基于旁瓣级最小化的平面螺旋阵列设计的粒子群优化方法

基于粒子群优化算法,以最大旁瓣级最小化为代价函数,在阿基米德螺旋线上搜索最优平面螺旋阵列。数值仿真计算利用粒子群优化算法搜索得到旁瓣级最低的最优阵列,与其他阵型比较,并在半消声室对各种声源进行声场测量和声源定位实验,验证了粒子群优化方法进行阵型优化的有效性。     

基于改进粒子群优化算法的氩原子团簇结构优化

采用改进粒子群优化算法(IPSO)结合Lennard-Jones势对氩原子团簇结构进行优化,得到了氩原子团簇的稳态结构能量。以氩原子团簇Arn（n = 2-14）为例,验证了该方法的有效性。结果表明,应用本文提出的方法可得到对称性良好的团簇结构。与基本粒子群优化算法(BPSO)及遗传算法(GA)相比,改进粒子群优化算法具有更好的收敛特性,能较快地得到氩原子团簇结构的最优解。     

基于粒子群优化的自适应模糊制冷控制算法

为解决空间斯特林制冷机和探测器热负载不确定及存在变化的问题,提出了自适应模糊PID制冷控制。在空间环境中使用的斯特林制冷机参数会随着时间的变化而发生改变,探测器负载也会随着工作模式和工作时间的变化而变化,整个制冷系统涉及的变量多,参数非线性。采用传统的控制方法,在固定的单一条件、环境下得到的控制参数,环境和负载发生变化后容易性能变差甚至不稳定,控制精度和稳定性不能满足使用要求。设计了一种自适应斯特林制冷机控制器,通过综合自适应模糊PID控制的方法,采用粒子群优化算法调整控制参数以减小代价函数。通过仿真和试验验证算法的有效性和鲁棒性。     

基于PSO和模糊划分熵的水下图像分割

在水下环境中,由于存在着水体对光线的吸收以及照明不均等原因,水下图像具有信噪比低、边缘模糊等特点。如果直接使用传统的分割方法,对水下图像进行处理后的效果较差。传统的基于最大熵原理的阈值法尽管能实现某些特定的分割任务,但是其时效性较差。而粒子群算法(PSO)是一类随机全局优化技术,该算法简单易实现,可调参数少。因此将群体智能中的粒子群优化算法应用到图像分割中。新方法在重新定义模糊熵的基础上,根据最大熵原理,利用粒子群算法来搜索分割阈值。相对于传统的利用穷举法来搜索分割阈值的算法,新方法大大减少了计算时间,提高了效率。通过对水下图像处理实验证明,该算法对简单背景的图像分割是有效的,和传统分割方法相比,具有更强的自适应性和抗噪性能。     

用于彩色目标跟踪的改进粒子群优化算法

提出一种用于彩色目标跟踪的改进粒子群优化算法(Improved Particle Swarm Optimization Algorithms,IP-SOA)。针对彩色目标,选择加权彩色直方图作为目标的特征,选用Bhattacharyya系数作为特征相似性度量,其最大值位置表示目标位置。对粒子群优化算法进行了改进,即自动调整惯性权重函数与认知学习因子,每次递推时对粒子速度、单帧位移总量加以限制,对Bhattacharyya系数优化,快速求取函数最大值位置。利用彩色序列图像进行仿真实验,结果表明,该方法能够实时跟踪飞机、车辆等目标,在目标被部分遮挡时能稳健跟踪。     

基于改进的粒子群算法求解供应链网络均衡问题

传统的供应链求解方法为投影法,针对其要对投影进行计算,十分复杂的缺点,提出用改进的粒子群算法求解供应链均衡问题,利用动态异步调整学习因子来有效的提高了算法搜索能力与精度。本文介绍了供应链网络均衡问题转变为无约束优化问题的方法,然后用改进的粒子群优化算法进行求解。通过四个数值算例,将实验结果与标准粒子群算法、蜂群算法、学习因子同步变化的粒子群算法进行比较,验证了改进的粒子群优化算法在解决供应链网络均衡问题中的有效性与优越性,为供应链网络求解提供了一种新的方法。     

关于Weyl模的连结同态

设 G 是特征数 p>0的代数闭域 K 上的单连通半单线性代数群.本文讨论了 Weyl 模的连结同态以及某类复合同态是非零的条件,推广了[3],[7]的有关结果.     

U(N) SP(N) O(3)的分支律

利用群的直乘分解公式,考虑U(N)群的[2a1b]表示按群链U(N)SP(N)O(3)的约化规则,给出了相应的比较简单的分支律递推公式.该公式在用计算机计算分支律时,不受秩和表示维数的限制.为求解这类问题的分支律提供了一种比较简单的算法.在简化同位旋1/2的单j费米子体系的母分系数计算中具有十分重要的意义.用同样的方法也可以求出群链U(N)O(N)O(3)的分支律.     

区间直觉模糊判断矩阵群决策中的逆判问题

研究了区间直觉模糊判断矩阵的群决策问题.定义了两种区间直觉模糊集相似度公式,给出两种与决策群体意见一致性程度最高的理想区间直觉模糊判断矩阵构造优化方法.利用矩阵对不同专家判断矩阵中相同位置元素的一致性进行分析,并对不同专家的判断信息进行整体相似程度分析,最后通过算例说明了该方法的有效性和实用性.     

一种具有不确定偏好序评价信息的群决策方法

针对具有不确定偏好序评价信息的群决策问题,提出了一种决策方法。首先,描述了不确定偏好序的概念,并将它转化为概率向量,同时给出概率向量加权算子;然后,给出了概率向量两两比较的可能度的定义及性质分析;依据概率向量加权算子及可能度,建立了方案两两比较的可能度矩阵;基于可能度矩阵及互补判断矩阵的权重公式,计算方案的优先权重并对方案进行优选;最后,通过一个算例说明了该方法的可行性和有效性。