基于功能导向搜索在酒体检测中的应用

该文对TRIZ(发明问题解决理论)创新思维方法中一个解决问题的工具——功能导向搜索进行展开探讨,这是一种在专利数据库中进行搜索,将先进领域具有相似功能的成熟技术借鉴移植到当前研究的系统,以找到新问题在当前系统的解决方案。将其与酒体检测发展相结合,对各个领域的检测技术与目前已应用的酒体检测方法进行对照总结,并运用功能导向搜索逐步分析,预测出将先进多维动态成像技术引入成品酒检验可能是未来的发展方向。

基于DMPC的多无人机多维决策协同区域搜索

为了提高面向频域的多无人机(UAV)协同区域搜索效率,提出了一种基于分布式模型预测控制(DMPC)的多UAV多维决策协同区域搜索策略优化方法。首先,基于电磁目标信号检测模型设计了频域数字信息素图及其与空间区域信息图的融合机制;其次,由于多UAV面临在航行路径、频域覆盖和波束机动上多维决策协同目标搜索问题,基于DMPC框架,提出了多维决策协同搜索(MDCS)算法,建立多维决策空间模型,设计了分层搜索决策机制及其效能函数,最后结合滚动时域优化求解各UAV的搜索决策。仿真实验结果表明,MDCS算法能够实现时空频多维在线决策协同区域搜索策略,引导UAV对未知区域进行最大化覆盖搜索,并且有效降低了多维决策造成的优化求解规模,提升搜索决策的实时性。

基于自适应ε约束处理法的改进蛾子搜索算法

多需求多维背包问题包含相互冲突的两类不等式约束,对其可行域的搜索异常困难.因此,文中提出基于ε约束处理法的改进蛾子搜索算法.在莱维飞行阶段,根据当前进化代数调节步长值.在直接飞行阶段,引入突变率,增加算法的种群多样性.最后,对整个种群应用均匀变异算子,提高算法的全局探索遍历性.采用空间映射方法实现搜索空间到问题空间的转换,采用自适应ε约束处理法处理约束.在经典的96个测试用例上的验证实验表明:自适应莱维飞行算子、突变直接飞行算子、均匀变异算子对算法求解精度都具有显著效果,文中算法在求解绝大多数测试用例时的寻优精度较优.此外,文中应用正交实验方法分析参数对于ε约束处理法的影响.

基于语义关联的图书馆移动视觉搜索资源与服务聚合研究

[目的/意义]移动视觉搜索(MVS)服务是移动互联网时代图书馆更好切入用户利用场景和促进图书馆各种资源开发利用的有效措施,而视觉资源与图书馆各种资源的聚合是图书馆MVS服务开展的基础。[方法/过程]从多维度聚合和语义关联两个方面分析了数字资源聚合的理论基础,并从基础数据层、资源描述层、语义聚合层和用户应用层4个方面构建基于语义关联的图书馆MVS资源多维度聚合模型,在此基础上分析了MVS服务的实现流程。[结果/结论]构建移MVS为核心的语义关联视觉资源多维度聚合体系,有利于不同情境下图书馆MVS服务的现实。

基于语义的网络大数据组织与搜索

随着信息技术的飞速发展,网络空间中出现海量异构的数据资源,网络大数据逐渐引起了人们的关注.从网络大数据中发现并获取用户所需的数据资源,需要对网络大数据进行有效地组织管理并进行基于数据语义的相似搜索.为此,需要从网络数据资源中抽取其特征/属性构造高维语义空间,并将数据资源及用户查询信息抽象为语义空间中的特征向量或高维点,进而通过比较特征向量间夹角余弦值或高维点之间的距离来衡量语义相似性.高维索引技术可以对高维语义空间中的数据资源进行有效组织管理,实现基于数据语义的相似性搜索;而降维技术可以消除语义空间维数过高所引发的"维灾"影响.文中对现有的高维数据索引及降维技术进行了系统的综述,然后介绍了现有的基于分布式技术实现高维数据语义相似性搜索的研究工作,最后并展望了未来工作.

多维背包问题的禁忌搜索求解

借鉴认知心理学有关记忆系统的表述,在禁忌搜索算法中引入长时记忆,构造了基于双禁忌表的禁忌搜索算法。多维0-1背包问题的仿真实验表明,该算法是可行的、有效的。

改进拟态物理学算法在交直流系统无功优化中的应用

拟态物理学算法(APO)具有较好的全局搜索能力,且能避免粒子群等算法常出现的易早熟收敛现象,具有较好的稳定性、快速收敛和鲁棒性。针对交直流混联系统无功优化问题,在矢量模型的拟态物理学算法的基础上,提出了一种基于改进拟态物理学算法的无功优化算法。为便于处理约束问题,算法中通过定义不可行度函数判断不可行解,并采用收缩因子将不可行解拉回可行域内,再通过多维搜索方法寻求最优解。通过IEEE30节点系统仿真测试,并与其他优化算法进行比较,结果表明该算法具有较好的求解效率和准确性。

求解多维0—1背包问题的混合遗传算法

文章研究一类典型的组合优化问题——多维０－１背包问题，提出了在简单遗传算法（ＳＧＡ）中加入局部搜索机制的混合遗传算法（ＨＧＡ）来求解该类问题，并在大量数值实验的基础上，将ＨＧＡ与传统的求解方法及ＳＧＡ进行了比较，实验的结果表明，该算法具有一定的优越性。

基于有导向变异算子求解多维背包问题

多维背包问题(MKP)是经典的NP难的组合优化问题。引入有导向变异算子的进化算法GM-EA(Guided Mutation EA)来求解该问题,通过结合粒子群优化的方法改进郭涛算法,更好地利用种群中的全局信息,取得较好的效果。实验结果表明GM-EA是求解MKP有效的算法。

基于概率积分法的多维参数预计实验

提出了一种基于约束规则的多维参数优选来实现高精度预计的方法,通过偏差值、相对偏差值等指标加以评价。实验证明:采用多维参数进行预计是可行的,而且较于使用定维参数进行预计,其预计精度得到一定程度的提高。

多维正态分布分段禁忌优化算法的参数优化

针对多维连续函数全局优化中存在的算法收敛速度低和求解精度差的问题,在基于多维正态分布的分段禁忌优化算法的基础上,进行参数优化设置,对多维连续函数进行高精度快速优化。基于多维正态分布的分段禁忌优化算法以分阶段禁忌算法为基础,对于每一阶段设置不同的初始值、邻域选取范围和搜索步长。为获取精度高的全局最优解和较快的收敛速度,利用多维正态分布函数来指导邻域点的选取。试验表明:解精度和收敛速度受第二阶段解空间的缩小比例影响较大,当缩小比例为0.5时,对大部分测试函数会获得较高的解精度。同时为进一步提高解的精度,在算法的第三阶段进行变步长搜索,测试试验表明当步长缩小比例取0.1时,算法的运行速度较快。将经过参数优化设置后的改进的算法(MSCTS)与分段禁忌算法(SCTS)进行对比测试,试验结果表明,对多维连续函数寻优问题,利用MSCTS算法寻优,其收敛速度可达到5倍以上,同时结果精度提高10个数量级以上。因此MSCTS算法非常适合多维连续函数优化问题。

全局最优引导的差分演化二进制人工蜂群算法

针对基本二进制人工蜂群算法开采能力弱、收敛速度慢的缺点,提出一种全局最优引导的差分二进制人工蜂群算法。算法仿照粒子群优化,将全局最优参数引入二进制人工蜂群算法中以提高开采能力;同时受差分演化算法中"交叉"操作的启发,提出多维邻域搜索方式,加快收敛速度。采用0-1背包问题进行仿真,实验结果表明与传统算法相比,提出算法不仅寻优能力增强且收敛速度明显提高。对于10维背包问题,提出算法的收敛速度比基本二进制人工蜂群算法提高近10倍。

无约束优化问题的多重滤子线搜索信赖域方法

结合多重滤子、线搜索和非单调技术,对无约束优化问题提出新的非单调信赖域算法。当试验点迭代不成功时,采用多重滤子线搜索,尽量减少重新求解信赖域子问题的次数,从而降低了计算量。在一定的条件下,给出新算法的全局收敛性证明。

SPH方法中多维树搜索算法的优化及在GPU上的实现

为了提高光滑粒子动力学(SPH)方法中流体模拟的实时性,对SPH中相邻粒子搜索算法进行了改进,提出一种基于图形处理器(GPU)的多维树搜索算法.首先,为流体粒子建立树形结构并将其存储到GPU显存中;其次,从给定粒子开始对多维树分层搜索,通过递归遍历树节点标记出相邻粒子;最后,计算给定粒子与标记粒子的相互作用,更新给定粒子的位置,对粒子进行重新绘制.实验表明,该方法减少了GPU和中央处理器(CPU)之间的数据交互,可以使基于SPH方法的流体模拟完全运行于GPU上,并且基于GPU的多维树搜索算法比CPU下的搜索算法的处理速度快出数倍,使流体模拟达到了更好的实时性效果.

多维连续参数的随机试验蚁群算法优化反演分析

针对一般蚁群算法难以求解优化反演中的多维连续参数优化问题,借鉴进化思想,提出随机试验蚁群算法求解多维连续参数全局优化问题的方法。该方法主要运用随机试验求出每个参数的任一水平对目标函数的影响度,以此影响度为蚂蚁选择下一个参数水平的能见度,从而确定参数水平被选中的概率。同时考虑到当参数被划分的水平很多时目标函数收敛较慢的缺点,提出用方差分析法来确定参数的水平对目标函数的影响是否显著,将对目标函数影响不显著的参数水平其信息素设置为很小的值,从而加速目标函数的收敛。通过对一个岩土工程优化实例,表明了该算法的有效性。

一种新的求解多维背包问题的分散算法

为了避免蚁群算法在优化搜索过程中易陷入局部最优和早熟收敛,提出一种求解多维背包问题的新型分散搜索算法。该算法是把蚁群算法的构解方法引入到分散搜索算法中,在搜索过程中,既考虑解的质量,又考虑解的分散性。同时,该分散算法还采用了动态更新参考集与阈值接收算法的阈值参数,以控制搜索空间来加快收敛速度。通过选取国际通用MDKP实例库中的多个实例进行测试表明,该算法可以避免陷入局部最优解,能提高全局寻优能力,其结果优于其他现有的方法,并获得了较好的结果。

基于多维空间的燃烧平衡产物组成的计算方法

为计算燃烧平衡产物的组成,在质量守恒关系的基础上,得到一系列基本可行解。根据吉布斯自由能,对基本可行解进行优化筛选,将筛选得到的基本可行解视为多维解空间的顶点,以吉布斯自由能降低为判据,利用基本可行解逐个与初始解线性组合,从而搜索得到最佳点,即为最终平衡产物组成。应用文献数据对计算结果的准确性进行验证。结果表明,该方法计算平衡产物的组成与文献数据基本一致,燃烧温度最大误差不超过3%。

基于多维局部搜索的相干信号DOA估计算法

基于子空间类DOA估计算法具有很高的分辨率,但不适用于相干源测向,提出一种基于多维局部搜索的相干信号源DOA估计算法。首先,对协方差矩阵进行特征分解,获得叠加导向矢量空间。然后,对叠加导向矢量空间进行傅里叶变换,预估计信号方向和延迟系数。最后,以预估计结果为基点,通过多维局部搜索,精确估计相干信号入射方向。由于采用的是局部搜索方式,算法运算量非常小。仿真试验结果表明,提出的算法分辨率高,估计误差小。

改进二进制布谷鸟搜索算法求解多维背包问题

针对多约束组合优化问题——多维背包问题(MKP),提出了一种改进二进制布谷鸟搜索(MBCS)算法。首先,采用经典的二进制代码变换公式构建了二进制布谷鸟搜索(BCS)算法。其次,引入病毒生物进化机制和病毒感染操作,一方面赋予布谷鸟鸟巢位置自变异机制增加种群多样性;一方面将布谷鸟鸟巢位置所组成的主群体的纵向全局搜索和病毒群体的横向局部搜索进行动态结合,进一步提高了算法的收敛速度,降低了陷入局部极值的概率。再次,针对MKP特点设计了不可行解的混合修复策略。最后将MBCS算法同量子遗传算法(QGA)、二进制粒子群优化(BPSO)算法、BCS算法就来源于ELIB数据库和OR_LIB数据库的15个算例进行了仿真对比。实验结果表明,所提算法计算误差均小于1%,标准差小于170,相比这3种算法具有相对更好的寻优精度和求解稳定性,是一种求解多维背包等NP难问题有效的算法。

基于动态和谐搜索的混合粒子群优化算法

针对粒子群优化算法随维数增大群体多样性相对减小而早熟收敛的问题,在对和谐搜索算法进行适应性改进的基础上,将其引入粒子群算法中,提出一种动态和谐搜索混合粒子群优化算法(DHSPSO).该方法使得粒子在搜索初期更具遍历性,降低算法对初始值的敏感性,并通过和谐搜索算法搜索的随机性和优胜劣汰机制改善粒子群的多样性,使得算法具有更快的收敛速度与更好的全局搜索能力.以多个标准测试函数优化进行仿真测试,结果表明,DHSPSO算法在进行高维优化问题时,在寻优速度、精度和成功率等方面均显示出良好的优化效果.