基于烟花算法的EMD信号降噪方法

为了增加基于阈值的EMD方法的降噪性能和自适应性,提出一种基于烟花算法的EMD信号降噪方法,依据EMD分解得到本征模函数分量个数,动态确定烟花的维数,以批处理方式确定各个本征模函数分量的最优阈值并降噪,然后利用降噪后的本征模函数分量进行信号重构.仿真结果表明,所提出的方法降噪性能优于软阈值的EMD和基于蚁群优化的EMD降噪方法.     

基于文化烟花算法的电动汽车充电站规划研究

针对电动汽车充电站规划问题,建立以最小化充电站服务与用户需求综合成本为目标的数学模型,并提出基于文化思想的改进烟花算法求解该问题。将烟花算法嵌入文化算法计算框架中,进行底层搜索寻优,提取其进化过程中的有用信息组成信仰空间知识。信仰空间以粒子群迭代规则更新知识并通过接受函数指导种群空间进化,以提高搜索效率。仿真实验结果证明,文化烟花算法在求解电动汽车充电站规划问题时具有良好的稳定性和较高的求解效率。     

烟花算法在联合补货问题中的应用研究

烟花算法作为一种新型群体智能优化算法,在众多领域得到成功应用。联合采购品种的不断扩大对算法性能提出了巨大挑战。针对联合补货问题设计了基于烟花算法的求解方案,并利用基础算例证明方案有效性。随机生成的大规模算例表明,烟花算法相较于混合差分进化算法,在求解大规模联合补货问题时可获得更优的近似最优解,具有更快的收敛速度和更高的稳定性,验证了烟花算法在混合整数规划方面的应用效果。     

交互烟花算法求解多车型需求可拆分车辆调度问题

针对物流配送过程中客户需求较大、单辆车难以满足且客户对驶入车型有限制的问题,构建了多车型需求可拆分车辆调度模型。提出交互烟花算法(interactive fireworks algorithm,In-FWA)优化求解模型,在烟花算法(fireworks algorithm,FWA)的基础上作出如下改进:1)在FWA常规爆炸中引入一种新的扇形爆炸机制,加强了烟花间的信息交流;2)使用螺旋变异方式替换了原有的高斯变异,加入了变异烟花与当前最优烟花间的信息交流;3)采取种群间精英群体吸取较差群体中较优维度的方式,进一步加强了算法种群间的信息交互性。最后,通过实验进行验证并与增强型烟花算法(enhanced fireworks algorithm,EFWA)、粒子群优化(particle swarm optimization,PSO)算法、免疫粒子群优化(immune particle swarm optimization,IPSO)算法、蚁群算法(ant colony algorithm,ACA)进行对比分析。结果表明In-FWA具有更高的收敛速度与局部搜索精度,明确了In-FWA求解该问题的有效性与优越性,并提出基于本算法的车辆调度方案。     

师范生思想品德评价的模糊优化算法

学生的品德虽表现于言行,但有其内在的动机、情感和意志,并具有一定的规律性和稳定性。运用层次分析和模糊优化算法量化这些隐藏的规律性,对科学了解和管理学生作了有益的偿试,为学生的思想品德教育提供一种科学而又高效的方法。     

模糊神经网络变结构算法优化的研究

随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

浅谈化学需氧量(COD)的测定

本文通过对化学需氧量(COD)测定的分析,提出了在COD测试中需要注意的几个问题.     

求解0/1背包问题的烟花算法研究

0/1背包问题是一个典型的NP难题,具有重要的理论研究价值,也具有广泛的应用基础。借鉴北京大学关于烟花算法的新近成果,尝试考虑二者的结合,初步设计并实现了求解0/1背包问题的烟花算法,开展了较为充分的实验,并作了相关分析与探讨。     

基于改进烟花算法的农产品运输调度研究

针对基本烟花算法多样性差、全局探索能力不足、易陷入局部最优的问题,提出一种改进的混沌烟花算法。该算法以基本烟花算法为核心,以一种编解码策略实现连续空间到离散空间映射,引入混沌因子来确定爆炸半径,避免个体半径出现接近于零的情况,提高了算法的寻优和全局探索能力;通过引入精英选择策略,加快了算法的收敛速度。采用改进的混沌烟花算法、基本烟花算法、粒子群算法对基准测试函数和农产品运输调度问题进行优化实验,结果表明,改进的混沌烟花算法具有更好的稳定性和求解效率。     

基于蚁群优化的图像自适应模糊增强算法

介绍了蚁群优化算法(Antcolonyoptimization,ACO)的基本原理。针对常规图像模糊增强算法执行效率较低的问题,提出运用ACO结合图像灰度直方图特征进行图像自适应模糊增强的新方法。通过实际图像增强实验,结果证明该方法比常规图像自适应模糊增强算法的效率有很大的提高。     

基于模糊逻辑的自适应虚拟网络映射算法

通过分析底层网络在物理网络固化、资源利用率低、系统稳定性差等方面存在的问题,提出了基于模糊逻辑的自适应虚拟网络映射算法。该算法能够有效地解决映射过程中节点及链路多个参数对映射路径的选择影响,并且能够提高底层资源负载均衡度、降低链路花费以及减少丢包率,从而提高底层资源的利用率和虚拟网络的可靠性。     

基于模糊C均值的异常流量检测模型

对网络进行流量异常检测,流量出现异常后再对数据包进行分析,通过这种方法能够降低系统开销,聚类算法是一种有效的异常入侵检测方法,可用在网络流量异常检测中,用于判定当前网络流量是否出现异常,本文将模糊C均值算法应用于流量异常检测模型中,通过实验,该模型能够有效检测出流量的异常状态．     

求解作业车间调度问题的变邻域动态烟花算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域搜索的动态烟花算法。变邻域搜索是一类重要的元启发式算法,在每一次迭代计算过程中通过搜索当前解的邻域得到一个改进的解,通过变邻域搜索方法可有效提高局部最优解的精度。与此同时,算法引入进化速度的概念,并通过进化速度计算烟花算法迭代过程中需更新的维度,实时调整相关参数,加快算法收敛,避免陷入局部最优。算例试验表明,该算法具有较好的鲁棒性,且能有效地提高算法搜索精度,加快收敛速度。     

基于改进模糊算法的大学生征信评级模型探讨

自1999年我国商业银行开展高校助学贷款业务以来,我国助学贷款的违约率一直居高不下,其发展遭遇到了巨大的信用瓶颈.故本文设计了基于改进模糊算法的高校助学贷款信用评级模型.通过对湖南大学、中南林业、湖南财专、湖南涉外四所高校开展调查问卷,取得了172个贷款学生的样本,然后应用此模型对其进行了信用评级.通过实证分析,得出了低信用评级学生状况与学生违约状况基本吻合的结论,同时探讨了对学生信用评级有重大影响的因子,并在文章的最后为商业银行助学贷款的风险控制提出了相应的政策建议.     

基于AR模型的WSN流量多步预测算法研究

针对WSN流量预测,基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法,该算法使用两个Kalman滤波器,交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计,根据序列数据的最新信息实时修正AR模型参数进行动态预测。同时针对大步长的流量预测,引入滚动修正思想,克服动态预测算法存在间隔时间过长的缺点,降低多步预测误差。实验研究表明,利用研究的双卡尔曼并行递推算法使用AR模型进行多步预测,从原理设计和实现算法上,实现了WSN流量的准确预测。     

基于L-M优化算法的学分绩点预测模型构建

利用学生历史成绩数据和课程之间关系,构建基于BP神经网络的学分绩点预测模型,具有一定的理论和实际应用价值.BP神经网络能够自适应学分绩点统计中课程之间的层次和网络关系,非常适合用于复杂非线性关系的预测.比较了不同算法训练的网络预测结果,发现L-M优化算法预测性能最优.最后,运用函数进行仿真,然后将仿真结果与样本数据对比,验证了L-M优化算法预测模型准确性高,能够用于学分绩点的预测.     

一种基于Fuzzy集的客户细分有效性评价模式

笔者讨论了客户细分模型有效性的评价方式.建立的客户细分模型在其应用实施之前需要对其有效性进行评估.细分模型是否有效,关键问题是建模数据能够在多大程度上反映出细分模型的营销意义.基于模糊集的专家评分模型能够对其有效性进行评分量化.     

一种基于非抽样小波变换的模糊逻辑图像融合算法

提出了一种基于非抽样小波变换的模糊逻辑图像融合方法.该方法利用非抽样小波对红外与可见光图像进行多尺度分解变换,可分别得到原图像的高频子带系数和低频子带系数;低频子带系数的融合准则采用自适应模糊逻辑算法,高频子带系数的融合准则采用绝对值最大法,最后对融合后的各子带系数进行非抽样小波逆变换得到融合图像.仿真实验表明,该方法对红外与可见光图像融合效果好且运算处理速度更快.     

基于自适应模糊神经网络的可持续发展预测控制模型

生态经济系统是经济子系统、社会子系统、生态环境子系统相耦合的复杂巨系统。本文以模糊推理系统和BP神经网络相结合的自适应神经模糊推理系统(ANFIS)来模拟生态经济系统的功能，进行预测。通过确定7个指标，采集1991年-2003年的数据，构建模型，进行训练、检验，建立了以上海市为代表的基于ANFIS的可持续发展预测控制模型。