改进差分进化算法在PID控制器在线优化中的应用

将基于混合差分策略的改进差分进化优化算法应用在PID控制器在线优化中。MDE结合了DE/rand/1的多样性和DE/best/1的高收敛速度的优点,算法的寻优性能远超过两种策略单独作用时的性能。MDE充分利用了差分进化的进化寻优优势与PID控制器的简单方便,让控制器在系统运行过程中进行自我设计和优化。     

平面六边形稀疏阵列天线的优化

针对标准的差分进化算法只能处理连续空间的优化问题,提出了一种基于取整策略的差分进化算法。该方法只需要对优化变量进行四舍五入取整,就能够把标准差分进化算法用于稀疏阵列天线方向图优化。将取整策略的差分进化算法应用到六边形平面稀疏天线阵的布阵设计。为了计算六边形阵列天线的方向图,提出在口径中添加虚拟单元的计算模型,把六边形阵列转化为可以实现二维快速傅里叶变换的矩形阵列。以改善阵列峰值副瓣电平为目的进行仿真试验,结果表明,优化后的稀疏天线阵峰值旁瓣电平与采用遗传算法相比改善了4.5~5.1 dB,且具有计算速度快、稳定性好的优点。     

蚁群算法基本原理及其应用综述

蚁群算法（ACA）是一种广泛应用于优化领域的仿生进化算法。从ACA发展背景着手,分析比较国内外ACA研究团队与发展情况,立足于基本原理,分析其数学模型,介绍了六种经典的改进模型,对其优缺点进行分析,简要总结其应用领域并对其今后的发展、应用做出展望。     

微粒群算法研究状况和发展

作为一种新兴的自然计算方法,微粒群(PSO)算法已成为新的研究热点,它与人工生命,特别是进化策略和遗传算法有着极为特殊的联系,已完成的理论和应用研究证明微粒群算法是一种能够有效解决大多数全局优化问题的新方法。更为重要的是,微粒群算法的潜在并行性和分布式特点为处理大量的以数据库形式存在的数据提供了技术保证。本文介绍了微粒群算法理论的产生和发展过程,分析和介绍了微粒群算法的基本原理以及研究现状。     

鸡群算法及相关研究简述

鸡群优化(Chicken Swarm Optimization,CSO)算法是一种基于鸡群觅食行为的随机优化算法。CSO算法能够简单、快速地解决科学研究领域中的各类数值计算问题,受到国内外学术界及工程优化领域学者的广泛关注。CSO算法具有收敛速度快和收敛效率高的优点,同时也趋于陷入局部最优解。阐述了CSO算法的基本原理以及流程,介绍了CSO算法在部分研究领域中的应用。     

基于GIS和多目标进化算法的应急疏散路径优化

针对现有应急疏散路径规划较少考虑多个决策目标和可视化能力不足的问题,提出一种将GIS(地理信息系统)技术和多目标进化算法结合的模型,建立可以优化应急疏散路径的方案。建立空间多目标优化模型,并用NSGA-Ⅱ多目标进化算法来求解,得出一组疏散路径最优方案。结果表明:该模型在进行应急疏散路径规划上具有可行性,并且有很好的可视化效果,其疏散路径优化结果可直接为决策者制定疏散方案提供参考。     

一种两阶段的敏捷卫星任务并行调度技术

敏捷卫星灵巧的姿态机动能力令其观测能力和使用效率得到大幅提升,也使得卫星任务调度变得更加复杂和困难。首先,通过分析敏捷卫星的工作模式、任务调度特点和使用约束,构建了基于任务重要性、任务满足度和任务成像质量等目标的敏捷卫星任务调度优化模型;然后,通过对敏捷卫星多种成像模式进行统一编码,设计了一种新的差分变异策略——基于排名的变异算子,提出了基于主从式的改进并行差分进化算法;最后,和基于时间轴的成像质量贪心算法相结合,给出一种新的两阶段敏捷卫星观测任务调度方法,并通过仿真对比验证了方法的有效性。     

基于DNA进化算法的多目标物流配送路径优化

本文基于建立一种多目标物流配送车辆调度模型的基础上,采用DNA进化算法求解该问题,克服传统算法的求解速率低,易陷入局部最优的问题,为进一步研究物流配送优化调度问题提供参考。     

混合智能算法在电子设备动态管理优化中的应用

应用微分进化算法（DEA）与字典排序算法（DSA）相结合的智能算法优化管理电子设备动态货位,研究了基于分拣选路径、存取效率、支架稳定性的动态管理多目标优化问题,并与采用遗传算法（GA）的动态管理优化进行了比对,发现字典排序算法能够按照数字顺序大小构建基于分拣选路径、存取效率、支架稳定性等因素重要程度的多目标函数,微分进化算法则能对多目标函数实施有效优化。仿真结果表明,混合智能算法迭代步数少,收敛速度快,具有更好的执行效率。     

浅析差分GPS的算法及数据格式

简要介绍了GPS25XL的星历数据及位置数据遵从的标准，详述了差分GPS技术在消除电离层、对流层误差方面的算法，同时对RTCMSC-104电文格式进行了分析，并在此基础上给出了构造RTCMSC—104格式差分数据的方法，为相应产品的开发提供了有益的经验。     

基于Solis&Wets算法的物流配送中心选址研究

针对目前应用在物流配送中心选址问题上的算法实现复杂、鲁棒性差和求解精度不高等问题,提出了一种基于Solis&Wets算法的物流配送中心选址研究。文章通过对四个算例进行仿真实验,并与其它几种现有方法作比较,结果表明:Solis&Wets算法实现简单,程序运行时间短,具有较好的鲁棒性,且求解精度较高,取得了更好的优化效果。     

平面稀疏阵列天线的约束优化设计

针对有阵元数和阵列口径约束的矩形平面稀疏阵天线的综合问题,提出了一种基于整数编码的差分进化算法。该方法以每个阵元的栅格位置编号作为设计变量,使阵列的稀疏率满足约束条件,避免了优化过程中的不可行解,还减少了优化变量的个数。为了加速优化过程,采用快速傅里叶变化计算阵列的方向图。以改善阵列峰值副瓣电平为目的进行仿真试验,结果表明：优化后的稀疏天线阵峰值旁瓣电平比现有方法相比改善了1.2~1.7 dB,且具有收敛性和稳定性好的优点。     

基于格基约减辅助的低复杂度MIMO信号检测算法

在多输入多输出(MIMO)系统中,常规的格基约减辅助信号检测算法由于复杂度高而难以在实际工程中应用。为了解决这一问题,基于Brun算法提出了一种低复杂度的信号检测算法。该算法首先通过奇异值分解(SVD)得到信道矩阵奇异向量和转换矩阵之间的近似整数关系,进而采用Brun算法对信道矩阵的对偶格基进行约减优化,最后将约减后的新对偶格基用于传统线性信号检测。仿真结果表明：该方法的复杂度约为基于常规Lenstra Lenstra Lovasz(LLL)格基约减辅助的MIMO信号检测算法的0.1倍;同时,与线性检测算法相比,检测性能提升非常明显,特别在较高信噪比(SNR)范围内。因此,该算法能够在检测性能与计算复杂度之间取得较好的折衷。     

基于改进粒子群算法的虚拟机调度策略研究

目前,云计算发展之迅速使得云计算系统的应用越来越广泛,而云计算资源调度算法作为云计算研究的核心内容,当前许多科研工作者已经对其进行了大量深入的研究。从云计算系统的负载均衡和提高资源利用率的两方面出发,首先建立一种新的资源利用率均衡模型,其次优化基本粒子群算法,再用优化后的PSO算法求解改模型,并通过云计算仿真平台CloudSim对此算法和模型进行仿真和验证。     

基于用户体验的“算法焦虑”问题研究

互联网和大数据时代,算法推荐技术被广泛运用并助力实现信息的精准分发。但算法推荐的精准、同质和冗余信息也给用户带来了负面使用体验。本文通过访谈法,从用户真实体验出发,研究了算法推荐技术带来的“算法焦虑”问题,并就算法技术对用户认知方式的影响、对算法推荐技术的应用进行反思。     

车辆路径问题的节约算法改进

节约算法作为求解车辆路径问题的一种启发式方法,将节约算法进行改进将有助于实现配送路径的优化选择。本文基于对节约算法中优先策略进行选择,对节约算法做出一定的改进,通过对思路及程序进行详细介绍,并将其运用到具体案例中,最终得到了较为满意的路径策略选择。     

基于动态二进制抗冲突算法的物流RFID子系统优化

RFID技术在现代的物流管理中应用十分广泛,把RFID技术应用在物流领域能带来许多的好处,但是它也存在这一些缺陷。本文讨论如何应用动态二进制抗冲突算法对物流RFID子系统进行优化。本文以16bit的序列为例进行了分析,得出了在Nbit情形下的分析模型,并给出了在新算法下抗冲突速度改善的结论。     

配送车辆路径优化问题算法研究

配送车辆路径优化问题是影响物流配送效率和成本的关键问题,同时也是应用数学、计算机和物流配送领域研究的热点问题。路径优化的算法主要有精确式和启发式两种。精确式算法可以求解小规模VRP的配送路径问题,当VRP规模增大时,则很难求得满意结果。启发式算法主要有构造式、两阶段式、智能式算法,其对于解决大规模VRP的路径优化的问题具有重要帮助。     

基于节约算法和改进节约算法的配送路线优化

运用节约算法对山东某葡萄酒配送中心的配送实例进行配送路线的优化,优化的过程中总结出传统的节约算法的不足之处,通过分割配送对节约算法进行改进,用改进的节约算法来优化相同案例,证明改进的节约算法能有效提高车辆装载率、减少所需车辆数、节约里程数。     

配送车辆路径优化问题算法研究

配送车辆路径优化问题是影响物流配送效率和成本的关键问题,同时也是应用数学、计算机和物流配送领域研究的热点问题.路径优化的算法主要有精确式和启发式两种.精确式算法可以求解小规模VRP的配送路径问题,当VRP规模增大时,则很难求得满意结果.启发式算法主要有构造式、两阶段式、智能式算法,其对于解决大规模VRP的路径优化的问题具有重要帮助.