基于人工鱼群-蛙跳神经网络的变压器故障诊断

为提高电力变压器故障诊断的准确率,提出一种基于人工鱼群-蛙跳混合算法(AF-SA-FLA)优化的神经网络模型,并用于电力变压器的故障诊断.人工鱼群-蛙跳混合算法融合了人工鱼群算法前期全局收敛速度迅速以及蛙跳算法局部搜索能力强的优势,其运算速度和优化精度有了极大提升.仿真实验结果分析表明,该方法能对变压器各种类型故障加以有效诊断,故障诊断正确率高、速度快,能满足电力变压器故障诊断的实际工程需要.     

基于可测性测度的蚂蚁路径ATPG算法

电路集成度和复杂度的不断增加使得电路的故障诊断越来越困难。该文在蚂蚁路径ATPG算法的基础上,引入了电路设计中的可测性分析理论,以四值动态代价分析方法(FDCM)作为蚂蚁路径搜索过程中的智能引导启发函数,实现了对原型算法的加速,并通过实验验证了该算法的良好性能。     

电网故障的正余弦诊断方法

提出了一种基于正余弦算法(Sine-Cosine Algorithm,SCA)的电网故障诊断方法。SCA算法采用正弦函数与余弦函数实现迭代运算,结构简单、搜索快速、易于实现。根据电网故障诊断问题的特点设计了二进制SCA算法,通过单重故障、多重故障并伴有保护和断路器不正确动作的多个算例,从准确性、快速性、收敛性等多个角度对比分析了SCA故障诊断方法的有效性。仿真结果表明,与遗传算法和粒子群算法相比,SCA算法可以快速获得更加准确的诊断结果,且合理的算法参数设置对诊断结果产生重要影响。     

基于快速模拟退火组合优化算法的故障诊断

提出了快速模拟退火组合优化算法，建立了TE故障诊断模型，仿真结果表明，快速模拟退火组合优化算法的故障诊断能力比模拟退火算法好，值得进一步研究。     

一个基于实际网络的系统级故障诊断算法研究

系统级故障诊断在网络中的应用很重要，至少国内外在算法的研究上已进行了大量的工作，提出了很多诊断算法．本文基于实际网络设计并实现一个故障诊断算法，对系统级故障诊断从理论到真正的实际应用，起到了有益的促进作用．     

一种改进的基于粗集和Tabu搜索的属性约简算法

提出了一种改进的基于粗集和Tabu搜索的属性约简算法。首先利用粗集中的一般约简算法，确定开始进行Tabu搜索的属性个数；然后逐渐减少属性个数，利用。Tabu搜索搜寻含有较少属性个数的属性约简。在进行Tabu搜索时，利用任一属性约简必包含属性核来减少算法的计算时间和搜索空间。实例表明，改进后的算法既具有较高的算法效率，又能以较大的概率得到最小属性约简。     

大规模模拟电路软故障快速诊断法

研究了大规模模拟电路软故障的故障统一特征向量的提取方法，并在此基础上提出了大规模模拟电路软故障快速诊断法。该方法根据大规模模拟电路故障诊断网络交叉撕裂搜索方法，采用改进BP算法的神经网络记载电路多次撕裂信息，从而可以迅速检测出大规模电路的软故障模块。仿真实例证明该方法能快速有效地并行处理定位故障模块，具有测前工作量小、适用范围广、诊断速度快等优点。     

基于MAS的故障诊断任务分解研究

在传统故障诊断基础上，将多Agent技术（MAS）应用于复杂系统故障诊断领域，是求解复杂过程故障诊断问题的一种新尝试．研究了基于MAS的分布式智能故障诊断模型，基于一种分布式Agent诊断系统结构原型系统，重点研究了诊断问题的任务辨识、分解问题，构建了基于Agent的任务分配的综合遗传算法和模拟退火算法的混合算法．应用表明，该算法具有很好的可扩展性、适应性和稳定性．     

一个无约束二次规划的秩一算法

本文提出了一个无约束二次规划的秩一算法，该算法对Ｄａｖｉｄｏｎ算法进行了改进并赋以一维搜索，证明了迭代矩阵的正定性，从而搜索方向是下降方向。此外得到了该算法有限步收敛的结果。     

一个无约束二次规划的秩一算法

本文提出了一个无约束二次规划的秩一算法，该算法对Davidon算法进行了改进并赋以一维搜索，证明了迭代矩阵的正定性，从而搜索方向是下降方向。此外得到了该算法有限步收敛的结果。     

一种有效的多目标混合遗传算法

设计了一种基于支配关系下的局部搜索方法，将此局部搜索方法嵌入到多目标遗传算法中，从而提出一种有效的求解多目标优化问题的混合遗传算法。为加速遗传算法在全局优化问题上的收敛性，发挥传统数值优化算法在计算速度与计算精度上的优势，在遗传算法中镶嵌一个多目标线搜索算子。线搜索算子与遗传算法中的选择算子、交叉算子和变异算子共同作用，使全局搜索和局部搜索都能够很好的实现。数值实验表明，该混合遗传算法能求得问题的数量更多、分布更广的Pareto最优解。     

一个K-均值文档聚类的改进算法

k均值算法是一个常用的局部搜索算法，它的主要缺陷是容易陷入局部极小，并且该局部极小解与全局最优解往往有很大的偏差。本文提出一个基于K-均值的迭代局部搜索文档聚类算法。该算法以k均值算法所得到的解作为初始解，从该初始解开始作局部搜索。在搜索过程中接受部分劣解。当解无法改进时，算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代，以跳出局部极小，从而拓展了搜索的范围。实验结果表明该算法对文档数据集聚类的正确性迭99％以上。     

基于规则的前馈神经网络的混沌梯度下降耦合学习算法

提出用规则判断由于BP神经网络学习过程中因梯度搜索产生的局部极小，并利用具有全局寻优的特点的混沌优化算法，使学习过程能有效地逃离局部极小，即，梯度下降进研“粗搜索”、混沌优化法进行“细搜索”及建立规则将两者结合起来，就构成了本文的基本混沌梯度下降的前馈神经网络学习算法。这种算法有效地利用了梯度下降算法的快速性和混沌寻优的全局性，将该算法应用于铜锍吹炼过程智能决策支持系统模型库中的模型学习，产生了良好的应用效果。     

基于互测PMC模型的系统级故障诊断的矩阵方法

讨论了基于互测PMC模型的系统级故障诊断的矩阵方法，定义了测试矩阵和邻接矩阵，由此能直观、简便地生成集团。本文为系统级故障诊断的集团算法打下了准备。     

一维搜索的程序实现

对于不可微的一元目标函数，我们用一维搜索去解决。本文给出了一维搜索中的三个算法：二分法，三等分算法，黄金分割法各自的C语言源程序，从而可以求出目标函数比较精确的近似最优点。     

自适应粒子群算法在水库优化调度中的应用研究

采用自适应粒子群算法（APSO）对水库优化调度问题进行了研究。建立了问题的数学模型，提出了该算法的工程实现方法，编制了基于Matlab语言的优化计算程序。三插溪水库的仿真实例表明：APSO算法较PSO算法的收敛性能更好，APSO算法在搜索晚期具有更强的局部搜索能力，更容易找到最优解。与遗传算法相比，APSO算法采用的参数少，实现简单，收敛结果更优。可见，APSO算法在水库优化调度问题上的求解是可行有效的。     

带非精确线搜索的一类特殊算法之收敛性

线搜索过程是最优化方法的基本组成部分，由于在实际计算中，理论上精确的最优步长因子一般不能求到，求几乎精确的最优步长因子需花费相当大的工作量，因而花费计算量较小的非精确线搜索具有重要的实际意义。本文在四种非精确线搜索下讨论了一类比文［５］广的特殊算法，并获得了算法较强的收敛性质。     

一种新的混沌免疫优化算法

结合混沌优化算法与免疫算法的特点,提出了一种新的混合优化方法———混沌免疫优化算法.该算法综合了免疫算法与混沌优化算法在各自的空间搜索优势,充分利用免疫算法的记忆库中当代最优解指导混沌搜索。实验结果表明,该算法具有较强的搜索能力和收敛性能,算法有效可行。     

钻井布局问题的搜索算法

研究了钻井布局问题，采用将网格移动而井不动转化为井动而网不动的思想，对平移情形提出了两种搜索算法，一种是全程搜索，另一种是逐井优化搜索，并对后一种算法的有效性在理论上给出两个定理作保证，对旋转情形也采用全程搜索算法，并对所提算法进行了数值实验，通过比较，对平移情形，逐井优化搜索算法比全程搜索算法效率高得多，大大节省了搜索时间，且所得结果与全程搜索完全一致，最后，分别对所提算法的数值结果可视化，所给例子，求得只可平移时有4个旧井可利用，对可旋转又可平移的情况，求得有6个旧井可利用。     

基于Beam Search算法的集装箱装载问题研究

针对具有优先装载约束的集装箱装载问题,对Partial Beam Search算法进行了改进。在搜索过程中去除相似中间状态,增加了搜索过程的多样性,提高了算法的搜索效率。实验结果证明了算法的有效性。