融合快速信息交流和局部搜索的粒子群算法

为优化传统的粒子群算法一直存在的收敛慢、易早熟的缺点,提出了一种融合快速信息交流和局部搜索的粒子群算法。依据粒子群算法参数的特点,设计了新的自适应惯性权重和加速因子,使粒子可在算法的不同阶段根据种群的状态自适应地调整速度。借鉴基因交换的思想,提出了粒子快速信息交流机制,以避免"两步前进,一步后退"效应;改进了传统的Hooke-Jeeves搜索方法,并应用于粒子群算法中,对最优粒子进行局部搜索,提高了收敛精度。通过几个经典测试函数对新算法的测试表明,可显著提高收敛的精度。     

基于粒子群算法求解整数规划的改进方法

标准粒子群算法主要用于优化连续性,而对粒子群算法求解非线性整数规划,算法的粒子位置必须解决取整问题。基此,文章提出一种粒子位置最终取整的方法,以改进粒子群算法解决整数规划的具体过程。基准函数的仿真结果表明,改进后的取整方法的搜索成功率优于直接取整和随机取整,综合搜索效率更佳。     

一种基于校正因子的自适应简化粒子群优化算法

针对已有粒子群算法中全局搜索和局部搜索存在盲目性和滞后性以及粒子的早熟收敛等问题,提出了一种基于校正因子的自适应简化粒子群优化算法。该算法在简化粒子群算法基础上,以粒子间平均粒距大小作为触发条件,对惯性权重、平均个体极值和全局极值进行自适应扰动。校正因子可以根据当前粒子群个体信息和全局信息自适应调整,从而完成对当前粒子状态及时准确的更新,最终使粒子可以准确而快速的找到全局最优解。对3种典型测试函数的测试结果表明该算法具有较高的全局和局部搜索能力、能够有效地避免算法陷入局部极值,是一种实用且高效的粒子群改进算法。     

基于改进粒子群算法作业车间调度问题的优化

针对作业车间调度问题,提出一种基于自适应权重和混沌的改进粒子群优化算法。构建以机器加工时间最短为优化目标的多约束作业车间调度模型,采用基于工序排列的编码方式得到粒子参数与工序序列的映射关系;基于自适应权重改进粒子群算法中的惯性系数和加速因子,使得算法可以根据适应度值动态调整参数因子;采用反向学习策略改善种群初始解的质量;引入莱维飞行、变邻域搜索、混沌,增强了算法的搜索能力,避免陷入局部最优解。试验结果表明:改进粒子群算法可以有效地提高粒子利用率,平衡全局搜索与局部搜索能力,改善传统粒子群算法易早熟的缺点,得到更优的解。     

基于惯性因子的混沌粒子群优化算法研究

粒子群优化算法本身在多峰复杂函数时会出现早熟收敛现象,降低粒子的多样性,导致粒子群不能收敛到全局极值点。针对粒子群优化算法的局限性,把混沌优化思想引入到粒子群算法,采用混沌优化粒子群算法对测试函数进行仿真,并在此基础上加入惯性因子对混沌优化粒子群算法进一步改进,Matlab仿真结果表明,改进的混沌优化粒子群算法,结合了混沌和粒子群算法共同的优点,能快速、准确地搜索到全局最优值。     

基于时间因子的混沌粒子群优化K-means算法

针对传统的K-means算法对初始聚类中心取值敏感和易陷入局部最优解等缺点,提出一种带时间因子的改进粒子群优化(Particle Swarm Optimization,PSO)聚类算法。首先在PSO算法中引入反映时间效应的动态调整时间因子,以避免粒子在最优解附近震荡,为保证粒子在规定范围内运动,采用边界缓冲墙对越界粒子进行处理;其次针对粒子群算法存在的全局搜索性能问题,通过改进的混沌技术对粒子群进行扰动,以混沌搜索替代随机搜索,确保种群的多样性,进而使粒子群向更优的方向移动;最后将改进后的粒子群算法结合K-means算法,以提高粒子的局部勘探能力,从而更快地找到全局最优位置。对UCI中的Iris数据集和Wine数据集仿真表明,该算法相比其他2种算法,聚类准确率分别增长了5.1%和1.3%,1.79%和1.09%。     

基于模糊推理的带收缩因子的粒子群算法

为了提高粒子群算法的搜索性能,本文提出了一种基于模糊推理的改进方法。通过模糊推理调整算法参数:对学习因子c1和c2进行自适应调整,平衡粒子向自身经验和向群体经验学习的能力;收缩因子χ也通过模糊规则随之调整,从而平衡粒子的全局搜索能力和局部搜索能力。通过对多个基准测试函数的进行仿真实验,并与标准的粒子群算法和带收缩因子的粒子群算法相比较,结果表明改进后的算法的性能更好,尤其是对具有多个局部极值点且极值相差不大的多峰函数的优化更有效。该算法具有一定的实际应用价值。     

预测RNA二级结构离散粒子群优化算法

根据RNA二级结构预测问题实质和基本粒子群优化算法特性,提出一种离散粒子群优化算法模型.定义该模型中一个可变集合搜索空间,设计了基于此空间粒子群速度与位置更新公式及运算规则.采用局部精英粒子优化策略解决了粒子群算法易陷入局部最优的问题.实验结果表明,该算法在收敛速度和精度上都具有较好的性能.     

基于量子粒子群算法的双阈值图像分割方法

为了提高图像分割效率,将量子粒子群算法QPSO应用于图像阈值分割领域,并在QPSO算法基础上提出了一种基于边界控制的量子粒子群阈值分割算法BQPSO.改进算法BQPSO引入了边界控制策略,使得飞越搜索区域的粒子不再聚集到区域的边界,而是回到搜索区域内边界附近的某一位置,保持了群体的多样性,有效地避免了算法陷入局部最优解,增强了算法的全局搜索能力.实验结果表明,与遗传算法GA、粒子群算法PSO和标准量子粒子群算法QPSO的阈值寻优结果相比较,BQPS0算法在运算效率、阈值搜索精度和稳定性以及图像分割效果等方面均具有明显的优势.     

一种动态调节惯性权重的粒子群算法

针对使用经典线性递减策略来确定惯性权重的粒子群优化算法在运算过程中与粒子寻优的非线性变化特点不匹配的问题,提出一种动态调节惯性权重的粒子群算法.该算法对惯性权重引入随机因子并基于粒子适应度大小来动态调节惯性权重,更好地引导粒子进行搜索,平衡了算法的全局搜索与局部搜索能力,提高了算法的收敛精度.为了验证该算法的寻优性能,通过8个经典测试函数将标准粒子群算法、惯性权重递减的粒子群算法及动态调节惯性权重的粒子群算法在不同维度下进行测试比较.结果表明:提出的动态调节惯性权重的粒子群算法在寻优精度和成功率方面都有所提升,算法性能更具优越性.     

将ATM引入PSTN的途径

就ＡＴＭ如何经济有效地支持话音业务展开了研究,指出了现有一些方法的优缺点,建议了组合信元,复合ＳＤＨ帧,高质量话音编码３种解决方法,讨论了在交换结点中可能的配置。     

校园网宽带接入方案

在介绍3种校园网接入家庭方案的基础上,选择一种最优方案并详细说明了具体实施步骤。     

对MOOC教学的探讨

这两年MOOC热度飙升,引发了世界各大名校对这一新型课程模式的关注和尝试,MOOC给移动互联网时代的人们带来崭新学习体验的同时也给传统教学带来了极大的冲击和启发。文章介绍了MOOC的发展和现状,从教学的角度对MOOC的特点进行分析,并论述了MOOC对传统教学的启发。     

关系模式中候选码的求解

关系数据库模型的应用十分广泛，其候选码的求解已被证明是一个NP完全问题，从闭包的角度讨论了如何求解候选码，并对其求解过程进行了一定程度的优化。最后提出了一些比较合理的建议。     

机房管理解决方案

本文简要介绍机房管理整套方案,包括母盘设计制作、硬盘分区、镜像文件制作、硬盘克隆、利用镜像文件恢复分区、日常维护等内容.     

PBT 的 DSC 表观结晶动力学研究

提出了一种新的表观动学方法用于表征ＰＢＴ的结晶过程,在这个方法中采用方程ｄＣ／ｄｔ＝Ｋｆ（ｃ）＝ｅ＾［－Ｅ／ＲＴ＋ａ（ｂ－Ｔ）］＊ｆ（ｃ）表征高分子材料的结晶过程,由不同降温速率ＰＢＴ的ＤＳＣ曲线求得ＰＢＴ的结晶动力学方程为：ｄＣ／ｄｔ＝ｅ＾［－２５９３７９／Ｔ＋１．３４０３（ｂ－Ｔ）］＊ｆ（ｃ）。由该方程及降温ＤＳＣ曲线可以求得各种温度下结晶动力学曲线。     

发挥高校图书馆作用 加强大学生素质教育

强化高校图书馆在大学生全面素质教育中的地位和作用,是发展高等教育的一个重要环节。在具体运作上,高校图书馆应更新观念,立足校园文化中心的地位,积极拓展服务领域,培养大学生文化素质、信息素质,扩大学生知识面,深入开展第二课堂教育。     

构建促进农民进城就业的新机制

促进农民进城就业，是增加农民收入，统筹城乡发展，保持农村社会稳定，构建和谐社会的必然选择。近几年来，进城就业的农民虽然呈持续增长趋势，但仍面临许多问题。促进农民进城就业，应破除体制障碍，通过完善配套政策、健全工作网络、加强法制建设等，增强对农民工的支持、引导和保护。     

学无止境奋进中成长--记川威集团(公司)副总经理杨先露

四川省川威集团有限公司是"四川工业企业最大规模50强”,"四川工业最大纳税30强”,"四川工业企业最大市场占有份额30强”和四川省"综合成长型”企业.它坐落在风光秀丽,气候宜人的威远县连界镇,现有员工5300人,总资产12亿元.是以钢铁为主,集机械加工、汽车运输、工业安装和民用建筑、发电、炼焦、房地产开发、公路营运、科研开发、贸易、休闲旅游为一体的跨地区、跨行业、跨所有制的大型企业.在朝气蓬勃、团结奋斗的川威集团领导班子中,有一位令母校欣慰和骄傲的校友--这就是1985年毕业于重庆工业高等专科学校轧钢32班的杨先露.     

努力工作 把握机会 创造价值 掌握人生

1998年7月大学毕业时,当接我们到单位的汽车把我们拉得越来越远离城市时;当我面对喧嚣的机器、睁不开眼睛的灰尘时;当我手拿铁锹去掀高炉炉前渣沟的炉渣时;当我在帮师傅干活时,被别人无意用铁水烧伤我的脚时……我也曾对自己的未来迷茫过,不知自己的前途在何方。