基于双混沌优化搜索的改进粒子群算法及应用

针对现有算法在智能电阻箱动态误差校正方面存在的收敛速度慢、计算精度低,且易进入“局部最优”的陷阱等缺点,展开对智能电阻箱动态示数校正过程的重构及设计,并对动态误差校正优化算法进行研究.在双混沌优化系统中添加扰动因子与指数自适应学习方式改进搜索策略;在粒子群算法中将惯性权重因子修正为自适应权重因子,将学习因子修正为异步线性学习因子以优化算法,进而提出一种改进的粒子群优化算法(AL-DCPSO).利用8个经典函数对算法性能进行测试后,将这种算法应用在某型号智能电阻箱动态误差校正的过程中,研究结果表明:改进后的算法具有更高的计算精度(达到0.001)与更强的寻优能力,且在优化过程中呈现出较强的自适应学习能力,计算过程较为稳定,鲁棒性有效提升,耗时在阈值范围内有所增加.其创新性在于将双混沌优化机制的优点与粒子群算法相结合,应用到智能电阻箱动态误差校正的过程中,对动态误差校正方法进行了一定拓展,为粒子群优化算法在具体实际优化过程中的关键参数选取与策略设计,有效提升算法优化性能提供了一些借鉴.     

改进遗传算法优化非线性规划问题

针对遗传算法在处理优化问题上的独特优势,主要研究遗传算法的改进,并将其应用于优化非线性规划问题.在进化策略上,采用群体精英保留方式,将适应度值低的个体进行变异;交叉算子采用按决策变量分段交叉方式,提高进化速度;在优化有约束非线性规划问题时,引入算子修正法,对非可行个体进行改善.MATLAB仿真实验表明,方法是一种有效的、可靠的、方便的方法.     

基于Whittaker修匀的多目标修匀模型

本文基于Whittaker修匀,提出了一个新的死亡率修匀模型,并采用该模型对两组不同年龄段人群的死亡率进行了修匀计算。该模型的优点一是模型可保证修匀结果的光滑度和拟合度。二是模型具有普遍适用性,可适用于不同年龄段人群的修匀。三是解决了Whittaker修匀中需要主观选取拟合算子和光滑算子之间组合系数的难题。四是解决了Whittaker修匀模型拟合算子中权重选取的难题。五是通过熵正则化法和中心法,将模型转化为一个单目标的凸规划模型,保证了模型计算的可行性。     

一类不确定非线性时滞系统的模糊自适应控制

针对一类不确定上界未知的非线性时滞系统,基于松散稳定性条件,讨论了系统的模糊自适应控制问题 .通过在Lyapunov泛函中引入参数,得到带调节因子的时滞相关稳定性条件.设计出基于观测器的自适应模糊控制器,观测增益矩阵和反馈增益矩阵可以通过求解线性矩阵不等式得到 .当调节因子取不同值时,观测增益矩阵和反馈增益矩阵也是不同的,因此,闭环系统的动态性能可以通过选取合适的调节因子来优化.最后通过一个实例验证了所给结论的有效性.     

乘客到达时间不确定的机场动态拼车策略与算法研究

网约车拼车服务作为共享经济领域重要应用,已成为国内外研究热点。针对机场在线拼车平台运营中乘客等待时间过长和车辆行驶成本较高的突出问题,本文提出前瞻式动态拼车匹配策略。该策略将未来随机到达乘客信息纳入当前已到达乘客的拼车匹配决策中,建立了乘客匹配与车辆路径联合优化两阶段随机规划模型。为了在动态环境中实时产生高质量的匹配与路径规划方案,首先基于贝叶斯估计压缩乘客随机到达情景空间,建立了问题的确定性近似最优模型。为了快速求解模型,提出基于订单目的地和乘客期望到达时间相似度的匹配规则,并以此开发改进的差分进化算法。最后,基于某拼车平台真实订单数据,通过对比测试验证了前瞻式匹配策略和改进差分进化算法的有效性与计算效率。     

基于ERP的(s,S)策略下库存优化控制决策支持系统

针对当前ERP软件系统无法动态地给出优化订购策略并对历史数据进行有效的分析等不足,以最小化库存费用为目标建立起折扣准则下库存优化数学模型,对ERP软件中导出的各类历史数据进行模型化分析,动态地得出各类产品(s,S)结构形式的优化订购策略.基于该模型设计并开发了库存优化控制决策支持系统,为用户提供决策支持,很大程度降低了企业库存费用.     

一种改进的局部多粒度决策理论粗糙集模型

局部多粒度决策理论粗糙集要预先获取给定数据集中所有对象的信息颗粒,只需要对特定的目标概念中的对象的信息颗粒进行计算,开创了一种有用的计算范式。然而,传统的局部多粒度决策理论粗糙集在计算三个区域(正域,边界域和负域)时需要主观的给定一对概率阈值(α,β)。在实际的决策应用中,该获取阈值的方法可能会造成信息丢失或判断不准确的问题。为了解决这个问题,这篇文章提出了一种改进的局部多粒度决策理论粗糙集模型,叫做广义的局部多粒度决策理论粗糙集。该模型可以通过一个补偿系数ζ,即可自适应的获得相对应的参数α和β.这不仅减少了人为设置参数的个数,还强化了由多个粒度结构所产生损失的语义解释。     

一种基于在线优化的排队系统分配策略

优化医院的病床分配可以有效地提高医院的管理水平.基于层次分析法建立了一套医院病床分配的评价体系,通过模拟多服务台的排队模型计算其综合评价指数.再以每天不同疾病对床位的优先级作为决策变量,引入虚拟函数f表示决策变量到综合评价指数的映射关系,对函数通过Matlab模拟及在线优化,从而确定使综合评价指数更高的改进分配方案.最后,以某眼科医院的实际数据,验证了模型和模拟策略的有效性.     

基于GA-SVM的舰船装备临修经费需求预测模型

针对舰船装备临修经费需求预测得不到满意解的问题,运用遗传算法将SVM相应的参数进行优化,建立了基于GA-SVM的舰船装备临修经费预测模型.通过将GA-SVM模型与BP神经网络模型的预测结果进行对比分析,结果表明:GASVM的预测效果更优异,对舰船装备临修经费需求预测有更好的参考意义.     

一种求解化工动态优化问题的改进磷虾觅食优化算法

智能算法原理简单、容易实现,且具有良好的全局收敛能力,近年来被广泛应用于化工过程的动态优化问题.提出一种改进的磷虾觅食优化算法求解化工动态优化问题.该算法通过跟踪磷虾种群的变化来更新速度因子,提高收敛速度;引入自适应柯西变异,增强了算法跳出局部最优值的能力.针对化工动态优化问题,首先通过控制向量参数化方法将其转化为非线性规划问题,并引入变时间区间分布法来优化区间划分,然后利用改进算法进行求解.最后,将改进算法应用于多个化工动态优化问题中,仿真结果表明,该算法具有良好的可行性.     

人工鱼群算法优化支持向量机的物流需求预测模型研究

物流需求受多种因素的作用,具有时变性和混沌性,针对当前支持向量机的参数优化难题,提出一种改进人工鱼群算浅优化支持向量机的物流需求预测模型.首先对原始物流需求数据进行混沌分析,挖掘出隐藏其中的物流需求变化规律,然后采用支持向量机对物流需求数据进行非线性建模,并采用人工鱼群算法搜索支持向量机的参数,最后利用某地区物流数据与当前经典模型进行性能对比测试.结果表明,模型预测精度.更高,更加客观地反映了物流需求变化特性.     

基于相对熵的多属性决策组合赋权方法

综合各种赋权方法给出的主观和客观属性权重信息,建立了求解多属性决策问题属性权重的优化模型,并改进了文献[11]中模型的求解方法.根据各种主客观赋权法给出的赋权结果的贴近度确定其在权重集成中的加权系数,贴近度通过计算权重向量的相对熵来得到,最后通过应用实例对此方法予以说明.     

考虑资源约束和数量折扣的联合补货-选址库存协同优化研究

本文构建了一种基于联合补货策略的配送中心选址-库存协同优化新模型,该模型允许缺货,有资源约束且考虑数量折扣;同时设计了一种融合模拟退火思想的双种群独立进化的自适应差分算法(Adaptive Simulated Annealing Differential Algorithm,ASADE)对该模型进行求解,并通过算例与自适应差分算法、改进的蛙跳算法进行对比,证实了ASADE算法的有效性。最后进行了敏感性分析,讨论相关参数变动对总成本的影响,可为管理者更好决策提供有益的依据。     

基于小波变换和改进萤火虫算法优化极限学习机的短期负荷预测

提出了一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法.通过小波分解和重构,对原始负荷序列进行降噪;在模型训练阶段利用改进的萤火虫算法优化极限学习机参数,获得各序列的最优模型;针对各子序列分别预测叠加得到最终预测值.通过在两种时间尺度的数据序列上进行数值计算,与传统的ARMA、BP神经网络、支持向量机及LSSVM等多种经典预测模型相比,模型预测效果更优.     

阶梯状黄土边坡稳定性分析的改进遗传算法及应用

阶梯状黄土边坡稳定性分析的关键是估算其稳定系数的最小值.稳定系数的求解涉及诸多因素且计算过程繁杂,传统优化算法往往不能有效地搜索到其全局最小解.为此,提出一种改进的自适应遗传算法.算法对基因变量空间进行网格状划分,采用迭代选优法建立均匀分布的初始种群,运用优质个体保留遗传策略,并按照特定的准则自适应地调整交叉概率和变异概率,提高算法的全局搜索能力和收敛速度.实例应用表明算法能够快速有效地收敛于土坡稳定系数的全局最小解,且计算结果与实际情况更加吻合.     

改进多目标量子粒子群算法的WSN覆盖及能耗均衡

为了使无线传感器网络的覆盖率和能耗达到最优的效果,提出了一种改进的多目标粒子群优化算法,采用量子粒子群优化更新粒子,利用拥挤距离排序策略,并结合适应度函数值优劣特性对多目标矛盾的性能目标选择,同时通过拥挤距离对加速系数自适应调整提高算法搜索能力,得到了逼近真实前沿的Pareto解集,具有更快的收敛速度和更强的寻优能力.通过对比实验结果表明:提出的算法在解决WSN的多目标优化问题时,能够避免算法陷入局部最优解,更好地平衡网络覆盖和动态通信能耗,使整个网络的综合指数达到了6.249,均明显优于其他三种算法.     

基于邻域粗糙集的网络入侵分类诊断组合模型研究

网络入侵诊断直接影响网络正常运行和安全.针对入侵类型复杂,现有分类诊断模型精度有限的问题,提出一种基于邻域粗糙集的网络入侵分类诊断优化模型.首先,运用邻域粗糙集对网络入侵数据进行条件属性的约简,确定关键属性,然后将其作为训练输入构建相关向量机分类诊断模型,并同时运用遗传算法进行超参数优化,提高模型诊断精度和速度.通过KDDCup99数据集对优化模型性能进行检验,结果表明,组合预测方法精确度高于支持向量机、相关向量机和BP神经网络.组合模型诊断精度高、速度快,具有优异的综合性能.     

政府促进银行实施绿色信贷的多目标优化策略研究

传统的绿色信贷研究中存在着模型简单、非动态参数以及只能获取纳什均衡点的局限性。为改善这些局限性,研究了一种基于数据驱动多目标优化算法的政府促进银行实施绿色信贷的策略计算方法。首先针对绿色信贷的最优策略求解问题建立数据驱动的多目标优化算法框架,再基于历史数据建立算法框架中的最优策略马可夫状态转移模型,最后使用多目标粒子群优化算法对政府和银行的长远总收益进行最优策略求解。与传统的基于近似模型及博弈论的方法不同,本文提出的方法可以获得历史数据中的经验,从而制定出具有更加长远收益的策略,避免了传统方法中的“短视”现象。分析结果表明,绿色信贷的收益不会在短时间内显现,因此政府在做决策时,必须根据绿色信贷收益的回报周期作出长远的判断。     

运用多目标规划优化功放的预失真模型

预失真技术是克服功率放大器非线性失真的一种非常有效的方法.许多研究者从数学建模的思想角度出发,建立了关于功放与预失真的各类级数模型,以实现线性增益输出.但是在应用通信系统中,这些模型不能有效地动态实现功放效率尽可能高的要求.在和记忆多项式模型的基础上,创新地运用多目标规划的方法优化功放的预失真模型.在满足一定的线性化输出的同时,尽可能地得到更高的功放效率,而且能同时计算出增益系数与模型参数.对于数据量为1000的无记忆功放得到增益倍数为1.82649,预失真模型的NMSE值为-41.5633.数据量为73920的有记忆功放得到增益倍数为9.5969,预失真模型的NMSE值为-24.3682.     

D-S理论和Markov链组合的桥梁性能退化预测研究

为准确预测桥梁性能退化,考虑到数据随机性和微小扰动发生状态跳跃,提出了一种D-S(Dempster-Shafer)证据理论和Markov链组合的桥梁性能退化组合预测模型和性能退化率的概念.该模型基于指数平滑(exponential smoothing, ES)方法获得新的预测数据序列,并利用Markov链和D-S理论不断进行优化,从而实现桥梁性能退化的组合预测.实际工程的应用结果表明：性能退化率可以直观地表征在梁性能退化的速度.其次,该模型的平均相对误差为1.54%,较于回归、灰色和模糊加权Markov链模型,精度分别提高了1.11%,0.88%和2.8%,而后验差比值为0.242,小于0.35;模型的标准差为9.021,相比其他模型分别减小了3.978,3.405和7.500,而变异系数为0.109,均小于其他模型,验证了组合预测模型在精度和稳定性方面的优越性,可为在役桥梁结构性能退化预测与维护提供理论基础.