为纠正作业车间调度问题中蚁群算法搜索周期长、易陷入局部极小值的缺点,提出了一种改进的自适应非均匀窗口蚁群算法。首先,该算法通过自适应调整的非均匀窗口限制蚂蚁的移动范围,在缩短蚂蚁搜索周期的同时及时开辟新的解空间;然后,根...为纠正作业车间调度问题中蚁群算法搜索周期长、易陷入局部极小值的缺点,提出了一种改进的自适应非均匀窗口蚁群算法。首先,该算法通过自适应调整的非均匀窗口限制蚂蚁的移动范围,在缩短蚂蚁搜索周期的同时及时开辟新的解空间;然后,根据蚂蚁的多态性提出了蚂蚁跳跃窗口策略,赋予算法良好的跳出局部极小的能力;最后,鉴于作业车间调度中一个工件在多个机器上加工的特点,新算法对蚂蚁状态转移概率中的启发函数进行了改进,提高了路径的启发程度。通过对Muth and Thompson基准问题的仿真,验证了新算法的收敛性能。展开更多
针对传统时频峰值滤波(TFPF:Time-Frequency Peak Filtering)未考虑地震信号记录道与道之间的相关性以及径向道TFPF未考虑实际同相轴走向的问题,在假设反射同相轴局部线性的基础上,提出自适应径向道时频峰值滤波算法。该算法利用自适应...针对传统时频峰值滤波(TFPF:Time-Frequency Peak Filtering)未考虑地震信号记录道与道之间的相关性以及径向道TFPF未考虑实际同相轴走向的问题,在假设反射同相轴局部线性的基础上,提出自适应径向道时频峰值滤波算法。该算法利用自适应函数获取局部区域内同相轴的走向,通过径向道变换(RTT:Radial-Trace Transform)将同相轴拉伸到径向道域,提高其线性度,更好地满足TFPF无偏估计的条件,减小因信号非线性引起的估计误差。实验结果表明,该方法在随机噪声压制和有效信号恢复方面都取得了更好的效果。相同窗长下,该算法相比传统TFPF信噪比提高了5 d B左右,相比径向道TFPF信噪比提高了3 d B左右。展开更多
文摘为纠正作业车间调度问题中蚁群算法搜索周期长、易陷入局部极小值的缺点,提出了一种改进的自适应非均匀窗口蚁群算法。首先,该算法通过自适应调整的非均匀窗口限制蚂蚁的移动范围,在缩短蚂蚁搜索周期的同时及时开辟新的解空间;然后,根据蚂蚁的多态性提出了蚂蚁跳跃窗口策略,赋予算法良好的跳出局部极小的能力;最后,鉴于作业车间调度中一个工件在多个机器上加工的特点,新算法对蚂蚁状态转移概率中的启发函数进行了改进,提高了路径的启发程度。通过对Muth and Thompson基准问题的仿真,验证了新算法的收敛性能。
文摘针对传统时频峰值滤波(TFPF:Time-Frequency Peak Filtering)未考虑地震信号记录道与道之间的相关性以及径向道TFPF未考虑实际同相轴走向的问题,在假设反射同相轴局部线性的基础上,提出自适应径向道时频峰值滤波算法。该算法利用自适应函数获取局部区域内同相轴的走向,通过径向道变换(RTT:Radial-Trace Transform)将同相轴拉伸到径向道域,提高其线性度,更好地满足TFPF无偏估计的条件,减小因信号非线性引起的估计误差。实验结果表明,该方法在随机噪声压制和有效信号恢复方面都取得了更好的效果。相同窗长下,该算法相比传统TFPF信噪比提高了5 d B左右,相比径向道TFPF信噪比提高了3 d B左右。
