无线传感器网络中跨层能耗优化模型及求解算法

采用跨层优化法,定量描述了网络层和数据链路层的能耗问题.首先用概率模型分析了CSMA机制下节点的传输能耗,并提出了路径累积能耗路由策略;通过建立最优化模型及其求解算法,说明所提出的路由策略在尽可能延长网络寿命的情况下,可使网络整体能耗最低;求解该最优化模型可以获得网络中各节点的传输总能耗,进而得到网络中随数据传输量增加而首先失效的节点;最后通过一个简单的网络算例说明了跨层能耗优化模型及求解算法是有效的.     

提高管理类《运筹学》教学效果探讨

《运筹学》是以定量分析为主,通过建模、检验、求解数学模型的方法来解决诸如最优化生产、最优化资源调配等各行各业的最优化问题。本文通过对某高校学生学习《运筹学》课程情况的调查,找出其教学过程中存在的问题,并有针对性地提出解决措施。     

前馈神经网络连续二元蚁群训练模型

提出了一种用离散模型逼近连续模型进而求解连续域上的优化问题的蚁群优化算法Binary-ACO,并将Bi-nary-ACO与经典BP训练算法进行混合（LMBP和SDBP）应用于多层感知机的训练问题中,并在3个测试数据集上进行对比实验。实验结果证明单一蚁群优化算法作为一种通用的优化算法在前馈神经网络训练问题中的性能无法与经典的BP算法相比较,但是蚁群优化算法和BP经典训练算法结合的混合算法表现性能优良。两种混合算法（Bi-nary-ACO-sdbp和Binary ACO-lmbp）都获得了相当良好的解,特别是Binary ACO-lmbp这种算法不仅比单一的蚁群优化算法的性能上有相当的提高而且也优于经典的BP算法。     

供应链销售管理PSO算法的分布式优化

针对传统粒子群算法在供应链销售管理的应用中表现出收敛性不佳的问题,本文提出了一种基于分布式优化粒子群算法的供应链销售管理模型,首先将免疫算法中繁殖策略与基本粒子群算法相结合,保持种群的多样性,然后引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行了优化,最后采用最优化学习策略在算法陷入局部最优时跳出来。仿真试验结果表明,本文提出基于分布式优化粒子群算法的供应链销售管理模型,在收敛性能上远远优于标准粒子群算法。     

基于粒子群的化学实验室无纸化资源优化配置

针对化学实验室无纸化资源配置问题,建立了数学模型和优化模型。提出了实验室过滤子集和课程过滤子集的概念,提出了优化模型中的预处理规则;提出了最小距离约束、资源最优均衡约束和最少等待时间约束的概念,提出了优化模型中的最优化规则。基于预处理规则、最优化规则和改进的粒子群算法提出了资源优化配置算法。仿真实验证明,该算法在进行资源优化配置时是快速和高效的。     

涂料生产的优化调度

对涂料生产过程中的调度问题进行了分析,建立了涂料生产的优化调度模型.采用一种启发式的"离散-回缩"策略计算在一定生产排序下的涂料总生产完成时间,并使用列队竞争算法求解最优化排序.采用某涂料厂的实例对提出的方法进行了检验.     

线性规划理论在高校课表编排中的应用

针对高校学生数量猛增、数据规模增大、约束条件增多、排课复杂等问题,本文以某高校课程编排为例,在课表编排中建立一个带约束的多目标数学模型,并对其进行最优化求解。利用运筹学优化仿真软件Xpress-MP验证,结果表明:建立数学模型的优化方法在解决高校课表编排优化问题中具有全局寻优能力,运行速度较快,使资源得到合理有效利用。     

极大似然优化EM算法的汉语分词认知模型

针对标准EM算法在汉语分词的应用中还存在收敛性能不好、分词准确性不高的问题,本文提出了一种基于极大似然估计规则优化EM算法的汉语分词认知模型,首先使用当前词的概率值计算每个可能切分的可能性,对切分可能性进行"归一化"处理,并对每种切分进行词计数,然后针对标准EM算法得到的估计值只能保证收敛到似然函数的一个稳定点,并不能使其保证收敛到全局最大值点或者局部最大值点的问题,采用极大似然估计规则对其进行优化,从而可以使用非线性最优化中的有效方法进行求解达到加速收敛的目的。仿真试验结果表明,本文提出的基于极大似然估计规则优化EM算法的汉语分词认知模型收敛性能更好,且在汉语分词的精确性较高。     

合金收得率预测及配料方案优化问题的建模与求解

随着人工智能的发展,各国钢铁企业都在探索最优的自动配料系统,合金收得率预测及成本优化算法的研究成为热点。本文建立了基于遗传算法优化的多层神经网络BP算法的收得率预测模型、基于改进单纯形法的配料成本优化模型,利用MATLAB、LINGO软件对算例进行了求解,检验出本文模型的实用性良好。     

基于LM算法的BP神经网络在NAO模型运动学求逆解中的应用

提出一种基于BP神经网络改进算法的NAO机器人逆运动学求解方法。在讨论NAO模型逆运动学的求解问题以及BP神经网络基本原理的基础上,将LM训练方法运用到BP神经网络中。实验结果表明该方法具有可行性和有效性。     

基于神经网络算法的钢水脱氧合金化元素收得率预测

首先对神经网络理论进行分析,建立了BP神经网络预测模型,利用MATLAB神经网络工具箱予以求解,求解结果显示预测效果不佳。经过改进算法后,利用小波优化BP神经网络,此优化后网络有较好的对波动数据的处理。小波神经网络结果显示预测准确率在80%以上。讨论构建神经网络算法,以C、Mn两种元素作为例子对其收得率进行预测,并尽可能提高这两种元素收得率的预测准确率。     

TSP问题的最优化研究及求解实例

本文首先描述了旅行商问题(简称TSP),介绍了TSP问题的发展历史,并提出了自己的观点,然后对基于模拟退火算法的神经网络求解TSP问题的具体技术线路进行了详细介绍,最后建立了一个求解TSP问题的实例模型,用C语言编制程序,给出了运行结果。     

并行优化KNN算法的交通运输路况预测模型

针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型,首先在采用粒子群算法对KNN算法进行优化前,引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化,然后采用最优化学习策略对改进粒子群算法的运算性能进行优化,最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度,并根据适应值函数计算每个粒子的适应度。仿真实验结果表明,本文提出的改进粒子群算法具有较好的收敛性能,基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。     

预光滑子正则化求解的图像修复策略

由于传感器噪声或者拍摄抖动,容易导致数字图像含有噪声,所以必须对模糊图像进行修复处理,本文针对正则化模型在图像修复中还存在的抗噪性能较差的问题,提出了一种预光滑子正则化求解的图像修复策略。首先采用软阈值对正则化去噪模型进行最优化求解,然后构建基于离散小波的多重网格,然后为了得到最优正则化参数,采用预光滑子策略对其最粗层进行优化,并采用软阈值方法消除残留的高频信息。算法仿真实验结果表明,本文提出的方法在大多数噪声水平下比其它方法表现更优秀,并且计算时间明显比其它方法更少。     

基于混沌免疫克隆选择算法的TSP问题求解模型

针对标准免疫克隆算法在求解TSP问题的过程中还存在收敛性不好、效率低下等问题。本文设计了一种以非线性混沌优化免疫克隆算法为基础的TSP问题求解模型,最先运用混沌变量完成抗体编码,利用混沌机制等产生克隆初始种群,然后对后代进行克隆,并将混沌算法引入到免疫克隆变异中,在进化中将混沌变量映射到实际优化问题中计算抗体的亲和度,之后再优化选择算子,为种群的多样性提供保证。实验仿真结果表明,本文提出的改进IA算法在执行时间和迭代次数上都优于传统免疫算法,在收敛问题上,比传统免疫算法更具有优势。     

一类双层规划问题的粒子群算法研究

非线性双层规划具有递阶结构,被证明是NP难问题。本文研究了一类下层是连续可微的非线性双层规划问题。利用KKT最优性条件把下层最优化问题转为上层最优化问题的一系列约束条件,利用Chen-Harker-Kanzow-Smalen平滑方法处理了约束条件中的互补松弛问题,从而简化了原问题的求解。在此基础上针对转化后的优化问题,设计了改进的粒子群算法。利用参考文献中的两个数值例子对算法进行了验证和比较,结果表明算法是有效的。     

基于深度神经网络的直线二级倒立摆控制器设计

针对直线二级倒立摆抗干扰控制器设计问题,研究了基于深度神经网络的智能控制方法。首先介绍了BP神经网络和深度神经网络模型及优化算法,并且根据直线二级倒立摆状态方程,研究了基于深度神经网络的直线二级倒立摆控制算法。然后设计了一个六输入单输出的深度神经网络控制器模型,并利用Pytorch框架,以LQR作为导师进行神经网络的训练,训练完成后利用MATLAB软件对训练后的神经网络进行仿真实验验证,并与BP神经网络控制器进行对比,最后在直线二级倒立摆实验平台上进行实验验证。仿真与实验表明,所设计的深度神经网络控制器能够实现直线二级倒立摆的良好抗干扰控制,从而证明了该研究设计方法的合理性和有效性。     

基于模糊自适应PID算法的车辆稳定性控制

针对传统的模糊自适应PID算法在车辆稳定控制的应用中还存在控制精度不高的问题,本文设计了一种以RBF神经网络优化模糊自适应PID算法为基础的车辆稳定性控制模型。这一模型首先优化RBF神经网络算法隐含层的中心数目,这一优化过程主要是借助减聚类的方法进行。然后采用Logistic对其中心值进行精度的提升,最后采用改进RBF神经网络对模糊自适应PID控制算法进行改进,以达到更精确的控制。仿真实验结果发现,与PID算法相比,基于模糊自适应PID算法设计的这一车辆稳定性控制模型的控制精度更高,并且在车辆稳定性控制应用中具有更好的效果。     

高层建筑结构设计BP算法的精度优化

针对传统的BP神经网络算法在对高层建筑进行结构设计时还存在精度不高、误差较大等问题,本文提出了一种基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型,该模型在BP神经网络算法的基础上,首先采用自适应调整策略对其网络模型进行优化,然后采用增加动量项、误差累积处理和陡度因子优化等误差修正策略提高原算法的训练精度。仿真试验结果表明,本文提出的基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型相比较传统的BP神经网络算法精度要高,具有较好的鲁棒性。     

蜂群算法在TSP问题上的应用及参数改进

在分析蜜蜂采蜜原理和蜂群算法模型的基础上,本文提出了一种适于组合优化问题应用的改进蜂群算法,将其应用在TSP问题的求解上,并对其重要参数limit的求解方法进行了改进。在TSP LIB上的仿真实验结果表明,改进算法全局搜索能力强,有较好的发现最优解的能力。