改进变异算子的差分进化算法并行性分析

针对并行差分进化算法的全局搜索能力和寻优的稳定性弱的现状,基于DE/best/1变异算子提出了一种改进的差分进化算法变异算子.该算子前期采用DE/best/1变异方法,当进化代数超过设定的进化代数值时,采用改进的变异算子.通过拓宽变异算子的搜索域来提高种群的多样性,提高了差分进化算法的寻优能力.对改进变异算子的并行差分进化算法进行了函数测试,实验结果表明:相比普通的变异算子,在相同种群规模的前提下,改进的差分变异算子拓宽了遗传算法的搜索域,提高了算法的全局搜索能力;在不同的种群规模下,改进的变异算子增强了算法的寻优稳定性.     

余弦适应性骨架差分进化算法

针对传统差分进化算法在解决复杂优化问题时存在收敛速度慢的问题,提出了一种余弦适应性骨架差分进化算法(CABDE),算法设计了一种新的变异策略适应性机制。该机制引入一个余弦适应性因子,实现高斯变异策略和DE/current-to-best/1变异策略的优势互补,以平衡算法的勘探能力和开采能力。其中,高斯变异策略具有较强的全局搜索能力,有利于维持种群多样性。DE/current-to-best/1变异策略具有较强的局部搜索能力,能够加快对较优区域的开采。同时,高斯变异策略和DE/current-to-best/1变异策略都利用当前最优个体来引导算法搜索方向,从而尽可能地加快收敛速度。余弦适应性因子在进化过程中随迭代次数的增加而波动性调整,为不同进化阶段适应性地选择变异策略。设计的变异策略适应性机制能够在维持种群多样性的同时加快收敛速度。为测试算法性能,采用18个不同特性的测试函数对算法进行数值实验。对CABDE算法的变异策略和参数动态变化进行了分析,实验结果验证了变异策略和参数动态变化的有效性。此外,CABDE算法分别与新近的骨架算法变体、差分进化算法变体、粒子群优化算法变体和人工蜂群算法变体进行了比较。实验结果表明CABDE算法获得了较高的求解精度,加快了收敛速度,整体上优于其他比较算法。     

改进差分进化算法在梯级水库优化调度中的应用

针对标准差分进化算法缺乏全局与局部搜索的动态调整,进化后期由于种群多样性降低,算法极易陷入局部最优的问题,采用控制参数的余弦函数调整策略,并提出综合分布参数概念,根据种群个体进化过程的特点及算法的阶段特性,自适应调整算法的控制参数及进化策略.通过对工程实例的模拟计算,其结果表明了改进的差分进化算法在解决水库优化调度问题上的有效性.将改进差分进化算法的计算结果与POA及标准差分进化算法进行比较分析,充分体现了改进差分进化算法的优点.     

基于优化离散差分进化算法的压缩感知信号重构

针对传统压缩感知重构算法严重依赖稀疏度、重构精准度不高的缺陷,提出了一种基于优化离散差分进化(ODDE)算法,对进化种群进行分析,在实现种群有效聚类的同时提高了种群学习进化的针对性和科学性.重新定义了差分进化粒子的编码方式和进化机制,并将优化后的离散差分进化算法应用于压缩感知重构方法中.将稀疏度未知信号等效为粒子编码,通过种群迭代进化实现了稀疏信号的精确重构.仿真结果表明,与StOMP等传统重构算法相比,本文方法可以显著提高重构精度、降低重构时间.     

自适应调整差分进化算法在优化问题中的应用

差分进化算法在求解优化问题时,进化后期由于种群多样性急剧下降,算法全局搜索能力被削弱,极易陷入局部最优解而"早熟"收敛.针对该问题定义了算法停滞系数和个体相似系数.根据算法停滞系数自适应调整算法的缩放系数.同时,根据个体相似系数判定种群普通个体与最优个体的相似性,并以此为基础对相似个体实施基因重构操作,从而避免种群个体严重趋同造成的种群多样性下降问题.将改进算法应用于标准测试函数和车辆路径问题的优化.模拟计算结果表明:改进算法的优化结果优于标准差分进化算法,改进的差分进化算法具有更强的全局寻优能力,适于求解复杂优化问题.     

控制参数协进化的差分进化算法及其应用

提出一种控制参数协进化的差分进化算法(DE-CPCE),实现算法控制参数随种群搜优进展,自适应动态调整。D E-CPCE算法将控制参数作为原始个体的共生个体,且每一个原始个体都有各自的共生个体;算法在对原优化问题进行差分进化搜优的同时,以原始个体进化效率作为共生个体(即控制参数)的评价,并通过共生个体的差分进化操作实现其协进化。D E-CPCE算法能随优化问题搜优进展,自适应动态调整算法控制参数,实时为算法搜优提供最优的控制参数。仿真研究表明,DE-CPCE算法的控制参数具有动态自适应性;并且在与文中所提及的算法(DE/rand/1,DE/best/1,DE/rand-to-best/1,DE/rand/2,DE/best/2,self-adaptive Pareto DE and self-adaptive DE)比较中,该算法能以较高概率求得全局最优值,且收敛速率快,求得最优解的精度高。同时,应用 DE-CPCE算法估计 SO2催化氧化反应动力学模型参数,结果优于文献报道。      

基于量子行为和差分进化的改进蜻蜓算法

针对原始蜻蜓算法易陷入局部最小值导致全局搜索能力较差,以及蜻蜓算法后期种群缺乏多样性易出现停滞现象等缺陷问题,提出量子行为和差分进化融合策略下的改进蜻蜓算法(QDEDA)。量子行为的融入改进了算法中蜻蜓个体的位置更新方式,差分进化的融入增强了算法中的信息交流,量子行为和差分进化融合策略实现了优化该算法向最优解方向搜索。最后选取8个标准测试函数进行实验验证,与原始蜻蜓算法、灰狼算法和粒子群算法进行对比分析,QDEDA在收敛速度和寻优精度方面均实现改善。     

改进差分进化算法及其在模糊聚类分析中的应用

针对差分进化算法早熟与搜索效率不理想的问题,提出一种改进的差分进化算法。算法在变异阶段采用多策略与多参数并行的方法一次产生多个变异个体,有效地保持了种群中个体的多样性,抑制了早熟现象的发生。根据竞争机制选择适应度最好的变异个体进行选择操作,提高了搜索效率。与差分进化及其改进算法的对比实验表明了算法的有效性,并把提出的算法应用到模糊聚类分析中,较好的解决了原始聚类模型求解容易陷入局部极值的问题。     

混沌局部搜索策略的差分进化算法

提出了一种应用混沌局部搜索策略的差分进化算法(CLSDE),在每一代中通过DE/best/2/bin形式的差分进化算法找到最佳个体,然后在最佳个体的附近用混沌的方法进行局部搜索.6个基本测试函数的优化结果表明:CLSDE寻优结果得到的最大值、最小值、平均值、标准差都比DE/best/2/bin好,而且收敛速度比DE/best/2/bin快.     

基于混合策略的差分进化算法

针对传统差分进化算法在求解问题中种群易收敛、易早熟的问题,提出了一种基于混合策略的差分进化算法.该算法根据粒子适应度、适应度标准差和粒子间距离标准差,将种群分为3个不同大小、不同功能的子种群,每个子种群采用不同策略和控制参数来实现自己被指定的功能.算法在搜索过程中既增强了种群的全局搜索能力,又增加了收敛精度.通过对4个标准函数的测试,仿真结果表明该算法比其他算法具有更好的寻优能力.     

微分环上微分多项式的基本性质

将Ritt理论中有关微分域上的微分多项式系统的基本性质移植到微分环上 ,给出了用于计算任一微分多项式关于一个升列的余式的余式公式 ,并讨论了由微分多项式系统在添加新的多项式后形成的新的完备理想与原理想的关系 .     

大功率差速器的研制

７０年代，我国科技人员创造了《双机驱动差动调速连轧技术》实现了大功率交流电机连轧的技术突破然而多年来，其关键设备“差速器”的制造质量一直困扰着制造行业和使用单位，本文以制造差速器的经验探讨提高差速器制造质量和研制大功率差速器的可能性     

大型变压器差动保护

本文分析了超高压大容量变压器构成差动保护的特征及实施方案,本装置中由于采用了性能较好的有源滤波器,电路中将运算放大器和CMOS门电路混合使用,差动保护的动作时间接近半个周波。差动保护由比率制动、二次谐和五次波制动,差动速断等部分构成。对不带负荷调压的变压器动作电流为0.1倍额定电流。既是相间短路保护、匝间短路和单相接地保护,也可兼作过电压保护。装置中设有电流互感器二次回路断线闭锁。     

差量分析法在企业经营决策中的应用

企业经营决策的方法是否科学合理，直接影响到决策的正确与否，甚至关系到企业的兴衰成败。本文用差量分析法，对企业经营的实例进行了决策分析，该方法的应用为企业解决类似问题，可提供有益的借鉴和帮助。     

CLEFIA不可能差分路径构造方法研究

本文主要依据CLEFIA算法扩散变换的有关性质研究了CLEFIA算法不可能差分路径的构造方法,得到了该算法的9轮不可能差分;经过分析和论证指出,文献[7]给出的CLEFIA的9轮不可能差分并不是新的不可能差分。本文使用不可能差分归一化方法分析CLEFIA算法整体结构,得出的不可能差分路径与CLEFIA算法评估报告一致。     

差分GPS定位精度研究

采用空间差分和时间差分两种方法, 研究了差分GPS定位精度受差分站间距离和差分改正数龄期的影响, 证明在满足差分站间距离小于100 km, 差分改正数龄期小于5 s的情况下, 各种空间相关误差以及SA对差分GPS定位精度的影响很小, 通常情况下可以忽略, 因此最终的定位误差主要取决于接收机热噪声和多路径效应.而利用一个GPS接收机的观测数据进行时间差分的方法, 无需建立差分基站, 可有效修正各种误差因素的影响, 提高定位精度.     

一种差动自动进刀机构

运用一种特殊的齿轮差动机构来实现钢轨三孔钻机的自动进给。     

广义微分的统一形式及其在弹性力学中的应用

介绍了外微分、Hodge星算子和余微分,提出了广义微分的统一形式。应用广义微分解释了拉普拉斯算子,并给出了弹性力学中空间平衡微分方程等效描述形式。     

缩减轮数的Keccak杂凑函数差分特征

研究了SHA-3标准算法Keccak轮函数的差分性质,给出了轮函数差分转移概率的计算方法,证明了轮函数差分转移概率关于z轴循环移位的相等性。根据轮函数的差分性质,提出了缩减轮数Keccak的差分特征寻找算法。最后,将得到的缩减轮数的差分特征与其它差分特征进行了比较,说明了本文的优势,并指出了文献[10]中的错误。     

A New Image Segmentation Method Based on Fractional-Varying-Order Differential

In order to solve the problem of image segmentation with intensity inhomogeneity, a new partial differential equation image segmentation model based on fractional-varying-order differential is proposed. This model introduces an adaptive coefficient to set disparate differential order intervals for pixel with different gray values and use fractional-varying-order differential to process the input image combined with the CV model, then use a variety of image segmentation evaluation indicators, such as true positive(TP) rate, false positive(FP) rate, precision(P), Jaccard similarity(JS) rate, and Dice coefficient(DC) rate to measure the pros and cons of our model. The experimental results show that our method is improved on the original basis, which is more conducive to us to obtain more image details and obtain better segmentation results.