基于PSO算法的电力系统稳定器参数优化

针对电力系统稳定器的参数优化问题,提出一种基于微粒群优化算法的整定方法。算法选择Δω作为输入信号,以ITAE指标作为微粒群优化算法的目标函数,对电力系统稳定器增益Ki和时间常数T1i、T3i三个参数进行优化设计。仿真结果验证了算法的有效性和优越性。     

多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

基于改进粒子群算法的体绘制传递函数设计

为降低体绘制过程中人机交互的复杂性,提出一种体绘制传递函数的自动设计方法.该方法把对传递函数的抽象评价转变为对绘制图像的显式评价,然后将传递函数的设计转变为一个多参数优化问题,并使用改进的粒子群算法进行自动寻优.图像的评价使用图像信息熵、差分熵、边界熵和主观评价的融合方法.针对粒子群算法易于陷入局部最优的缺点,结合遗传算法的思想对粒子群算法进行改进.该方法在体绘制应用中,具有更好的全局搜索能力和更高的收敛速度.实验结果表明,在一般体绘制应用中,本文的方法可以在1.0～2.0min内完成传递函数设计,实现用户满意的体绘制效果.     

基于混合演化的自适应建模及其应用

针对传统的遗传规划方法收敛效率低、模型精度不高等缺点,将进化策略应用于模型参数的全局最优搜索,在遗传规划建模的基础上使用进化策略修正模型参数,以实现对模型结构和参数的同时优化,通过2种演化算法的结合提高建模精度,同时采用最优保持策略加速优化过程,改善算法的收敛效率.将该方法应用于某型船用汽轮机组的仿真建模中,通过和传统演化建模的对比,证明采用混合演化策略的建模方法具有更快的求解速度和更好的全局搜索能力.     

基于V-detector算法的滚动轴承故障诊断方法

针对实值阴性选择(RNS)算法的检测器尺寸不能自适应变化的问题,提出基于变检测半径的RNS算法(V detector)的轴承故障诊断方法.将计算轴承振动信号局域波分解后各基本模式分量的关联维数作为特征向量,并根据故障模式将其划分为多个自体样本集,采用V detector算法训练多个检测器集,用其对轴承故障进行诊断.结果表明：自体半径过小则误诊率高,自体半径过大则检测器灵敏度低,这都将导致准确率减小;覆盖率越高,则准确率越高、计算花费越大,当覆盖率≥95%时,覆盖率对准确率的影响远小于其对计算花费的影响;相对于基于RNS的诊断方法,V detector算法具有同样高的准确率,且计算花费显著减小、稳定性更高,可有效地识别轴承故障.     

双电压动态可重构FPGA任务模型及调度算法

通过对单电压动态可重构可编程逻辑门阵列（FPGA）实时任务模型的学习研究,建立基于双电压动态可重构FPGA的非可抢占任务模型.该模型很好地描述了双电压动态可重构FPGA任务的特征,在单电压任务模型的基础上增加了双电压任务模型特有的属性.并基于降序首次自适应算法提出一种新的硬件任务调度算法,该算法在保证任务集限制时间内完成所有任务的同时,利用动态电压调节的方法大幅度减少了任务集完成所需要的能量.在Sun Saloris 工作站下对任务调度模型及其算法进行仿真和评估,实验数据表明,这种基于双电压的任务模型的调度算法,能够有效降低FPGA任务执行的能耗,对于大规模的任务,能耗最高可节省24.1%.     

基于物流数据仓库和决策树算法的客户信用度分析

根据物流企业与客户之间的互动关系,通过物流数据仓库决策树分析,得到各类影响因素的层次,为物流企业与客户今后的交易往来提供辅助决策信息,进行客户信用等级的评价,以此制定相应的赊销政策,控制客户信用风险。     

粒子群算法在无线网络拓扑优化中的应用

在无线传感器网络中,拓扑控制是传感器网络中的一个基本问题,主要针对无线网络中传感器的布局,建立了一个简单的无线网络拓扑优化模型,并将粒子群优化算法改进后运用到此模型中,对传感器的拓扑结构进行了优化.     

基于遗传算法的无侧隙双滚子包络环面蜗杆传动的参数优化设计

为了获得良好的啮合性能,无侧隙双滚子包络环面蜗杆设计参数的选择是一个复杂而困难的问题.针对这一问题,建立了此蜗杆传动的一界、二界限曲线以及润滑角度和诱导法曲率方程;提出了一种在保证蜗杆刚度和强度的条件下,基于润滑角度和诱导法曲率等方程并利用道森(Dosen)公式建立多目标蜗杆优化设计函数的方法.根据优化函数的特点选用遗传算法对方程进行求解,得出了一组合理的优化设计参数,分析表明该组设计参数具有良好的啮合性能和润滑性能.该研究结果表明这种方法的有效性与可行性,且解决了无侧隙双滚子包络环面蜗杆设计参数尤其是滚子安装参数的优化选择问题,为进一步对该蜗杆的设计加工等研究提供了科学选择参数的方法,在推动该新型蜗杆的开发与研究方面具有重要意义.     

面向目标的带先验概率的AdaBoost算法

针对集成学习算法研究中多个分类器的最佳组合问题,改进了传统的AdaBoost集成学习算法.用于组合的各个分类器通常是基于样本集通过一定的训练得到,样本集中不同类目标的比率可以反映分类目标的先验概率.使用该参数给出了新的组合参数和投票表决阈值计算公式,巧妙的利用样本权值并将其加入到样本属性上进行训练学习,采用新的策略来选择基分类器,给出了面向目标的带先验概率的AdaBoost算法(GWPP AdaBoost算法)和分类器的最佳组合.依据UCI实验数据对传统的AdaBoost算法、Bagging算法、GWPP AdaBoost算法的错误率和性能进行了比较分析,验证了GWPP AdaBoost的有效性.