混合指数威布尔分布的参数估计

应用ECM算法,研究了混合指数威布尔分布在完全数据场合下的参数估计问题,并模拟说明ECM算法来估计混合指数威布尔分布是一种容易实现又非常有效的方法.     

用插值法求威布尔分布位置参数估计

提出用插值法求三参数威布尔分布中位置参数估计，并对其合理性给出了证明。     

三参数威布尔分布的参数估计方法

给出三参数威布尔分布参数的分位数估计、拟矩估计和改良的极大似然估计，用随机模拟方法研究这些估计和简单估计等的优良性．在优选估计的基础上给出了可靠度的Ｂｏｏｔｓｔｒａｐ置信限．     

蚁群算法在威布尔分布模型参数估计中的应用

针对威布尔分布模型参数的极大似然估计采用牛顿迭代法计算过程烦琐,粒子群算法求解过程中容易陷入早熟等问题,将蚁群算法引入到威布尔分布模型的参数估计中,提出了基于蚁群算法的威布尔分布模型参数估计,并与牛顿迭代法和粒子群算法进行对比,通过实例验证了该方法的可行性与有效性。     

威布尔分布位置参数估计的性质

文[1]提出用右逼近法求三参数威布尔分布位置参数的估计，本文对这种估计的性质进行了讨论。     

三参数威布尔分布参数估计的合理性

本文证明了文^[1]提出的三参数威布尔分布参数估计的合理性。     

关于威布尔分布的一种参数估计方法

在可靠性理论研究与应用工作中,需要计算产品平均寿命。而产品的平均寿命与产品的失效分布类型以及分布的参数密切相关。但在实际工作中,产品的失效分布类型及其参数值常常是难以准确确定地计算出产品的平均寿命的数值。针对此问题本文首次联合利用中位秩及最小二乘法给出了估计威布尔分布参数的一种新方法,给出了平均寿命置信限的估计,并结合实际试验数据进行了计算。     

基于最小二乘迭代威布尔分布的三参数估计

威布尔分布因其数学处理的便利性和适应性而被广泛用于描述产品寿命,引入了位置参数的三参数威布尔分布是研究机械零部件可靠性最适合的模型之一,尤其适用于长寿命、高可靠性的产品。三参数威布尔分布的参数估计一直是关注的焦点,本文中提出了一种基于最小二乘的迭代方法对其进行参数估计,将初始位置参数设置为0,使用最小二乘法得到初始形状参数和尺度参数,将其代入位置参数的无偏估计得到新的位置参数,进行多次迭代,在此过程中形状参数和尺度参数逐渐变小,位置参数逐渐变大,最终获得稳定的形状参数、尺度参数和位置参数,即为最终的参数估计值,并计算可靠度为99%的寿命。通过蒙特卡洛（Monte Carlo）仿真证明此方法是收敛的,并在不同的威布尔模型、不同中小样本量（样本量为10、15、20、25和30）下,使用偏差（Bias）和均方差根（RMSE）两个指标与相关系数法进行对比,此方法估计的3个参数及可靠度为99%的寿命更加准确。通过两个实例分析,表明该方法具有可行性和有效性,估计结果与相关系数法相比更加保守,更适于工程应用。     

估计威布尔分布三参数的广义回归分析

提出了一种考虑顺序统计量相关性的威布尔分布三参数的估计方法（广义回归分析），该方法求得的回归系数具有最佳无偏的性质，经大量Ｍｏｎｔｅｃａｒｌｏ模拟试验表明，其参数估计量比普通线性回归分析获得的参数估计量更接近母体真值。     

混合加速寿命试验模型下威布尔分布参数的统计分析

在混合加速寿命试验模型（序进应力加速寿命试验和恒定应力加速寿命试验相结合）下，讨论了寿命分布为威布尔分布时的参数估计问题，给出了形状参数的逆矩估计以及加速系数的置信区间．并且随机模拟一组样本，验证了这个方法的有效性．     

基于直觉模糊熵的粒子群模拟退火算法

针对智能算法在解决大规模0-1背包问题时易陷入局部最优解、收敛速度慢的问题,提出一种基于直觉模糊熵的粒子群-模拟退火算法(IFEPSO-SA)。采用交换操作和模拟退火机制对粒子群算法中的局部最优解二次优化;然后,以种群直觉模糊熵(IFE)为测度,自适应改变惯性权重,并对种群进行变异操作。测试结果表明,IFEPSO-SA在解决大规模0-1背包问题时有较好的求解质量;仿真实验结果表明,IFEPSO-SA与基于直接模糊熵的粒子群算法(IFEPSO)相比,熵值波动较小,反映出IFEPSO-SA有更好的局部搜索能力,并且IFEPSO-SA在算法收敛速度和求解质量方面都优于IFEPSO以及经典的粒子群算法和模拟退火算法。     

Weibull分布三参数图估法的程序优化

鉴于Ｗｅｉｂｕｌｌ三参数图估法作图繁琐，精度不高的特点，本文通过以位置参数，为设计变量，以二参数回归方程的相关指数为目标函数的最优模型，解决了Ｗｅｉｂｕｌｌ三参数图估法的程序化问题．     

基于梯度PSO算法的PID参数整定

提出一种基于梯度PSO算法的PID参数整定方法.结合PSO算法迭代中的梯度信息,对惯性权重适当调整,提高了收敛速度.在算法出现停滞时,对全局最优变异,避免陷入局部最优.并提出算法微粒运动轨迹收敛的充分条件.典型测试函数结果显示,该方法能有效改善微粒群算法的搜索性能.将采用该算法的PID控制器应用于一个二阶船舶控制装置,计算结果表明该PID控制器可以获得更好的控制性能指标,具有较好的使用价值.     

基于模糊粒子群算法的非线性函数优化

针对非线性函数优化问题,提出一种新型的模糊粒子群算法.该算法基于模糊控制器中输入输出的模糊化处理和粒子群寻优的特点.算法在Matlab 2008环境下编程实现,针对几个典型复杂的非线性函数进行优化测试.实现结果表明:模糊粒子群算法是一种简单有效的算法,具有良好的有效性和鲁棒性.     

基于模拟退火粒子群算法的含DG配电网重构研究

含分布式电源的配电网重构是配网优化的重要课题．二进制粒子群算法（BPSO）是解决优化问题的重要算法,首先根据配电网重构的拓扑约束条件,将轮盘赌操作引入到BPSO中,改进了BPSO算法中粒子位置状态更新策略．接着将模拟退火算法中的动态变异机制引入到改进的BP—So中,解决了BPSO容易陷入局部最优的缺点,最终能够快速有效地达到网路损耗最小的目的．选取IEEE69节点系统进行算例仿真,并与现有研究成果进行对比,结果表明该算法在继承了粒子群优化算法简单容易实现的特点同时,使其具有了摆脱局部极值点的能力,能够优化最优解,提高算法的收敛速度,适合解决含分布式电源的配电网重构问题．     

基于自动生成策略的供水管网抗震优化算法

以管网年费用折算值为优化目标、管网拓扑结构与管径为优化参数、管网节点抗震可靠度为约束条件,建立了供水管网抗震优化设计模型.基于自动生成策略,并结合环形管网判断方法,分别利用遗传算法、遗传-模拟退火算法和微粒群算法进行了供水管网的抗震拓扑优化分析.利用3种优化方法对2个典型供水管网进行了对比分析.对比分析表明,遗传-模拟退火算法具有最好的优化能力.     

基于熵的混合粒子群算法在柔性调度中的应用

为了更好地求解大规模柔性车间调度问题,提高柔性车间调度算法的寻优性能,提出一种基于熵的混合粒子群算法.该算法把粒子群算法、遗传算法和模拟退火算法相结合,同时用种群熵自适应调节惯性系数和变异概率,以增强算法的寻优能力和克服算法的过早收敛.典型实例仿真结果表明,该算法能更好地求解柔性车间调度问题,与传统的优化算法相比,在优化精度上具有明显的优越性.     

挑选作业优化问题的研究

针对自动化仓库固定货架拣选作业的特点,为了提高自动化仓库固定货架拣选作业的工作效率,建立了货物拣选路径优化问题的数学模型。介绍了模拟退火算法和粒子群算法的基本原理,应用杂交算法和带高斯变异算法在模拟退火操作下对较优的粒子群进行寻优运算,设计了模拟退火粒子群优化算法。实例证明,该算法具有较好的全局寻优能力,能取得令人满意的效果。     

基于Weibull分布的项目投资风险收益理论模型

项目投资经济效果评价指标的风险分析是指如何依据各影响因素的概率分布来推求经济效果评价指标的概率分布.在投资决策时要考虑的问题便是投资收益或投资收益率.本文采用最优化的原理与方法,从理论上建立了基于Weibull分布的项目投资风险收益理论模型并证明它们有唯一最大值.这对提高项目投资的可靠性及风险分析理论的发展具有重要意义.     

基于 SADPSO 的 MPRM 最小化算法

针对混合极性Reed-Muller(mixed-polarity Reed-Muller,MPRM)逻辑最小化问题,提出一种基于SADPSO (hybrid simulated annealing and discrete particle swarm optimization)的智能算法.该算法将模拟退火(simulated anhealing,SA)与离散粒子群优化(discrete particle swarm optimization,DPSO)相结合,对DPSO所得到的最佳解应用SA,帮助算法跳出局部极小.使用所提出算法和已有智能MPRM最小化算法分别对23个MCNC基准电路进行逻辑最小化,并对算法结果质量进行定量评价.结果表明,与已有智能MPRM最小化算法相比,所提出算法具有更好的全局收敛能力,能够提高算法结果质量.