论“和声”的音乐色彩性与结构性

和声,就其本原的意义而言,无非是指不同音高的乐音同时结合鸣响所构成的声音。和声作为一种音乐要素,在音乐作品中具有双重的作用。音乐中的和声现象的发生乃源自人类对自然物理规律的发现与利用,于是构成了和声特有的音乐色彩性和结构性。     

混沌反向学习柯西变异和声搜索算法

为了改善和声搜索算法的寻优性能,提出一种基于混沌反向学习及柯西变异的和声搜索算法.算法首先通过混沌反向学习策略初始化和声记忆库来增强初始种群的多样性;然后通过动态地改变参数PAR和BW来逃逸局部极值;接着在算法产生新解的过程中引入柯西变异策略来提高全局探索性能.最后通过对不同类型的基准测试函数进行寻优,并做了Wilcoxon秩和检验,其结果表明,所给改进算法在求解精度和收敛速度上均优于所涉及的对比算法,即所提算法是可行的.     

基于集合覆盖的异构有向传感网寿命优化策略

在由感知半径、感知角度和携带能量不同的有向传感器节点组成的异构有向传感器网络中,对满足优先级不同的监测目标有不同覆盖要求条件下的网络寿命最大化问题进行研究。利用集合覆盖的思想,将有向传感器节点划分为满足目标覆盖要求的集合,通过集合之间的切换来达到延长网络寿命的目的。首先证明本文问题是NP-hard问题,然后利用改进的和声搜索算法进行求解,一方面引入带有混沌参数的微分变异因子,改进种群的多样性;另一方面,与模拟退火算法结合增强算法的局部搜索能力。同时为对比算法性能,提出一种贪婪算法。仿真结果显示:较之原始和声搜索算法和贪婪算法,改进和声搜索算法能有效延长网络的寿命,证明了改进算法的有效性。     

基于列车解编作业时间估算的编组站阶段计划配流优化

为获得鲁棒性更高的阶段计划配流方案,以配流代价最小的车流接续与分配为目标,构建考虑出发列车牵引质量及换长等不同满轴约束、静态配流和列车解编方案协同优化的编组站阶段计划配流优化模型。其中的列车解编作业时间根据到解列车的解体钩数、出发列车的编组钩数和连挂次数等进行估算,使列车解编计划时间更加接近实际作业时间。针对模型中出发列车编组作业时间估算需基于配流方案确定等特点,设计相应的求解思路和具体方法。采用ILOG求解配流方案,再用和声搜索策略求解列车解编方案,循环迭代至获取较优方案。算例结果表明:通过列车解编作业时间的估算,可使计划作业时间更加接近实际作业时间,从而减少所编制方案在实施过程中的调整范围和规模。     

带有全局交叉的修正和声搜索算法

为增强和声搜索算法的全局搜索能力,提出一种带有全局交叉的修正和声搜索(MHSgc)算法.MHSgc算法采用多和声记忆库协同创作,应用邻域学习策略进行调整,取代原有的基音调整,从而增加了种群多样性.同时,提出一种全局交叉操作,并融合到MHSgc算法中,防止算法陷入局部最小.针对几个标准函数进行了实验仿真,数值结果表明,上述算法优于文献报道的8种智能算法(HS,IHS,GHS,NGHS,EHS,ITHS,MPSO,RMDE),具有较好的优化潜力.     

一种全局和声搜索算法及在PID控制中的应用

PID控制受到H∞多性能标准的限制,是一类约束优化问题.引入了一种全局和声搜索算法(GHS)以解决PID控制问题.由于使用了位置更新和小概率的变异,GHS算法具有很强的收敛性和跳出局部最优的能力.通过结合GHS算法和一种罚函数法来处理目标和约束之间的矛盾.实验结果表明,GHS算法在解决PID控制问题上具有很强的解空间开发能力,它所获得的解要好于文献中所报道的解.     

和声模拟退火算法及其在旅行商问题中的应用

分析了模拟退火与和声搜索算法各自的特点和缺点,结合两者的优缺点提出了一种新的和声搜索与模拟退火算法的组合算法,将新的算法应用到旅行商问题(TSP)求解.实验结果表明,改进的算法具有更快的收敛性同时能得到比较好的结果.     

基于改进的自适应和声搜索算法的时间最优轨迹规划

根据机械臂运动约束,提出了关节空间基于改进的自适应和声搜索算法的三次样条插值轨迹规划。该算法采用自适应的记忆库取值概率、微调概率和调节步长产生新解。利用三次样条插值方法构造各关节位移、速度及加速度均连续的轨迹,然后由IAHS算法解算出最优时间。通过与基本和声搜索算法的对比,表明该算法有更强的寻优能力。     

电视砖

如果看电视时,电视节目让你很生气,你只要把这种"电视砖"向电视机扔去,五六秒钟后,电视屏幕就熄灭了。这种"电视砖"是用泡沫塑料     

基于改进和声搜索算法的生存性网络设计

网络安全性越来越受到人们的关注,因此有必要设计经济、安全的网络.生存性描述了网络对中断的抵御能力,研究考虑生存性的网络设计问题,建立基于生存性的网络优化模型.为了有效地对模型进行求解,设计了基于概率的改进和声搜索算法.最后,通过实验验证模型的合理性和算法的有效性,并通过网络的生存性分析说明了生存性对网络结构和构建成本的影响.