部分信息下相邻2-out-of-n:F系统的可靠性分析

对相邻2-out-of-n系统可靠性的研究大都假定部件的失效时间分布是已知的,即部件的可靠度是已知的,然而该假设在许多情况下是不合理的(例如软件系统,人机系统)。本文针对部件的失效时间分布未知,仅仅具有关于部件可靠度的部分信息情况,也就是我们仅仅知道部件的寿命在某些重叠区间的可靠度,利用不精确概率理论分析了该系统,获得了相邻2-out-of-n:F环形与线形系统可靠度上下界的精确公式。最后用例子说明了本文的方法,并指出了在该方向上需要进一步研究解决的问题。

基于模拟退火的粒子群算法求解约束优化问题

针对复杂约束优化问题,提出一种基于模拟退火(SA)的粒子群(PSO)算法(SAPSO)。该算法使粒子的飞行无记忆性,结合模拟退火算法重新生成停止进化粒子的位置,增强了全局搜索能力。同时采用双群体搜索机制,一个群体保存具有可行解的粒子,用SAPSO算法使粒子逐步搜索到最优可行解;另一个群体保存具有不可行解的粒子,并且可行解群体以一定的概率接受具有不可行解的粒子,有效地维持了群体的多样性。仿真结果表明:该算法能够快速准确地找到位于约束边界上(或附近)的最优解,具有较好的稳定性。

光滑支持向量机多项式函数的研究

为了找到多项式光滑支持向量机(polynomial smooth support vector machine,PSSVM)中性能更好的光滑函数,将正号函数变形并展开为多项式级数,得到一类光滑函数。证明了这类函数的性能,它既能满足任意阶光滑的要求,也能达到任意给定的逼近精度。用Newton-Armijo算法求解相应的PSSVM模型,实验结果表明,随着多项式光滑函数阶数的提高,逼近精度和相应PSSVM模型的分类性能也相应提高。

基于剩余能量和节点度的无线传感器网络分簇算法

为了解决无线传感器网络的能量效率问题,提出了一种基于剩余能量和节点度的分簇算法BREND。该算法在簇头选取过程中,通过两轮分簇竞选最终簇头,综合考虑所有节点剩余能量和节点度,避免能量低的节点当选为簇头,并且采用临时簇头退位机制,一跳通信范围内只有一个临时簇头,使簇头分布更加均衡。仿真结果表明,与LEACH和ENCA算法相比,该算法延长了网络生存时间。

免比例因子F的差分进化算法

比例因子F的合适赋值常会大大改善差分进化算法的求解性能,但是如何给值是个麻烦的事情.本文给出了二种免比例因子F的差分进化算法.算法将每一个个体视为带电粒子,利用之间的吸引、排斥机制,确定个体在差分方向上移动的长度,依此免去比例因子F设置的麻烦.通过和两种PSO算法以及其它四种不同赋值策略的算法的数值试验比较,表明提出的算法相比其它相比较的算法有更好的求解性能.

非均衡数据的去噪模糊支持向量机新方法

针对支持向量机对噪声的敏感,以及当两类训练样本数量差别悬殊时,造成分类结果倾向较大类等弱点,通过理论分析,合理地设计隶属度函数,提出了一种新隶属度函数的模糊支持向量机。该方法既可补偿倾向性造成的不利影响,又可增加抗噪声能力,提高预测分类精度。最后通过对含噪声的非均衡数据实验表明,该方法比传统支持向量机和简单去噪模糊支持向量机都有着较高的分类能力。

一种非局部扩散的图像修复模型

利用非局部算子的定义,提出了一种新的非局部扩散的修复模型.该模型在扩散的过程中充分利用了图像的全局信息对损坏的区域进行修复,克服了偏微分方程模型在修复图像时产生的模糊和不能很好地保护图像边缘及纹理的不足.实验结果表明,该模型是行之有效的.

解约束最优化问题的一个新的多目标进化算法

把约束函数作为目标函数,将约束优化问题转化为多目标规划问题。对这个多目标规划,根据带权极小极大策略构造了一个同进化代数有关的变适应值函数。利用广义球面坐标变换和均匀设计法来选择权重,使得由此权重确定的适应值函数能使种群中的容许解逐渐增加并且保持其多样性。用均匀设计法构造的带有自适应性的变异算子增强了算法的局部搜索能力。该方法能有效处理约束,特别是紧约束。计算机仿真显示了该方法是有效的。

求解约束优化问题的改进粒子群算法

针对高维复杂约束优化问题,提出了一种基于平滑技术和一维搜索的粒子群算法(NPSO)。该算法使粒子的飞行无记忆性,结合平滑函数和一维搜索重新生成停止进化粒子的位置,增强了在最优点附近的局部搜索能力;定义了不可行度阈值,利用此定义给出了新的粒子比较准则,该准则可以保留一部分性能较优的不可行解微粒,使微粒能快速的找到位于约束边界或附近的最优解;最后,为了扩大粒子的搜索范围,引进柯西变异算子。仿真结果表明,对于复杂约束优化问题,算法寻优性能优良,特别是对于超高维约束优化问题,该算法获得了更高精度的解。

高效求解多峰值全局优化的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,将区间算法和遗传算法进行融合,提出了一种区间-遗传算法。该算法利用区间算法为遗传算法的搜索区域进行定界,同时采用拒绝指标可使包含全局最优解的区间更容易被选择,而且算法通过遗传算法提供的问题全局最优解的上界可对那些不包含全局最优解的区间进行删除。对一些多峰值全局优化问题进行了仿真实验,结果表明:该算法相比传统区间优化算法更加有效,而且随着问题维数的增大,算法的高效性更加明显。

一种解决约束优化问题的模糊粒子群算法

该文针对复杂约束优化问题,提出了一种模糊粒子群算法(FPSO),设计了一个新的扰动算子,在此基础上定义了模糊个体极值和模糊全局极值,利用这两个定义改进了粒子群进化的方程,利用该方程更新粒子的速度与位置,可以避免早熟收敛问题;定义了不可行度阈值,利用此定义给出了新的粒子比较准则,该准则可以保留一部分性能较优的不可行解微粒。用概率论的有关知识证明了算法的收敛性。仿真结果表明,对于复杂约束优化问题,算法寻优性能优良,特别是对于超高维约束优化问题,该算法获得了更高精度的解。

服务质量路由问题的一个新进化算法

针对服务质量路由问题,设计了一种新颖的进化算法QoS_EA。该算法具有以下特点:(1)通过采用一种前向自然数编码方法,使路径不包含圈,节省了进化算法在求解该问题时的圈检查过程;(2)设计了一种散接交叉算子,以防止出现不可行的路径,确保交叉操作的有效性和种群的多样性;(3)与交叉算子相对应设计了一种基于局部链路选择性修改的选择性变异算子,以确保路径由任意初始状态进化到满足约束的路径。理论分析证明该算法具有明显的优越性,并以概率1收敛于所求路径。计算机仿真结果表明该算法性能优于其他同类算法。

一种新的正交多目标最优化遗传算法

文章首先构造了一个新的适应值函数,它以标准化后的目标函数的加权极大值作为个体的适应值,通过独特选取多组权重向量和正交试验方法,保持了种群的多样性,使得搜索方向在目标空间中均匀指向有效界面。该算法的显著特性是不管有效界面是否凸,都能找到足够多均匀分布的有效解。数值实验也表明了该算法非常有效。

一种面向传感器网络的蚁群优化路径恢复算法

为了找到动态传感器网络中的能量有效路径,提出了一种基于蚁群优化的传感器网络路径恢复算法.设计了一种新的路径选择概率模型,使得能够找到一条从源节点到sink的能量有效路径,该路径兼顾了路径能量消耗和节点剩余能量情况.为了适应网络动态变化,提出了局部信息素再初始化规则,利用该规则可在网络失效节点的附近进行局部信息素再初始化,在保留大部分原有最优路径的信息的同时,还能进行局部搜寻,以寻找新的路径,从而达到快速路径恢复的目的.仿真实验表明,所提算法在寻找路径上所消耗的能量最少,节点的剩余能量最大,在网络存在失效节点的情况下能够快速恢复路径.

最小二乘支持向量机的预优共轭梯度法

针对Suyken等人提出的最小二乘支持向量机的共轭梯度法在输入样本的个数较大时,需要求解高阶线性方程组这一缺陷,提出了一种新算法。该算法利用分块矩阵的思想将该高阶线性方程组系数矩阵降阶,为了提高收敛速度,克服数值的不稳定性,采用条件预优共轭梯度法求解低阶的线性方程组。通过仿真试验证明用本文方法训练最小二乘支持向量机比共轭梯度法的训练速度提高了将近一倍。

基于复杂网络理论的无线传感器网络特征度量分析

通过研究复杂网络的理论,介绍了复杂网络的几种主要特征度量,并以此分析了无线传感器网络的特性。列举了无线传感器网络的节点度分布、集聚系数、平均路径长度、网络联通性等特性。研究了节点数、通讯半径、连通率间的关系,由仿真的数据得出,增加节点不能完全保证网络的联通,只能增加联通的概率,而增加通讯半径则可以迅速地使网络联通。因此,在条件允许的情况下,选择通讯半径大的传感器比增加撒布节点更能保证网络的联通。最后给出了适合于无线传感器网络的介数的评价方法。

一类非线性三阶边值问题的可解性

本文利用上下解方法和微分不等式技巧研究了一类非线性三阶边值问题的可解性,在非线性项满足某些局部性条件时得到了一些存在性结论。

一种新的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,本文将区间算法和遗传算法进行融合,给出了一种区间-遗传算法,该算法保留了传统区间优化算法简单、对问题本身信息要求不高的优点.重要的是在每次迭代中区间算法为遗传算法的搜索提供可靠区域,同时遗传算法为区间算法的区间分裂提供了一个方向、为区间删除给出了问题全局最优解的一个上界.最后给出了算法的收敛性证明,数值实验表明该算法相比传统区间优化算法有较高执行效率.

基于距离向量深度的多约束路径选择算法

为各种应用提供不同的服务质量(Quality of Service,QoS)保证是下一代高速网络面临的一个重要难题,而服务质量路由(Quality of Service routing,QoSR)则是其中的一项核心技术.本文针对不精确状态信息下的多约束QoSR问题,建立了一种用于求解此类多约束QoSR问题的临界点模型,提出了一种基于距离向量深度的多约束QoS路径选择算法(MCPSA),该算法以已有的QoS路由预计算算法为基础,设法选择一条能够最大程度适应不精确网络状态信息的路径,理论分析表明该算法具有一定的优势.最后,结合已有的路由预计算算法进行了大量的仿真试验,结果表明MCPSA具有很强的问题求解能力,能够有效克服路由状态信息的不确定性.

一种随机微粒群混合算法求解约束优化问题

将微粒群算法(Particle Swarm Optimization,PSO)与随机优化方法-Alopex算法相结合,提出一种随机微粒群混合算法(APSO)求解约束优化问题。该算法使PSO算法中微粒的飞行速度无记忆性,结合Alopex算法重新生成停止进化微粒的位置;采用双群体搜索机制,一个群体保存具有可行解的微粒,用APSO算法使微粒逐步搜索到最优解,另一个群体保存具有不可行解的微粒,并且可行解群体以一定的概率接受性能较优的不可行解微粒,这种简单的群体多样性机制使微粒能够快速、准确地找到位于约束边界上或附近的最优解。结果表明该算法寻优性能优良且具有较好的稳定性。