基于PSO的信息熵数据融合非均匀分簇路由算法

针对无线传感器网络分簇算法中能量分布不均衡导致的\"热区\"和簇头负载过重问题,提出了一种基于PSO算法优化簇头选举的非均匀分簇算法。在候选簇头选举和竞争半径计算过程中综合考虑节点动态能量、节点密度和节点距基站距离,将网络进行非均匀分簇,并引入PSO算法进行最终簇头选举。根据节点能量、节点密度和距基站距离确定簇间单跳多跳结合的路由规则,选取代价函数小的节点作为下一跳节点。基于节点信息熵确定融合阈值,进行簇内数据融合剔除冗余数据。仿真结果表明,改进算法的数据传输量比EEUC算法和UCRA算法分别提高了20%和10%,提升了数据的融合效率,有效延长了网络生命周期,簇头能量消耗得到均衡,减少了网络能量消耗,网络的整体性能显著优于其他对比算法。     

基于粒子群优化的模糊聚类分析

基于求解实优化问题时,粒子群优化算法优于遗传算法。在基于遗传算法的模糊C均值聚类算法基础上,给出了基于粒子群的模糊C均值聚类算法,试验结果表明:该算法克服了传统的模糊C均值聚类算法的缺陷,同时在收敛速度方面明显优于基于遗传算法的模糊C均值聚类算法。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上,针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题,提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值,易形成局部极值,同时学习次数较多,需先通过粒子群算法进行优化。为了提高定位精度,首先采用速度常量法滤波处理,然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化,并分析算法的性能。试验中隐层节点个数采用试错法,从12到19变化,以确定合适数目。实验结果表明,与一般加权算法和传统BP算法相比,改进的混合优化算法可大幅改善测距误差对定位误差的影响,同时可使25 m内最小定位误差小于0.27m     

基于PSO算法的股权拍卖机制设计及仿真分析

运用PSO群体智能算法模拟信息交互条件下外部投资者报价决策的学习机制和演化规律,在此基础上设计了实现风险投资退出的股权拍卖机制。Netlog仿真结果表明,所设计的股权拍卖机制能在一定程度上揭示股权的真实价值,并降低竞买人和卖方之间的信息不对称程度。进一步的仿真分析结果表明:适当的激励力度对外部投资者的投标报价具有显著影响;引入更多的竞买人能产生更有利于风险投资家的拍卖结果;即使外部投资者过于强化单一的学习能力,最终也可得到相对理想的拍卖结果,从而证明了所设计的股权拍卖机制具有广泛的适用性。     

基于分辨力增益的综合识别传感器管理方法

为提高目标综合识别的效能,需对综合识别系统中多种传感器资源进行科学管理。在分析综合识别中目标优先级和传感器使用约束条件的基础上,建立了利用分辨力增益作为传感器资源管理优化准则的目标函数,提出了利用传感器混淆矩阵的预测分辨力增益计算方法,并将粒子群优化算法引入传感器-目标分配NP-hard问题的求解中。仿真结果表明该方法合理高效。     

基于像素失真耦合边缘特征融合的无参考质量评价

为了适应多种类型的模糊图像进行质量评价,提高评价模型对图像模糊和振铃的洞察能力,提出了一种像素失真与边缘特征融合的无参考质量评价算法。首先,根据像素失真理论,计算图像像素的标准差和绝对差分值,提取图像的像素特征;然后,计算图像水平和垂直方向的过零率,并利用边缘保持滤波器对图像边缘信息进行测量,精确提取图像的边缘特征;最后,利用提取的像素特征和边缘特征,定义特征融合函数,并引入粒子群优化（PSO）对融合函数参数进行优化,提高对图像模糊和振铃的洞察能力,根据融合特征构建图像质量评价模型。与当前无参考质量评价算法比较,所提算法能够有效地对JPEG（Joint Photographic Experts Group）、JPEG2000（Joint Photographic Experts Group 2000）、模糊等失真图像进行质量评价,评价指标CC（Correlation Coefficient）与SROCC（Spearman Rank-order Correlation Coefficient）达0.947 7和0.915 3。该算法与主观评价方法具有较好的一致性,能够较好地适用于多种类型的失真图像评价。     

Service load balancing,task scheduling and transportation optimisation in cloud manufacturing by applying queuing system

Recently, there is a great deal of attention in Cloud Manufacturing (CMfg) as a new service-oriented manufacturing paradigm. To integrate the activities and services through a CMfg, both Service Load balancing and Transportation Optimisation (SLTO) are two major issues to ease the success of CMfg. Based on this motivation, this study presents a new queuing network for parallel scheduling of multiple processes and orders from customers to be supplied. Another main contribution of this paper is a new heuristic algorithm based on the process time of the tasks of the orders (LBPT) to solve the proposed problem. To formulate it, a novel multi-objective mathematical model as a Mixed Integer Linear Programming (MILP) is developed. Accordingly, this study employs the multi-choice multi-objective goal programming with a utility function to model the introduced SLTO problem. To better solve the problem, a Particle Swarm Optimisation (PSO) algorithm is developed to tackle this optimisation problem. Finally, a comparative study with different analyses through four scenarios demonstrates that there are some improvements on the sum of process and transportation costs by 6.1%, the sum of process and transportation times by 10.6%, and the service load disparity by 48.6% relative to the benchmark scenario.     

基于供应链金融的中小企业信用风险评价模型研究

在以往供应链金融视角下,中小企业信用风险评价多在孤立时间点上进行,这样会造成指标数据因某些原因而可能发生较大幅度变化,进而导致评价结果的错误,使银行在放贷过程中存在较大风险。本文以A企业为例,构建了基于时间维的供应链金融视角下中小企业信用风险评价模型。根据评价指标特点,该模型在各个时间点上选用微粒群算法和模糊综合评价方法对其进行信用风险评价,将各个时间点上的评价结果进行比较,分析企业的信用等级变化趋势,以期为银行放贷风险的降低提供有效途径。     

非线性互补问题计算机实现

分析了非线性互补问题求解困难,利用粒子群算法并结合极大熵函数法给出了该类问题的一种新的有效算法。该算法首先利用极大熵函数将非线性互补问题转化为一个无约束最优化问题,然后应用粒子群算法来优化该问题,计算机程序实现表明该算法是有效的。