带障碍的量子粒子群聚类算法

典型的基于空间约束的划分聚类算法采用基于梯度下降的搜索方法,存在着易陷入局部极值和对初始值敏感的问题,因此提出带障碍的量子粒子群聚类算法。新算法重新定义了数据点绕过障碍物的距离函数,提出了粒子逃逸原则以避免聚类中心点陷入障碍物中,并且在很大程度上克服了划分聚类的缺点。实验结果证明了该算法的有效性和准确性。     

基于神经网络的透气性状态预测

针对烧结过程的时变、强非线性等特点,基于神经网络和粒子群优化算法,提出一种预测透气性状态的集成方法.采用神经网络分别建立透气性预测模型,采用粒子群优化算法对神经网络进行训练,提高预测模型的实时性;进而借助模糊分类器将预测子模型实现有机融合.最后实际运行结果表明,提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果.     

一种带随机选择机制的新型改进粒子群优化算法

标准粒子群优化算法对空间所有区域等概率搜索,降低了算法效率。借鉴遗传算法的思想,本文提出一种带随机选择机制的改进粒子群优化算法。该算法将适应值选择和粒子状态更新方程结合起来,通过赌轮算法选择机制使得粒子在适应值较小的区域尽可能的降低搜索概率,在最优解可能区域尽可能加大搜索强度,从而提高算法搜索效率。通过标准进化计算测试函数测试,实验结果表明对于复杂优化问题该算法优于标准粒子群优化算法和遗传算法。     

阿尔泰额尔齐斯带东段酸性岩墙群地球化学特征及其地质意义

野外地质调查发现在阿尔泰南缘额尔齐斯构造带东段、额尔齐斯活动断裂与富蕴-锡泊渡断裂之间发育了一套未变形的酸性岩墙群.岩墙群侵位于海西期片麻岩化花岗岩和上石炭统深变质的额尔齐斯组岩层中,薄片鉴定和岩石地球化学分析确定为具有细晶结构的流纹斑岩.岩石的SiO2含量为70.9%～75.38%,K2O＋Na2O含量为7.55%～8.99%;大部分样品Na2O＞K2O,里特曼指数值为1.8～2.5之间,Al2O3=12.80%～14.53%,A/CNK=0.9～1.1,NK/A=0.7～0.9,具有准铝质-弱过铝质、低镁、高钾钠、低钙和锶、高（Fe）mol/（Mg）mol特点,具A型花岗岩类特点,属于亚碱性脉岩.岩石轻稀土富集,大离子亲石元素相对富集,具有明显的中等负铕异常,壳源特征明显.锆石U-Pb二次粒子微探针测年显示岩墙群形成于277～286Ma.推断岩墙是阿尔泰海西期造山运动结束后,在拉张构造环境下的地壳局部熔融产物.     

Swarm intelligence based classifiers

A proposed particle swarm classifier has been integrated with the concept of intelligently controlling the search process of PSO to develop an efficient swarm intelligence based classifier, which is called intelligent particle swarm classifier (IPS-classifier). This classifier is described to find the decision hyperplanes to classify patterns of different classes in the feature space. An intelligent fuzzy controller is designed to improve the performance and efficiency of the proposed classifier by adapting three important parameters of PSO (inertia weight, cognitive parameter and social parameter). Three pattern recognition problems with different feature vector dimensions are used to demonstrate the effectiveness of the introduced classifier: Iris data classification, Wine data classification and radar targets classification from backscattered signals. The experimental results show that the performance of the IPS-classifier is comparable to or better than the k-nearest neighbor (k-NN) and multi-layer perceptron (MLP) classifiers, which are two conventional classifiers.     

演化计算在密码布尔函数设计中的应用

密码学中的大量问题在数学上可以表现为困难的优化问题。而演化计算是用计算机模拟大自然的演化过程,特别是生物进化过程来求解困难优化问题的一类计算模型。该文将演化计算应用于密码学领域,采用演化计算的方法来设计密码函数,与传统的数学设计方法相比,该方法可自动生成高密码特性的密码函数。     

伪随机数质量对简单粒子群优化算法性能的影响

伪随机数对粒子群优化算法的性能影响主要体现在算法种群多样性上.低质量的伪随机数会导致粒子群优化算法的性能出现不稳定的现象,通过对几种典型伪随机数的分析比较之后得出,粒子编码长度和伪随机数的周期的相互作用才是导致算法不稳定的原因.相关实验也验证了这一结果.     

基于粒子群算法求解整数规划的改进方法

标准粒子群算法主要用于优化连续性,而对粒子群算法求解非线性整数规划,算法的粒子位置必须解决取整问题。基此,文章提出一种粒子位置最终取整的方法,以改进粒子群算法解决整数规划的具体过程。基准函数的仿真结果表明,改进后的取整方法的搜索成功率优于直接取整和随机取整,综合搜索效率更佳。     

基于改进粒子群算法的数据预测挖掘应用研究

针对粒子群优化算法早熟、易陷入局部收敛的问题,提出一种克服早熟的粒子群算法.该算法在标准粒子群算法基础上加入极值扰动和自适应调整系数,使其易于跳出局部最优.又分析了灰色GM(1,1)预测模型的局限性,提出了一种带极值扰动的自适应调整惯性权重的改进PSO优化灰色模型AdPSO-GM,并将此模型用于数据预测挖掘研究中.最后,通过一个实例对所提方法进行验证,结果表明,本文所给模型具有较高的预测挖掘精度.     

非线性随机扰动的粒子群优化算法

在惯性权重非线性递减策略的基础上,引入小阻尼振荡函数,提出一种新的非线性递减随机扰动的粒子群算法,通过2个基准测试函数对算法性能和收敛性进行了分析.实验仿真表明：相对于标准粒子群算法,新策略加快了收敛速度,在一定程度上避免了粒子群优化算法的早熟收敛问题.