无迹西格玛点引导的拟反向黏菌算法及其工程应用

针对黏菌算法搜索停滞和算法稳定性差等问题,提出了无迹西格玛点引导的拟反向黏菌算法。首先,使用了拟反向学习和拟反射学习两种反向学习过程,根据原始黏菌算法勘探和开采行为的表现时机,生成同时包含拟反向和拟反射的综合反向种群,扩大搜索范围;其次,根据种群的多样性程度判断是否使用反向种群重构原始种群进行后续计算,避免固定的反向过程破坏种群本身的搜索特点,提高搜索精度;最后,引入无迹变换的西格玛点,改进黏菌算法的基本移动模式,使无迹西格玛点引导黏菌算法的搜索,加快收敛速度。实验部分基于CEC2017基准测试函数,在传统统计特征和MAE排名、Wilcoxon秩和指标上验证算法有效性;并在求解轿车侧面碰撞的实际工程优化问题上,与新颖的高水平群智能算法、改进算法、不完全算法进行对比测试。实验结果表明,改进策略有效且各策略间组合相得益彰,改进后算法的求解精度和鲁棒性更具竞争力。     

认知无线电中结合差异性的免疫克隆优化频谱分配算法

频谱分配是认知无线电中的重要问题,而传统的频谱分配算法并未考虑频谱的差异性。提出一种基于免疫克隆优化算法、考虑频谱差异性的频谱分配算法,算法引入可信度矩阵对频谱的时间差异性进行建模。进行约束处理时,通过差异性算子(DCSO)的使用能将可信度更高的频谱分配给认知用户,从而提高系统的总收益。对于冲突激烈的认知用户,使用公平性算子（FCSO）能够增加它们被分配频谱资源的可能性,从而提高系统的公平性效益。仿真实验表明,相较于传统的免疫克隆优化算法、颜色敏感算法和遗传算法,本算法能显著增加网络的总收益、可信度,提高网络的公平性。     

基于试验点自动识别的飞行试验智能化监控技术

试验点作为飞行试验任务的最小组成单元,明确了试验机所要完成的任务及要求,是飞行效果评估的主要依据。深入分析试验机在完成不同试验点时的参数变化特征,结合领域专家人工识别的先验知识,提取影响试验点识别的关键参数及其变化规律。构建试验点识别知识库,设计试验点自动识别算法。结合飞行试验实时任务评估技术,开发基于试验点自动识别与智能评估的飞行试验实时监控系统,实现了从"智能化安全监控"到"智能化任务监控"的转变,有效提升了试验机的试飞效率。     

启发式强化学习机制的异构双种群蚁群算法

针对传统蚁群算法在解决TSP问题时易陷入局部最优、收敛速度较慢的问题,提出了一种基于启发式强化学习的异构双种群蚁群算法。蚁群分为主种群和子种群,主种群负责解的构建和信息素的更新,子种群则是在构建解的同时对主种群的解集进行替换。算法初期利用启发式算子自适应地控制两个种群的交流频率,通过偏离度系数控制解的交换方式。前期让子种群的最优解去替换主种群的随机解,增加解的多样性,同时引入强化学习机制对交流后主种群最优路径上的信息素进行自适应的奖赏,以增大最优公共路径以后被选择的概率。后期则控制子种群的最优解去替换主种群的最差解,强化最优路径上信息素的量,并对主种群最优路径上的信息素进行奖赏,进一步提高算法的收敛速度。实验仿真表明,算法能够有效地跳出局部最优,并且解的质量在大规模测试集上有明显的改善。     

协同过滤策略的异构双种群蚁群算法

针对蚁群算法收敛速度较慢,易陷入局部最优等问题,提出一种基于协同过滤策略的异构双种群蚁群算法。针对两个异构种群,引入协同过滤策略,奖励两个种群中蚂蚁更加偏好的路径,使算法更具导向性,加快算法的收敛速度;根据种群之间信息的动态反馈,自适应调整两个种群的交流频率,增加算法多样性;算法停滞时,两个种群协同交互,均化每个种群信息素,跳出局部最优。最后,引入神经网络失活思想,采用城市范围失活的方法,使程序运行时间更短。在对中大规模商旅问题(TSP)测试集仿真实验上,该算法提高了解的质量,保证了算法的多样性,加快了算法的收敛速度。     

相位敏感OTDR系统的信号解调方法

提出了一种改进的关于相位敏感光时域反射计(OTDR)系统的信号解调方法.从理论上阐述了该方法的原理,分析了该方法中关键参数(平均次数、滑动窗口和相减间隔)的取值对相位敏感OTDR系统信号处理结果的影响,并且总结了它们取值的指导依据.与常规的数字平均方法对比,利用该方法进行数据处理,有效地解调出扰动信号,进一步说明该方法的可行性.结果表明,该方法根据信号的波动特征将原始数据进行分组,提高了各组数据的相关性,从而明显改善了系统的信噪比,对长距离相位敏感OTDR系统性能的优化有一定的指导意义.     

电力GIS基础软件平台EPGIS——基于泛MDA架构、灵活插件体系的BASK业务构件平台

业务基础软件平台是解决软件行业基本矛盾的有效方法,BASK业务构件平台规避了目前大多数同质产品在架构设计、模型建模等方面存在的不足,提出了基于泛MDA架构,灵活插件体系的平台建设思路,详细介绍了BASK业务构件平台的架构、体系、模型、功能等内容。     

基于半监督KFCM及邻域信息的遥感图像分类算法

针对传统的模糊C-均值在遥感图像分类时容易产生局部最优现象以及对噪声过于敏感等问题,提出了一种基于半监督、核函数及空间邻域信息的模糊C-均值遥感图像分类算法。该算法基于遥感图像的光谱特征空间,根据地物的地表反射率大小进行聚类;在聚类迭代过程中,考虑到像素单元空间邻域的相关性,根据空间邻域信息加权调整像素点的隶属度大小;引入了核理论,解决遥感图像分类的非线性问题,使用内核诱导距离取代原模糊C-均值中的欧氏距离,优化图像样本特征;算法还使用了半监督分类技术,充分利用少量的已知标记信息,达到提高分类精度的目的。实验结果表明,该算法能有效提高分类精度,有效抑制噪声干扰,减少了迭代次数和时间。     

亚网格技术在二维Laguerre-FDTD方法中的应用

提出了一种基于二维Laguerre-FDTD方法的亚网格技术,该技术是用波动方程法来处理粗细网格边界. 运用加权的Laguerre多项式作为时域基函数对波动方程中电磁场分量作基函数展开,使用伽辽金方法处理,消除方程中的时间项,经有限差分后得到无条件稳定的亚网格处理方法. 数值计算结果证明,在求解含有精细结构的电磁计算问题上,该算法具有准确性和有效性.