基于混合智能算法模型的无功优化的应用

电力系统无功优化是保证电网安全可靠运行的重要指标之一。从经济效益和运行约束条件出发,建立了符合实际数学模型。考虑到遗传算法的早熟收敛及蚁群算法需要较长的搜索时间,采用混合算法对IEEE-14进行仿真,结果和常规的算法作比较,结果证明时间效率和求解效率都优于传统的算法。     

3-状态相异元件串联的P-S设备网络可靠性优化蚁群算法

本文研究具有不同类型元件串联构成子系统,目标系统为子系统并联的并-串联(简称为P-S)网络可靠性优化模型求解问题.依据构造的可靠性网络图,选择合适的评价函数、状态转移规则、信息素更新规则,设计了一个蚁群算法框架.Matlab编程,合理设置算法参数进行仿真,结果表明:对给定的实例,蚁群算法都能够找到问题的最优解;合理选择算法参数,设计的算法是3-状态P-S设备网络可靠性优化问题的有效求解工具.     

改进的动态粒子群算法

为更好的解决动态优化问题,提出改进的粒子群算法（Improved Partic le Swarm Optim ization,IP-SO）,在算法中对pBest替代策略引入了随机化算子,并且对群体中的gBest引入了局部搜索,对随时间变化的最优值进行了精确定位,试验证明该算法对动态优化问题的有效性.     

蚁群算法的改进方法

蚁群优化算法是一种新型的模拟进化算法。在通讯、交通、人工智能等领域广泛应用并取得了较好的效果。本文介绍了蚁群算法的基本原理及其优缺点。基于蚁群算法的缺点——需要较长的计算时间、收敛速度慢,总结了从不同方向进行改进的方法(基于蚁群算法自身模型的改进、蚁群算法与聚类思想结合进行改进、蚁群算法与其他算法结合的改进。     

基于蚁群算法参数的最优选择问题研究

蚁群算法是受现实蚂蚁群体行为启发而得出的一类仿生算法。通过对蚁群算法中影响算法性能的参数进行分析和研究,并对蚁群算法中参数的最优选择问题进行实验分析,从而给出算法参数的最佳取值范围,以利于算法在实际问题中的应用和推广.     

基于混合蛙跳算法的雷达组网优化部署研究

针对雷达组网优化部署问题多、领域广、难度大的特点,在分析雷达组网部署原则并对其量化的基础上,建立了优化部署的数学模型.利用蛙跳算法全局搜索、收敛速度快和避免局部极优的特性,给出了求解数学模型的具体步骤.最后通过计算机仿真实验证明了模型和算法的有效性.     

蚁群算法的研究现状与展望

蚁群算法是一种新型的求解复杂组合优化问题的启发式算法.该文对其研究现状进行综述,主要分析其起源、基本原理、实际应用及优缺点,重点归纳整理了算法模型拓展与主要应用领域.针对该算法目前存在的缺点,在未来理论研究方向上提出设想,并对其开发新应用领域提出建议.     

基于改进的蚁群算法求解单点交叉口信号配时优化问题

蚁群算法是近几年优化领域中出现的一种启发式仿生类并行智能进化、通用型的随机优化算法,能够较好解决交通信号配时优化问题.由于交通信号分配不合理容易引发交通拥堵,基于传统的单点交叉口交通信号配时优化问题提出了改进的蚁群算法,即针对交通具有较强的实时性和动态性的特点,在蚁群算法更新的全局信息素中引入一个随着交叉口拥挤程度不同而变化的函数,并且在信息素变化量中引入一个交叉口通行能力权系数,从而提高算法对交通实时动态性的把控能力.通过实验仿真结果表明,该改进的蚁群算法优于传统的单点交叉口信号配时方法,从而为蚁群算法求解这类问题提供了一种可行有效的新方法.     

基于改进粒子群的云计算任务调度方法

为了实现对云计算任务进行动态实时调度,提出了一种基于改进离散粒子群算法的云计算任务调度方法.依据云计算任务调度数学模型的相关理论,提出了一种基于改进粒子群算法的云计算任务调度方法,对粒子更新方式、初始化方法以及权重因子更新方法等进行了改进,并对整体算法进行了描述.在CloudSim环境下运用改进的模型方法进行仿真实验,并与另外三种方法进行比较,结果表明该方法不仅所需总费用最少,而且收敛速度最快、用户满意度较高.     

基于人工鱼群算法的反坦克火力分配模型研究

人工鱼群算法是一种新型仿生随机搜索全局优化方法,用以解决传统火力分配模型不易求解的问题.在建立反坦克火力分配数学模型的基础上,运用人工鱼群算法对模型进行了最优化求解,并采用基于升序排列的操作方法,实现从人工鱼群算法的连续变量到武器目标分配离散序列的转换.实例的计算结果表明,该优化算法对于模型的求解具有较好的收敛性,为解...     

Sherman-Morrison算法在隐式差分格式求解中的应用

在微分方程数值解法中,出于稳定性的考虑隐式差分格式运用的比较多.但隐式差分格式在计算过程中要解一些大型的线性或非线性的方程组,计算较复杂.本文对对流方程的初边值问题的隐式有限差分格式,利用sherman-Morrison算法对差分格式进行了求解,这样可以将一类方程的求解问题转化为三对角方程,用经典的追赶法求解.     

二次松弛法求解资源配置型整数规划

针对资源配置型整数规划问题,将与优化机制无关的两类约束条件作二次松弛处理,应用领域整点搜索法求解资源配置型整数规划,大大地降低了运算规模和求解难度,为在管理实践中应用整数规划方法求解规模较大的复杂问题创造了有利条件.     

论求解思维的逻辑操作

搜索和选择是求解思维的基本逻辑操作,是人们进行问题求解时所采用的基本的"工艺"操作手段.搜索以人们以往的解决问题的经验和知识为基础,通过检索、提取和重组的方式完成.搜索遵循着匹配、类比和综合的顺序进行.搜索的逻辑是以"关联蕴涵"为基本关系的抽象的或然的逻辑.选择可以分为评价、比较和择优三个逻辑环节.选择的逻辑是以恰当性为基本评价标准的具体的逻辑.选择要受到问题和解题者两个方面因素的影响和制约.     

基于混合蝙蝠算法的多车场车辆调度研究

多车场车辆调度问题是物流配送研究中的NP难题,同时也是现代物流的发展趋势。针对多车场车辆调度问题,考虑客户和物流运营商的利益,以客户不满意度最低、物流成本最低为目标,建立多目标车辆调度数学模型,并对目标函数进行规范化处理,将多目标问题化简为单目标问题。针对传统的蝙蝠算法在局部搜索能力上存在着不足的问题,将遗传算法中的自适应交叉操作引入到蝙蝠算法中,设计一种混合蝙蝠算法计算数学模型。通过MATLAB软件进行仿真,仿真结果与传统的蝙蝠算法进行对比。结果表明：此方法在解决多车场车辆调度问题上是可行的,并且优于传统的蝙蝠算法。     

非线性KDV-KSV方程聚类优化算法研究

聚类算法作为网络时代研究数据挖掘技术的重要方法被各个应用领域广泛使用,但目前所使用的聚类算法,仅仅能够求得局部最优解,而忽略了全局最优解,聚类优化结果没有良好的稳定性,对高维空间的数据计算不准确.本文提出了运用非线性KDV-KSV方程式定义影射集范数,设置初始聚类中心、通过泛函空间完成聚类中心向量的计算,得到聚类数据目标方程、通过判断隶属矩阵得到最优聚类组合.     

基于改进蜂群算法的神经网络及其应用

本文提出一种具有极强全局优化能力的改进蜂群算法,该算法对人工蜂群算法的更新公式进行改进,并对整个搜索策略进行简化.算法对多个高维多极值基准函数进行全局最优化测试,结果表明,改进的蜂群算法收敛精度大大提高;其次,将改进的蜂群算法应用于神经网络的权值训练;最后,作者将这种基于蜂群算法训练的神经网络应用于降水预报,其试验结果显示了这种训练方法的可行性.     

基于响应面法的蚕蛹蛋白酶解条件优化研究

在单因素试验基础上进行部分因子试验和中心点组合试验,优化蚕蛹蛋白的酶解条件.结果表明,最佳酶解条件为:温度45℃,加酶量2 000U/g,酶解时间4h,蛋白/水1∶9.19,pH值2.71;通过3次试验验证,蚕蛹蛋白平均水解度为57.08%,与预测最大值的误差为0.51%.在最优的酶解条件下能准确地获得理想的水解度.     

遗传算法在数据挖掘中的应用

遗传算法以其收敛速度快、时间短的特点,在科学研究中有着广泛的应用前景,重点介绍了遗传算法,并将其与数据挖掘技术相结合。最后,利用以上的结合方案,运用到一个实例中去。     

基于蚁群算法的公交车最佳路径问题研究

通过减少公交路线上的出行时间,可以提高城市公交出行者比例,从而使交通拥挤程度得到缓解。论文提出了一种基于蚁群算法的最佳路径选择问题的新模型。该模型在综合考虑交通因素的前提下。选择出用时最短的公交车最佳路径。研究及模拟实验结果表明,新的算法模型是可行的。     

论求解思维的思维模式

文章在讨论求解思维的基本特征的基础上,着重探讨了求解思维的基本思维模式和具体思维模式。认为,从基本思维模式的角度看,求解思维就是人们面对问题的目标和现有的条件,把目标和条件综合起来进行思考,并在此基础上去推演出实现目标的手段这样一种过程。从具体思维模式的角度看,根据人们对经验运用的不同情况,可以把求解思维的思维模式划分为匹配型、类比型和综合型三种;根据人们对于搜索和选择这两种思维操作的不同结合方式,可以把求解思维的思维模式区分为搜索主导型和选择主导型两种。