An Optimal WSN Node Coverage Based on Enhanced Archimedes Optimization Algorithm

Node coverage is one of the crucial metrics for wireless sensor networks’ (WSNs’) quality of service, directly affecting the target monitoring area’s monitoring capacity. Pursuit of the optimal node coverage encounters increasing difficulties because of the limited computational power of individual nodes, the scale of the network, and the operating environment’s complexity and constant change. This paper proposes a solution to the optimal node coverage of unbalanced WSN distribution during random deployment based on an enhanced Archimedes optimization algorithm (EAOA). The best findings for network coverage from several sub-areas are combined using the EAOA. In order to address the shortcomings of the original Archimedes optimization algorithm (AOA) in handling complicated scenarios, we suggest an EAOA based on the AOA by adapting its equations with reverse learning and multidirection techniques. The obtained results from testing the benchmark function and the optimal WSN node coverage of the EAOA are compared with the other algorithms in the literature. The results show that the EAOA algorithm performs effectively, increasing the feasible range and convergence speed.     

用遗传算法拟合Eu-151穆斯堡尔谱

以Eu2O3(立方晶系)为例，论述遗传算法(GA，Genetic Algorithm)求解穆斯堡尔谱的过程，并将解谱结果与文献数据和Moss Win解谱结果进行比较。     

Ant colony optimization: Introduction and recent trends

Ant colony optimization is a technique for optimization that was introduced in the early 1990's. The inspiring source of ant colony optimization is the foraging behavior of real ant colonies. This behavior is exploited in artificial ant colonies for the search of approximate solutions to discrete optimization problems, to continuous optimization problems, and to important problems in telecommunications, such as routing and load balancing. First, we deal with the biological inspiration of ant colony optimization algorithms. We show how this biological inspiration can be transfered into an algorithm for discrete optimization. Then, we outline ant colony optimization in more general terms in the context of discrete optimization, and present some of the nowadays best-performing ant colony optimization variants. After summarizing some important theoretical results, we demonstrate how ant colony optimization can be applied to continuous optimization problems. Finally, we provide examples of an interesting recent research direction: The hybridization with more classical techniques from artificial intelligence and operations research.     

基于粒子群优化算法的伺服系统测试点优选策略研究

针对某型雷达天线伺服系统测试点多,故障诊断需测试较多测试点而导致的故障诊断时间长,效率低的问题,提出了一种基于粒子群优化的测试点优选方法。该方法首先基于系统所需的故障诊断率和所能容忍的故障虚警率构建目标优化函数,其次利用粒子群算法对目标函数进行优化以选择最少的测试点完成故障定位和诊断。该方法避免了对所有测试点的测试,节省了测试时间,可在最短的时间内完成测试点的优选。仿真实验验证了算法的有效性。     

一个修改的混沌蚁群优化算法

本文提出一个用于混沌蚁群优化算法的算法结束条件, 并 将算法结束条件加入混沌蚁群优化算法. 通过数值试验, 验证其有效性. 数值试验表明混沌蚁群优化算法可以得到较高精度 的最优解. 修改的混沌蚁群优化算法可以通过多次混沌搜寻, 逐步逼近最优解, 可以用来求解复杂连续空间优化问题. 关键词： 混沌蚁群优化算法 优化 数值模拟     

Bio-inspired optimization algorithms for optical parameter extraction of dielectric materials: A comparative study

Particle swarm optimization(PSO) and invasive weed optimization(IWO) algorithms are used for extracting the modeling parameters of materials useful for optics and photonics research community. These two bio-inspired algorithms are used here for the first time in this particular field to the best of our knowledge. The algorithms are used for modeling graphene oxide and the performances of the two are compared. Two objective functions are used for different boundary values. Root mean square(RMS) deviation is determined and compared.     

某光学平台台面结构优化设计

针对结构优化技术对于产品设计的重要性进行了概述,并以某个光学平台台面为研究对象,分别以其静变形位移和第1阶固有频率作为优化约束条件,开展了优化分析,得到了一种成功的优化模型。通过几种优化结果的比较,对于开展结构优化设计工作有了明确的认识,为今后的工作提供了新的方向。     

一种求解约束优化问题的改进粒子群算法及其应用

针对复杂约束优化问题,提出一种改进的粒子群方法。该粒子群算法对于不满足约束条件的粒子实行全概率接收,但令其目标函数值同为一个很小的常数,以保持粒子的多样性并使最优解在可行域内。另外,在PSO算法的基础上,使惯性权值按对数规律单调递减,同时引进选择遗传算子,以增强其全局寻优性能。数值实验表明:与PSO算法和一些其它优化算法相比,改进算法具有较强的寻优能力和寻优效率。工程应用表明,改进算法具有一定的优越性。     

遗传算法在离心压缩机参数优化中的应用

遗传算法是当今世界上应用比较广泛的优化算法之一,特别是在处理有界多极值复杂函数方面有着明显的优势．在流体机械行业中,设计参数的优化问题往往涉及求解一些复杂隐函数在约束区间内的极值问题．因此将遗传算法应用到流体机械的设计参数优化当中有明显的现实意义．本文介绍了遗传算法在离心压缩机参数优化中的应用,并与传统的复合型法所获得的优化结果进行了比较,对比的结果显示出了遗传算法的优越性．     

基于量子粒子群算法的自适应随机共振方法研究

为提升随机共振理论在微弱信号检测领域中的实用性,以随机共振系统参数为研究对象,提出了基于量子粒子群算法的自适应随机共振方法.首先将自适应随机共振问题转化为多参数并行寻优问题,然后分别在Langevin系统和Duffing振子系统下进行仿真实验.在Langevin系统中,将量子粒子群算法和描点法进行了寻优结果对比;在Duffing振子系统中,Duffing振子系统的寻优结果则直接与Langevin系统的寻优结果进行了对比.实验结果表明:在寻优结果和寻优效率上,基于量子粒子群算法的自适应随机共振方法要明显高于描点法;在相同条件下,Duffing振子系统的寻优结果要优于Langevin系统的寻优结果;在两种系统下,输入信号信噪比越低就越能体现出量子粒子群算法的优越性.最后还对随机共振系统参数的寻优结果进行了规律性总结.     

Ф210mm超薄超轻SiC反射镜多目标集成优化设计

为了提高轻小型碳化硅反射镜的面形精度并减轻其加工成本,针对某空间相机的Φ210mm SiC反射镜进行超轻量化设计.采用背部三点支撑并优化支撑点的位置,通过拓扑优化,得到反射镜背部需保留和可去除材料的分布情况.结合背部开放式、三角形孔的轻量化方案,确定反射镜轻量化结构的初始模型.应用多目标集成优化方法,建立以反射镜重量和X向自重工况面形为目标,Z向自重工况面形值为约束的优化模型,对该反射镜进行了优化设计.优化后反射镜的X向自重工况下RMS值仅为0.18nm,Z向自重工况下RMS值为2.38nm,重量仅为0.568kg,面密度达到16.9kg/m~2,X、Y、Z三向基频都在500Hz以上.本文设计的反射镜结构有良好的力学性能,本文优化设计方法是合理有效性.     

热环境下的R-C系统自动光机优化与补偿技术

为了模拟和评估热环境下光机系统的成像质量,已开发出了接口软件,可以将有限元软件热分析的结果拟合成Zernike多项式或以干涉图方式导入光学软件中进行像质分析。但上述接口软件不能满足高低温下光学成像的要求。为了解决以上问题,对R-C系统采用了自动光机优化的方法。首先以Isight为软件平台,将Solidworks,Ansys,Matlab和CodeⅤ集成起来,形成一套软件框架;然后提出不同条件下的优化策略;最后对R-C系统进行光学、材料和结构尺寸的优化。结果表明,在-40～60℃温度范围内获得了优良的像质。     

基于内罚函数的装备系统可靠性分配研究

装备系统可靠性分配的本质之一是有约束条件的非线性规划问题,从内罚函数角度出发,通过构造惩罚函数,将问题转化为无约束的优化问题;构造出基于装备系统复杂度和平均故障间隔时间的费用函数,将系统可靠度与费用关联起来,给出了在费用约束条件下的可靠性分配数学模型。在实例计算分析中,利用Matlab中的ode15s功能函数对分配模型进行计算,得到了不同惩罚因子下可靠性分配的最优解,计算结果具有较好的收敛性和稳定性,说明本分配方法具有良好的可行性。     

自适应免疫优化算法研究大尺寸Cu-Au合金团簇稳定结构

合金团簇所具备的催化和光学等方面特性与团簇的尺寸、元素组成和元素序列密切关联,因而确定其稳定结构是研究纳米团簇合金性质的首要任务.本文利用基于内核构建的自适应免疫优化算法研究了完整元素组成的CunAum(n+m=61及79)二元合金团簇的稳定结构.应用多体Gupta势函数描述Cu-Au团簇原子间的相互作用.研究结果表明:对于CunAum(n+m=61)团簇,除了当n=12-15时为由三个双二十面体面面相连组成的环状结构外,其余均为二十面体结构.原子总数为79的Cu-Au合金团簇包括堆积缺陷的面心立方结构、双面心立方结构、二十面体、十面体和由四个双二十面体面面相连组成的环状结构.且当Au原子比例高和低时其主要构型分别为二十面体和十面体.此外,还分析了Cu-Au合金团簇结构势能量的分布情况及团簇的相对稳定性.原子分布规律显示Cu原子趋于占据内层,而Au原子趋向于分布在外层.     

水下自航行器外形及水动力性能优化

研究水下自航行器(AUV) 外形及水动力性能优化的问题,为使得AUV具有较小航行阻力的同时拥有较大承载能力,需要不断进行AUV模型重建以及水动力结果分析,人工完成将会耗时很长,Isight?多学科优化设计平台搭载常用的优化算法—NSGA-II遗传算法,整合Solidworks?、Gambit?、Fluent?三大集成模块实现数据交换以进行AUV外形的建模、仿真并完成设计过程的自动化和智能的设计探索,确定最佳设计参数。仿真结果表明,最终优化后的AUV不仅减小了航行阻力并且拥有更大的承载能力。因此采用多学科优化软件Isight?能够有效提高AUV外形及水动力性能优化的准确性和效率,提升其整体水动力性能。     

车用散热器百叶窗翅片结构仿真优化

随着现代发动机技术的进步,发动机功率和性能的提升,也对发动机散热器提出了更高的要求。在兼备良好的散热性能和稳定性的同时,更要求散热器结构紧凑,以实现轻型化。通过对车用发动机管带式散热器的局部翅片和整体散热器进行三维建模,分析百叶窗翅片角度、翅片波距、翅片波高对空气侧压降影响,并对影响散热器散热性能主要因素进行分析。然后采用了多孔介质代替翅片的方法,模拟整体散热器的散热性能,并对比实验结果验证仿真模型准确性。最后拟合仿真数据的总传热系数和空气侧压降系数,建立粒子群算法优化数学模型。在不改变散热器外形尺寸和空气侧压降符合设计标准的情况下,优化散热器的翅片结构。翅片结构优化后,空气侧压降基本不变,散热量提升了11.6%。     

Optimal direct coupling from single-mode fibers to Ti:LiNbO3, channel waveguides

We investigate the optimal direct coupling from single-mode fibers to Ti:LihbO₃, channel waveguides using a very general formula and a heuristic optimization technique in this article. The coupling efficiency of the optical power depends on both the fiber positions and the modal sizes of the incident fields. From our numerical simulation, it is found that the optimal positions of the fiber axes are not in alignment with the peaks of the waveguiding modal fields and that the coupling efficiency can be improved by microlenses.     

Design of multilayer high-dispersion mirrors using multi-swarm optimization method

Design of high-dispersion mirrors (HDMs) using a proposed multi-swarm optimization method is reported. We design HDMs for Yb:YAG disk oscillator at 1030 nm and ultrashort pulse Cr:YAG laser at 1550 nm. The results show that the optimum group delay dispersion and reflectance can be obtained with optimal number of layers. The proposed optimization method has a fast convergence rate and powerful global search ability and can be utilized effectively for the design of a variety of optical thin film filters.     

盲优化波前校正提高自由空间光通信光纤耦合效率

为了提高自由空间光通信系统的光纤耦合效率,介绍了一种新颖的基于盲优化波前校正的自适应光学系统。该系统不使用波前传感器,而是在信号进入接收端前,将畸变光信号分束后送入光电探测器,进行耦合效率计算;采用耦合效率的估计公式斯特列尔比为目标函数,用随机并行梯度优化算法最大化目标函数,以实时控制变形镜,从而使耦合进入单模光纤的光达到最优。数值结果表明,此系统能使光纤耦合效率从6%提高到约60%。     

粒子群算法的近红外光谱定性分析预处理及特征提取参数优化方法研究

在近红外光谱定性分析时,为取得良好识别效果,预处理及特征提取是不可或缺环节。预处理主要是为消除各种干扰因素对光谱数据影响,常用预处理方法有平滑、一阶导、归一化等;而特征提取方法能剔除数据中的无关信息,保留有效信息,常用特征提取方法有偏最小二乘、主成分分析、线性判别分析等。不同预处理及特征提取方法具有不同特点,构建定性分析模型时,单一使用某种预处理或特征提取方法往往难以取得理想效果,常需将多种预处理及多种特征提取方法组合使用以提升模型性能。在各预处理及特征提取环节中往往有可变参数如特征提取维数等需要设定,这些可变参数对模型性能有重要影响,因此采用多个预处理及多个特征提取方法就存在多参数需要确定的问题。研究中常采用试凑法求各待定参数最优值,欲求得多个待定参数中某一个参数最优值,首先需据经验固定其他参数值,然后将某一个待优化参数代入近红外定性分析模型进行试凑,以求得模型最优识别率所对应参数值,并将其作为最优值。利用试凑法逐个求得多个待优化参数后,再将参数组合设置到定性分析模型中,最后进行定性鉴别,但试凑法求得的参数组合难以保证为全局最优解。除试凑法外,还可通过多重循环嵌套方法来获取近定性分析模型预处理与特征提取环节最优参数组合,但是该方法需消耗大量计算机内存与计算时间,而且效率低。为此,提出一种基于粒子群算法的近红外光谱定性分析模型预处理与特征提取参数优化方法,可快速获得预处理与特征提取环节的最优参数组合,并保证代入最优参数组合的定性分析模型具有最优识别性能,采用粒子群算法对平滑系数、一阶导系数、偏最小二乘特征提取维数等参数进行寻优,并将该方法与多重循环嵌套方法进行对比实验,实验结果证明了方法的有效性。