基本人工鱼群算法的基础之上构建了用于解决连续变量空间分类规则提取的多群体人工鱼群算法,根据分类规则提取问题的特性设计了人工鱼的编码规则,并在此编码基础上定义了进行规则评价的适应值函数以及相关状态更新公式。为克服人工鱼群算法易陷入局部最优解的缺陷,引入了遗传算法中的交叉变异思想,设计了基于人工鱼的交叉及变异算子,提出了利用多种群交叉变异人工鱼群算法生成分类规则的算法思想。利用Iris和Wine数据集作为测试数据,结果表明:(1)该算法能够快速生成精度较高的分类规则;(2)在收敛效率及规则精度上全面优于基本多群体人工鱼群算法,并达到了多群体微粒群算法的性能水平。

基于Petri网建模的并行粒子群算法

粒子群优化算法,起源于鸟群行为的研究,是一种基于群智能的进化计算技术,通过粒子之间的协作与竞争以实现对多维复杂空间的高效搜索。提出了基于Petri网的并行粒子群算法,并采用经典测试函数验证算法的有效性。测试结果表明,算法能很好地控制粒子群优化过程中的早熟问题,并能够较好地得到群落全局最优解。

雷达捷变频技术对干扰源定位的方法研究

针对新体制具有回波信号数字化显示处理的警戒雷达,利用雷达捷变频技术实现对雷达干扰源进行低精度定位。采用灰度质心法计算雷达干扰源位置、并对计算结果进行误差分析,为实时跟踪定位运动干扰源位置的可行性提供方法。该方法有利于实现作战系统快速判研和对战场对抗态势的全局掌握,是一种有效的雷达辅助探测功能。

基于粒子群算法的低渗油藏CO_(2)驱油与封存自动优化

为提高CO_(2)驱油与封存工程的优化效果,实现不同优化目标的最大化,提出基于粒子群算法和数值模拟技术的低渗油藏CO_(2)驱油与封存自动优化方法,并以陕北某低渗油藏典型井组为例,进行优化方法的适应性分析,选择最优的注入方式。结果表明:不同注入方式和目标函数下的敏感性影响参数不同,试凑法无法满足多参数耦合条件下的优化研究;为了获得较高的净现值和累积产油量,可采用早期注入CO_(2)和较低生产井井底压力下限的工作制度,而为了最大限度的埋存CO_(2),可采用稍晚注入CO_(2)和较高生产井井底压力下限的工作制度;CO_(2)驱连续注入更有利于CO_(2)埋存,而CO_(2)驱水气交替注入(段塞比减小)更有利于提高采收率。

面向故障联合定位的告警数据信息填充算法

数据完整性是网络告警信息的基本质量属性,是进一步进行网络告警故障分析的基础。然而在现实中,网管系统可能接收到信息缺失的网元告警信息,从而影响网络故障定位的准确性。分别使用决策树算法、窗关联规则挖掘(WARM)算法和相似度算法对网络告警信息中缺失的属性进行数据填充,并在国家电网信息网络和通信网络共存的场景下研究分析上述算法对联合故障定位性能的提升。实验结果表明,在该场景下决策树算法有更高的联合故障定位准确率。

暖脊特征点提取及暖脊线自动绘制方法研究

低空暖脊的出现意味着一种天气不稳定因素的形成,因此,基于温度场的暖脊线的正确识别对于天气预报具有重要意义。本文在分析山脊线算法用于提取暖脊线时暴露出的问题的基础上,提出一种纠偏算法,配合使用为反映暖脊线气象特点所构建的规则,提取到干扰较少的暖脊特征点;根据最小二乘法点拟合线的思想,提出一种光滑中轴算法,得到质量较高的暖脊线。实验表明,本文算法绘制的暖脊线与气象专家手工绘制的暖脊线吻合较高,击中率高达97%,未发现误识。

天棚型转子动力吸振器的参数优化

一阶共振响应过大是转子系统普遍存在的问题。提出天棚型转子动力吸振器的概念及结构规划,将其应用于转子一阶共振抑制。利用有限元理论对吸振器-转子耦合系统进行数学建模,并求解频响函数。基于频响函数规划参数的优化数学模型,并利用自适应粒子群优化算法求解。最后,分析了抑振性能对各参数的灵敏度。研究结果表明:天棚型转子动力吸振器能有效降低转子一阶共振振幅;其抑振性能比Voigt型吸振器具有更优异的抑振性能;抑振性能对频率比的灵敏度要远大于阻尼比。

冶金温压成形过程的有限元分析

为了生产出密度更高、性能更好的冶金零件,提出冶金温压成形过程的有限元分析。先确立冶金温压成形制造平台整体结构,包括物流、能量流、信息流三个子系统;然后探究温压成形过程中的关键技术,综合分析润滑剂的选取要素,确保有限元分析过程不受制造工艺因素影响。为减少摩擦力的影响,利用牛顿定律构建颗粒接触模型,描述颗粒间运动过程,以减少摩擦。最后分别从温度场和电磁场两个角度研究温压过程中产生的热效应,通过拉格朗日算法建立热-机耦合有限元模型,该模型在满足能量守恒的基础上描述出整体增量应变和材料应变。有限元分析结果表明,零件的压坯密度与半径大小无关,但温度越高、摩擦因数越低,密度分布越均匀,生产的零件质量越好。

基于人工蜂群算法的飞机进场飞行航迹优化

基于飞机进场航迹模型、汇聚点所需到达时间(RTA)约束模型,以飞机油耗和全球增温潜势为优化目标,构建多目标优化模型。引入交叉操作和衰减因子对人工蜂群(ABC)算法进行改进,实现模型的智能求解。以A330飞机为例进行计算分析,结果表明,改进的ABC算法能满足RTA约束下的进场航迹优化需求,邻域搜索次数限制、优化子目标的权重、RTA窗口大小对优化结果有重要影响。