类电磁机制算法研究与改进

针对原算法中初始种群不均匀、局部搜索随机性强及移动公式效率低等问题,提出了一种改进的类电磁机制算法。采用随机化均匀设计方法构造初始种群,将混沌搜索与试探性移动方法相结合进行局部搜索,运用改进后的公式计算粒子之间的合力,将遗传变异思想融入移动公式来更新粒子。实验结果表明,改进后的算法具有更好的收敛效果和更高的求解精度。     

Accelerating CFD–DEM simulation of processes with wide particle size distributions

Size-reduction systems have been extensively used in industry for many years. Nevertheless, reliable engineering tools to be used to predict the comminution of particles are scarce. Computational fluid dynamics(CFD)–discrete element model(DEM) numerical simulation may be used to predict such a complex phenomenon and therefore establish a proper design and optimization model for comminution systems.They may also be used to predict attrition in systems where particle attrition is significant. Therefore,empirical comminution functions(which are applicable for any attrition/comminution process), such as:strength distribution, selection, equivalence, breakage, and fatigue, have been integrated into the threedimensional CFD–DEM simulation tool. The main drawback of such a design tool is the long computational time required owing to the large number of particles and the minute time-step required to maintain a steady solution while simulating the flow of particulate materials with very fine particles.The present study developed several methods to accelerate CFD–DEM simulations: reducing the number of operations carried out at the single-particle level, constructing a DEM grid detached from the CFD grid enabling a no binary search, generating a sub-grid within the DEM grid to enable a no binary search for fine particles, and increasing the computational time-step and eliminating the finest particles in the simulation while still tracking their contribution to the process.The total speedup of the simulation process without the elimination of the finest particles was a factor of about 17. The elimination of the finest particles gave additional speedup of a factor of at least 18.Therefore, the simulation of a grinding process can run at least 300 times faster than the conventional method in which a standard no binary search is employed and the smallest particles are tracked.     

分子构象聚类中的K-means密度峰值搜索算法

分子构象的聚类是搜索分子动力学模拟轨迹中代表构象的主要方法。 它是分析复杂构象改变或分子间相互作用机制的关键步骤. 作为一种基于密度的聚类算法,密度峰值搜索算法因其聚类的准确度而被应用于分子聚类过程中. 但随着模拟时长的增长,密度峰值搜索算法较低的计算效率限制了其应用的可能. 本文提出K-means密度峰值搜索算法的聚类算法,它是密度峰值搜索算法在计算效率方面的一个扩展版本,用于解决密度峰值搜索算法中巨大的资源消耗问题. 在K-means密度峰值搜索算法中,首先,通过高效的聚类算法(例如K-means)进行初始聚类,得到的聚类中心被定义为具有权重的典型点. 然后,对加权的典型点通过密度峰值搜索算法实现二次聚类,并细化点为核心点、边界点、加细光晕点. 在与密度峰值搜索算法具有相似的精度的同时,计算复杂度由O(n²)降至O(n). 通过二面角,二级结构,关联图描述的分子构象,将KFDP用于多个模拟轨迹的聚类过程中. 并通过与K-means聚类算法,DBSCAN聚类算法的比较结果,验证了K-means密度峰值搜索算法的优势.     

红外搜索跟踪系统的半实物仿真系统设计

信息处理组件的设计与验证是红外搜索与跟踪系统研制过程中的关键环节;设计了一个基于嵌入式多媒体系统的红外信息处理组件半实物仿真测试系统,能够通过嵌入式系统完成红外目标场景视频流的实时生成、伺服控制模型的在线解算,软件仿真环境通过以太网与实物系统交互,实现针对红外信息处理组件的半实物闭环仿真测试,为信息处理组件的设计、仿真验证和性能评估提供了集成验证环境,将能够有效缩短整个系统的研制周期,提高研制质量。     

一个解大规模无约束优化问题的全局梯度法(英文)

本文提出一种新的解大规模无约束优化问题的全局收敛的梯度法.新算法沿着负梯度方向选择步长,而初始步长根据目标函数的海赛矩阵的近似数量矩阵来确定.理论上证明了新算法产生的点列的每个聚点都是稳定的,数值试验表明新算法是可靠且有效的.     

建立在割线条件上的新Liu-Storey型共轭梯度法的全局收敛性(英文)

我们基于拟牛顿法的割线条件提出两种LS型共轭梯度法.有趣的是,我们提出的方法中对于βk的计算公式与戴和廖[3]提出的有相似的结构.但是,新方法能够在合理的假设下保证充分下降性,这一点是戴-廖方法所不具备的.在强Wolfe线搜索下,给出了新方法的全局收敛结果.数值结果论证了该方法的有效性.     

基于混合算法的实时订货信息下的车辆调度优化

实时订货信息下的车辆调度是随机性车辆调度中货物需求量、需求点均不确定的情况下的车辆调度.针对该问题,本文构建了配送总成本最小的目标函数,提出了采用混合算法求解的思路.即以局部搜索法求得初始解,采用遗传算法优化初始解,并在送货时间更新后,利用禁忌搜索法求解速度快的特点改进调度方案,得到订货信息不断更新的条件下的车辆调度方案.通过实例分析,本方法既可解决电子商务条件下实时订货的车辆调度问题,也具有求解结果可靠、求解过程快速的特点.     

变可信度模型管理优化设计方法在气动外形设计中的应用

在信赖域最优化方法的基础上,将梯度搜索方法与近似模型管理结构相结合,结合N-S方程与Euler方程,建立了一种用于气动外形设计的梯度AMF优化设计方法.该方法在气动优化中,通过对采用不同的流体控制方程的计算结果进行组织和管理,从而可以在优化迭代过程中将主要搜索过程集中在低可信度模型的计算上,并利用高可信度模型监控优化过程,使得最终的优化解收敛到高可信度模型上.本文采用梯度AMF气动优化设计方法进行翼型设计,取得了良好的设计效果,实际结果表明本文提出的方法具有可行性和适用性.     

在放宽的强Wolfe搜索下一般三项共轭梯度法的全局收敛性

Abstract. The global convergence of the general three-term conjugate gradient methods withthe relaxed strong Wolfe line-search is proved.     

一维搜索的一个Anderson-Bjrck外推加速算法

对一维搜索的二点二次插值法,利用Anderson-B j rck外推的思想提出了一个加速收敛算法,得出并证明了两条收敛性定理,且通过数值试验验证了该算法比二点二次插值法收敛速度快很多。