【摘 要】
:
优化问题在生活中随处可见,现实中的优化问题往往具有时间特性和空间特性,对于优化算法的研究可以使得生产生活效率得到显著的提升。狼群算法作为一种新兴的群体智能算法,旨在模仿自然界狼群搜寻并捕获猎物的行为,在每一次迭代的过程中不断寻找最优解,从而解决复杂的优化问题。根据当前已有的研究内容,狼群算法主要存在的不足体现在:在求解复杂函数时,算法的收敛精度不够;在随机初始化的过程中,初始位置分布不均匀;算法在
论文部分内容阅读
优化问题在生活中随处可见,现实中的优化问题往往具有时间特性和空间特性,对于优化算法的研究可以使得生产生活效率得到显著的提升。狼群算法作为一种新兴的群体智能算法,旨在模仿自然界狼群搜寻并捕获猎物的行为,在每一次迭代的过程中不断寻找最优解,从而解决复杂的优化问题。根据当前已有的研究内容,狼群算法主要存在的不足体现在:在求解复杂函数时,算法的收敛精度不够;在随机初始化的过程中,初始位置分布不均匀;算法在后期容易陷入局部最优解,收敛速度慢等。针对这些不足进行了一些改进优化,并将改进后的算法应用到具有时间特性和空间特性的实际问题中,主要研究内容和成果如下:航迹规划问题是具有空间特性优化问题的典型代表,为规划复杂环境下的三维航迹,设计了基于反馈式教与学机制的改进狼群算法(TLBO-WPA)对路径参数进行优化。针对狼群算法局部搜索能力差、步长一成不变、收敛速度慢等缺点,提出了一种基于反馈式教与学机制结合动态变异策略的改进狼群算法,并使用该改进的狼群算法优化三维航迹规划问题中的路径参数,生成最佳航迹。该算法改进了游走行为中的搜索方式,在以反馈式教与学的优化算法机制更新狼群中的个体位置,并引入了动态变异策略,使得搜索过程更加精细;以反馈式教与学的优化算法机制更新狼群中的头狼,使其跳出局部最优解。相比于同类别算法,TLBO-WPA规划出了航迹长度代价和避障代价最低的最佳航行轨迹。舆情预测问题是典型的时间优化问题。为提升网络舆情流行度预测问题的准确率,设计了改进的狼群来优化卷积神经网络超参数(IWPA-CNN)。在狼群算法的基础上,通过佳点集初始化狼群个体位置,使得种群多样化;基于荧光剂的位置更新策略,可以增强狼群在整个解空间的搜索能力,避免狼群在寻优过程中提前陷入局部最优。同时,在狼群的移动过程中使用kσ法则淘汰适应度值低的人工狼,使得优化算法能够较快地收敛到全局最优解。进而构建改进狼群优化卷积神经网络的网络舆情预测模型,并通过多个网络舆情的小样本数据实证研究该模型的有效性。对比实验结果显示,相比于使用同类型算法优化的卷积神经网络,IWPA-CNN模型在网络舆情趋势的预测中准确率最高。综上,本文在狼群算法的基础上,针对复杂环境下的无人机3D航迹规划这一空间特性问题,引入了反馈式教与学的机制与动态变异策略,提高了搜索过程的进度和收敛速度;针对网络舆情流行度预测这一时间特性问题,为了优化卷积神经网络的结构,引入荧光剂引导的位置更新策略与基于kσ法则狼群更新策略,提升了算法的全局搜索能力;改进的算法分别在测试函数与实际应用体现了更好的优化性能。
其他文献
随着当前移动通信技术和互联网大数据技术的发展,在线广告逐渐代替传统媒体广告,实时竞价广告(Real-Time Bidding,RTB)因此应运而生,并被不断发展和完善。通常情况下广告主为了获得广告展示机会,需要在需求方平台(Demand-Side Platform,DSP)开展的竞价评估中获胜。在竞价评估中,双方可能由于信息不对等而造成点击率预估的信息差。因此,研究更精准的点击率预测模型和不对称信
固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)技术以其清洁高效的优势成为新能源发电领域的热点,是驱动稳步建立安全、低碳、可持续能源体系的重要一环。然而,耐久性限制了SOFC大规模的市场化推广。作为一个热电气强耦合的复杂非线性系统,负载频繁波动、材料老化、环境变化等多方面因素导致系统在运行时出现故障与性能退化现象,大大缩短了SOFC的有效寿命。因此,本文以实现SOFC高效
行人重识别是指从多个视野不重叠的相机所拍摄的图像中检索目标行人的技术,属于图像检索的子任务。实际场景中,由于光照和视角变化、遮挡、相机分辨率低等因素的影响,同一行人在不同相机下可能呈现较大差异。因此如何在巨大外观差异下,准确度量行人图像间的相似度是目前行人重识别算法需要解决的关键问题之一。本文将从深度度量学习的角度出发,利用深度神经网络提取行人特征,并使用度量损失函数监督网络训练,提升行人图像相似
体系架构评价和选择是体系架构设计的核心,是武器装备体系论证的重要组成,是实现体系联合作战能力的起点。然而,体系的交互复杂性和不确定性给体系架构的评价和选择带来了较大的挑战。因此,亟需提出能捕捉体系特征的评价方法,以筛选较优的体系架构,为装备体系正向建设提供有力的支持。本文采用基于模型的系统工程思想,以美国国防部体系架构框架为标准构建体系架构模型。为了实现多维度的架构评价,提出能力-风险-成本多属性
弱监督时序行为检测是视频学习中一项基础且具有挑战性的任务,其目标是在给定视频级行为标签的条件下,对未剪辑的视频中的行为实例进行分类和定位。现有的方法大部分致力于挖掘视频时间片段之间的相似性,但没有明确地对所有时间段之间的关系进行建模,从而忽略了一些对行为定位和分类有利的信息。本研究通过图卷积建模时间段之间的关系,使得行为检测网络同时考虑了视频片段特征以及视频片段之间的联系。此外,考虑到视频中不同片
利用光学遥感影像有效地检测近岸舰船目标并进行细粒度识别,在军事和民用领域都有着广泛的应用前景。在近岸背景下的舰船目标检测方面,由于陆地背景干扰、海杂波干扰、舰船停靠朝向任意、排列紧密等因素的影响,增大了舰船目标检测的难度;在舰船目标细粒度识别方面,舰船类间差异小,同时标注数据集稀少,增加了舰船细粒度识别的挑战性。基于深度学习的目标检测与识别方法在计算机视觉领域表现优异,但关于基于深度学习的近岸舰船
在调速系统中,相比于异步电机,永磁同步电机具有效率高、功率密度大、动态响应快等优点,因而有更高的研究与应用价值。在大功率应用场合,为了降低开关损耗,需要降低逆变器的开关频率。本文以提升低开关频率工况下调速系统性能为目的,围绕该工况下永磁同步电机电流环控制策略展开研究。针对低开关频率工况下的采样输出延时问题,本文使用非载波溢出点采样更新策略和过采样电流预测方法来减小延时带来的影响。对转子旋转引起的电
纺织品缺陷是影响纺织品质量的重要因素之一。在纺织品生产环节缺陷检测场景下主要存在以下两个问题:第一,在生产过程中存在缺陷样本数量稀少、种类不平衡等问题,这给需要大量正负样本的有监督学习算法带来困难。第二,纺织品生产环节缺陷检测算法通常部署在算力较弱的嵌入式设备上,计算量较大的算法通常难以在嵌入式设备上实时检测。针对上述问题,本文结合纺织品生产环节在线缺陷检测项目背景改进设计了一种基于无监督学习的两
图像风格化旨在将一幅图像在保持其语义内容不变的同时,从原始风格转换为参考图像或目标域所定义的目标风格。近些年,图像风格化已经成为一个热门话题。尽管已有基于生成对抗网络的图像风格化方法已经取得较大进展,但是仍存在一些未解决的问题。一方面,已有方法没有太多关注生成的风格化图像和原始图像的轮廓一致性,导致生成的风格化图像存在不同程度的轮廓失真。另一方面,对于难例图像风格化任务,即风格化过程中熵增幅度较大
随着自动导引车(Automated Guided Vehicle,AGV)技术的不断发展,AGV已经被广泛应用到多种场合,但在室内无特征环境下仍存在特征缺失定位困难的问题。因此,本文在综合考虑运行成本和可靠性的情况下,以反光板作为定位特征,就如何实现室内无特征环境下四轮差速AGV精确定位的问题展开了以下研究:首先,针对环境特征缺失的问题,设计基于反光板的空间定位特征构建方法。该方法在分析反光板布局