检索结果-内蒙古大学图书馆

交通运输系统工程与信息 2016年第2期16卷 164-169页

作者：杨志家王子汪扬闵明慧李中胜中国科学院沈阳自动化研究所网络化控制系统重点实验室沈阳110016 辽宁石油化工大学辽宁抚顺113001

针对智慧交通中多车辆合乘问题,提出一种分布式并行计算环境下的合乘模型.利用合乘概率矩阵的先验知识,实现更高效的运算和求解.当合乘概率矩阵不是单位矩阵时,合乘模型被增广为车主合乘和乘客合乘两个阶段.两阶段分布式估计算法运用可... 详细信息

针对智慧交通中多车辆合乘问题,提出一种分布式并行计算环境下的合乘模型.利用合乘概率矩阵的先验知识,实现更高效的运算和求解.当合乘概率矩阵不是单位矩阵时,合乘模型被增广为车主合乘和乘客合乘两个阶段.两阶段分布式估计算法运用可行合乘解的合乘概率矩阵,作为一种随机优化方法求解最优值.根据可搭乘矩阵初始化合乘概率矩阵,并在优化过程中连续更新合乘概率矩阵.车主同乘客分离优化,减少了出行车辆,并实现了互相搭乘的合乘模型.通过合乘模型的优化迭代能够为乘客挖掘出高效可行的搭乘路线.实验结果表明,该合乘模型具有平均等待时间少、平均载客量大、人均行驶距离短的高效出行特点.

关键词：智能交通分布式估计算法随机优化合乘问题时间窗

来源：评论

学校读者我要写书评

暂无评论

基于峰值匹配分布式估计算法的光纤布拉格光栅传感网络重叠光谱的波长解调

引用

光子学报 2019年第4期48卷 79-86页

作者：陈静林雅婷周清旭江灏福州大学电气工程与自动化学院福州350108 福州大学电力系统与装置产业研究院福州350108 福建省医疗器械和医药技术重点实验室福州350108

针对有限光源带宽条件下光纤布拉格光栅传感网络重叠复用的解调瓶颈,提出基于峰值匹配分布式估计算法的波长解调方法,将光纤布拉格光栅传感网络重叠光谱的解调问题转化为函数优化问题,利用理论光谱与重叠光谱之间的差异构建优化模型,通... 详细信息

针对有限光源带宽条件下光纤布拉格光栅传感网络重叠复用的解调瓶颈,提出基于峰值匹配分布式估计算法的波长解调方法,将光纤布拉格光栅传感网络重叠光谱的解调问题转化为函数优化问题,利用理论光谱与重叠光谱之间的差异构建优化模型,通过峰值匹配分布式估计算法对该优化模型进行求解得到各光纤布拉格光栅的传感值.分布式估计算法采用高斯混合模型构建描述光纤布拉格光栅传感网络的解空间概率分布,由概率模型采样产生新的种群个体,并引入峰值匹配算子消除光纤布拉格光栅峰值错配,通过反复进化最终得到最优解.采用该方法对不同规模数量的光纤布拉格光栅传感网络进行解调实验,结果表明该方法在大规模光纤布拉格光栅光谱完全重叠的情况下,平均误差可控制在10pm以内;与现有其他解调技术相比,其具有更高的解调精度,能够解决光纤布拉格光栅传感网络光谱在部分重叠甚至完全重叠情况下的波长解调问题,为提升光纤布拉格光栅传感网络复用数量提供了新的解调途径.

关键词：信息光学光纤传感器分布式估计算法光纤布拉格光栅波分复用波长解调

来源：评论

学校读者我要写书评

暂无评论

分布式估计算法在考虑差异工件的并行批处理机调度中的应用

引用

计算机系统应用 2019年第6期28卷 213-220页

作者：张建中国科学技术大学管理学院

论文考虑包含差异工件的并行批处理机调度问题,优化目标是最小化制造跨度.在不违背机器容量的限制下,所有工件需要被分成不同的批次,然后被安排在机器上进行加工.首先根据问题提出一个混合整数规划模型,并提出一个下界;采用FF-LPT规则... 详细信息

论文考虑包含差异工件的并行批处理机调度问题,优化目标是最小化制造跨度.在不违背机器容量的限制下,所有工件需要被分成不同的批次,然后被安排在机器上进行加工.首先根据问题提出一个混合整数规划模型,并提出一个下界;采用FF-LPT规则实现对工件的分批和排序;然后提出基于4种更新机制的分布式估计算法(EDA)来对问题求解.最后通过实验对各类规模不同的算例进行仿真,并将结果和模拟退火算法(SA)、遗传算法(GA)作对比,验证了算法的有效性.

关键词：批调度并行批处理机分布式估计算法差异工件

来源：评论

学校读者我要写书评

暂无评论

一种基于单纯形法的分布式估计算法

引用

科学技术与工程 2014年第32期22卷 262-265页

作者：李静西安科技大学理学院西安710054

为了增强分布式算法的局部搜索能力,提出了一类基于单纯形法的分布式估计算法。该算法充分利用分布式估计算法强大的全局搜索能力和快速收敛能力的同时,对于不满足条件的种群中的优势个体采用单纯形法的局部搜索算法进行寻优,从而使新... 详细信息

为了增强分布式算法的局部搜索能力,提出了一类基于单纯形法的分布式估计算法。该算法充分利用分布式估计算法强大的全局搜索能力和快速收敛能力的同时,对于不满足条件的种群中的优势个体采用单纯形法的局部搜索算法进行寻优,从而使新算法具有更强的局部寻优能力。选择了八个国际公认的测试函数对新算法进行测试,数值试验结果表明本文构造的新算法是有效的。

关键词：分布式估计算法单纯形法全局优化

来源：评论

学校读者我要写书评

暂无评论

基于两阶段分布式估计算法的云工作流调度优化

基于两阶段分布式估计算法的云工作流调度优化

引用

作者：桂奉献浙江工商大学

学位级别：硕士

随着网络技术的蓬勃发展,云计算模式已经涉及到现实生活中的各个层面,受到越来越多的人关注。目前,研究学者普遍关注云计算下的工作流调度,对于一个需要计算的任务,能够高效省时地进行任务调度和资源分配成为一个亟待解决的现实问题。... 详细信息

随着网络技术的蓬勃发展,云计算模式已经涉及到现实生活中的各个层面,受到越来越多的人关注。目前,研究学者普遍关注云计算下的工作流调度,对于一个需要计算的任务,能够高效省时地进行任务调度和资源分配成为一个亟待解决的现实问题。由于当前需要计算的数据量极速增长且计算平台资源多样,导致云工作流调度平台在调度过程中存在资源利用率低且数据处理时间过长等问题。因此,本文主要针对云工作流调度过程展开研究,对研究的问题进行分析和建模,提出了两阶段分布式估计算法,经过实验证明了算法的有效性。本文首先对云工作流调度优化的研究背景、研究现状进行了介绍,然后介绍了相关概述,给出了问题的描述与调度优化模型。接着针对当前启发式算法依赖于特定问题,元启发式方法存在搜索空间不完备或在完备空间上搜索效力不高等问题,提出了两阶段分布式估计算法(TSEDA)。该算法采用整数编码的方式,搜索空间中的每个解都有对应的编码方式,因此能够实现全域搜索。在算法开始迭代搜索解之前先播入一个最早完成时间算法(HEFT)生成的个体,提高解的搜索起点。在进化的过程中,分别对任务调度顺序概率模型和资源分配概率模型进行更新,使算法不断朝着最优解的方向搜索。此外还设计了两阶段协同进化策略,第一阶段采用基于概率模型采样生成个体的任务调度顺序列表和基于最早完成时间的启发式策略生成资源分配列表并解码个体,加快算法收敛速度,使算法尽快收敛到最优解附近,第二阶段则基于概率模型采样生成个体的任务调度顺序列表和资源分配列表,采用插入模式的解码方法结合向前向后(FBI)和资源负载均衡(LDI)的两种改进策略进行扩展搜索,提高算法的邻域/本地搜索能力。最后对本文提出的TSEDA算法进行了有效性的验证,使用C++编程语言进行了算法实现,与HEFT、HGA、LWSGA和CGA等算法进行了比较分析,实验结果表明相对于现有的其他算法,两阶段分布式估计算法在搜索解的效率方面表现较优,能够在相同的时间下找到更优的解。

关键词：云计算工作流调度优化分布式估计算法

来源：评论

学校读者我要写书评

暂无评论

基于分布式估计算法的楼宇负荷需求响应优化调度研究

基于分布式估计算法的楼宇负荷需求响应优化调度研究

引用

作者：刘建康湘潭大学

学位级别：硕士

随着全社会用电量和城乡居民生活用电量的增加,能耗是我国和全球目前面临的关键问题。在未来时间里,能源消耗将不断增加,电力能耗也将逐年增加,导致电网侧高峰和低谷用电时刻的用电量变化更大,电网的基建工程会变得更加繁重。为了减缓... 详细信息

随着全社会用电量和城乡居民生活用电量的增加,能耗是我国和全球目前面临的关键问题。在未来时间里,能源消耗将不断增加,电力能耗也将逐年增加,导致电网侧高峰和低谷用电时刻的用电量变化更大,电网的基建工程会变得更加繁重。为了减缓这种趋势,对楼宇负荷进行优化调度,改变可再生能源的使用方案,可以降低电网的高峰和低谷时刻的用电量波动,还能提高可再生能源的消纳率。目前主要采用需求响应(Demand Response,DR)策略,如采用分时电价(Time-of-use tariffs,TOU)、实时电价(Real-time pricing,RTP)策略用于激励家庭改变用电行为,在电价较低期间增加用电量,在电价高峰期间减少用电量,进一步提高能源消耗的利用率。本文以楼宇负荷为研究对象,运用TOU需求响应策略,解决楼宇住户快速优化调度和偏好性选择的问题,完成以下工作:(1)概述了楼宇负荷优化调度相关理论和分布式估计算法的国内外研究现状,然后,采用确定性边界过程算法优化调度单住户负荷。根据我国全社会和城乡居民生活用电量的增长速度,分析楼宇负荷优化调度的重要意义,综述了楼宇负荷优化调度的相关理论,包含DR、家庭能源管理系统和TOU,以及分布式估计算法(Estimation of Distributed Algorithm,EDA)的相关理论。单住户负荷优化调度仿真:首先划分住户负荷的类别,然后建立各类负荷的矩阵式数学模型和双层优化调度目标函数,采用确定性边界过程算法求解。(2)提出一种基于TOU影响因子改进多目标分布式估计算法。首先分析楼宇负荷矩阵型和矢量型楼宇负荷编码的优缺点,为简化负荷编码空间和降低算法计算复杂度,提出一种复合型楼宇负荷编码,将其应用与构建楼宇负荷数学模型和时间分布模型,在考虑电网侧和住户的需求响应的条件下构建楼宇住户优化调度目标:费用和用电量偏差。为保证住户优化调度的快速性和合理的分配临时优化调度方案,使高电价和用电高峰的用电量转移到低电价和用电低谷,分析了楼宇负荷和TOU的特征,构建TOU影响因子改进MOEDA的概率模型,在楼宇负荷优化过程中加快改进多目标分布式估计算法(Multi-Objective Estimation of Distributed Algorithm,MOEDA)收敛速度。在楼宇住户负荷优化调度案例中对比了改进前后MOEDA优化调度的效果,发现改进后MOEDA效果更佳,并能分配一个最佳的优化调度方案。(3)提出一种自适应复合概率模型的MOEDA。针对楼宇住户对多样化调度方案的需求,而由MOEDA优化的楼宇负荷调度方案多样性不足的问题,分析MOEDA由全局Pareto前沿和当前代Pareto前沿两种方法构建概率模型在迭代过程中的种群大小变化及其优缺点,结合全局Pareto增长快和当前代Pareto增长稳定的优点,提出了两个随迭代次数变化的自适应参数,建立一个Pareto前沿增长快且稳定的概率模型。提出自适应概率模型的MOEDA保证了楼宇负荷优化调度方案的多样性,楼宇住户能够选择最佳的负荷优化调度方案,并且楼宇住户根据喜好对设置负荷调度时间范围,由熵权法和目标规划法分配目标权重,选择最佳的优化调度方案。

关键词：分布式估计算法楼宇负荷优化调度需求响应分时电价

来源：评论

学校读者我要写书评

暂无评论

脉冲噪声下分布式估计算法的研究

脉冲噪声下分布式估计算法的研究

引用

作者：杨金伟大连海事大学

学位级别：硕士

无线传感器网络的各个节点能够实时的监测所覆盖的区域并且能够独立处理、传输自身采集的信息，广泛应用于森林火险、工业自动化、精细农业等领域得到广泛的应用。在传感器网络中研究人员提出了基于各节点与其单跳邻居节点协作处理信息... 详细信息

无线传感器网络的各个节点能够实时的监测所覆盖的区域并且能够独立处理、传输自身采集的信息，广泛应用于森林火险、工业自动化、精细农业等领域得到广泛的应用。在传感器网络中研究人员提出了基于各节点与其单跳邻居节点协作处理信息的分布式估计算法。分布式估计算法的协作策略包括:增量式策略和扩散式策略等。扩散式策略相较增量式策略虽然增加了一部分通信量和计算量，但是在某个节点崩溃之后网络整体并不受影响。基于以上优点扩散式策略成为了最受欢迎的分布式协作策略之一。　　能量受限和噪声干扰等问题一直以来阻碍着无线传感器网络的发展。在高斯噪声环境下，研究人员提出的基于误差二阶矩或高阶矩扩散式估计算法取得了良好的估计性能。然而除高斯噪声外，脉冲噪声也广泛的存在于传感器网络中。以往的研究表明在脉冲噪声下基于误差二阶矩和高阶矩的扩散式估计算法的性能会急剧下降，甚至不能收敛。为了解决以上问题，本文将基于误差二阶矩或高阶矩的代价函数嵌入到Sigmoid函数中，利用Sigmoid函数对脉冲噪声的抑制作用，提出了一类适用于脉冲噪声环境下的扩散式Sigmoid类代价函数，并进一步研究了扩散式Sigmoid类估计算法。为了进一步提高扩散式Sigmoid类估计算法的收敛速度以及降低稳态估计误差，在扩散式Sigmoid类估计算法中引入了一个随估计误差自适应变化的参数:在算法初始迭代阶段，估计误差较大，自适应参数取值较小，能够加快算法的收敛速度;在算法接近稳态收敛阶段，估计误差较小，自适应参数取值较大，可以保证算法具有更低的稳态误差。仿真结果表明扩散式Sigmoid类估计算法在脉冲噪声下获得了较好的收敛性能，并且通过引入随估计误差变化的参数实现了更好的稳态性能。　　稀疏系统普遍存在于无线多径信道、回声消除等领域。在无线传感器网络中的稀疏系统同样会受到脉冲噪声的影响。本文通过在脉冲噪声环境下扩散式估计算法的迭代公式中引入比例矩阵的思想来实现系统的稀疏性限制，从而解决了无线传感器网络在脉冲噪声环境下的稀疏系统识别问题。首先将比例矩阵的思想与扩散式符号算法相结合，提出了扩散式比例符号(Diffusion Proportionate Sign Algorithm，DPSA)算法，并进一步分析了DPSA算法的均值性能和均方性能。仿真结果表明DPSA算法比基于零吸引因子的符号算法具有更好的稳态性能。其次将比例矩阵的思想与扩散式Sigmoid类估计算法相结合，提出了扩散式比例Sigmoid最小均方算法，以及自适应参数的扩散式比例Sigmoid最小均方算法，并通过仿真验证了扩散式比例Sigmoid类算法的优越性。

关键词：无线传感器网络分布式估计算法脉冲噪声抑制迭代公式比例矩阵

来源：评论

学校读者我要写书评

暂无评论

改进的多目标分布式估计算法在水火电系统负荷分配的应用

改进的多目标分布式估计算法在水火电系统负荷分配的应用

引用

作者：许霞西安电子科技大学

学位级别：硕士

分布式估计算法（EDA）被认为是一种在进化计算领域具有重要意义的计算模式。它的特点之一是不采用传统进化多目标算法中的交叉、变异操作来产生新解，而是采用统计学习的方式，在算法的每一代都建立一个描述当前种群分布的概率模型，... 详细信息

分布式估计算法（EDA）被认为是一种在进化计算领域具有重要意义的计算模式。它的特点之一是不采用传统进化多目标算法中的交叉、变异操作来产生新解，而是采用统计学习的方式，在算法的每一代都建立一个描述当前种群分布的概率模型，然后用概率随机抽样的方式产生新的子代。2007年，张青富和周爱民等提出了基于规则模型的多目标分布估计算法（RM-MEDA），该算法在概率建模的过程中很好的利用了Pareto解集的规则性。已有的实验结果表明，该算法在某一部分测试函数上解集的收敛性和多样性都表现良好。然而基于规则模型的多目标分布估计算法也有它的缺点和不足。那就是在算法迭代的早期，当前种群的分布还未呈现一定的规律的时候，用描述当前种群的个体解分布的概率模型来产生新子代的策略效果往往与目标搜索方向相差甚远。同时，算法在建模采样生成新解的过程中没有直接利用到种群中某些孤立的优秀解的局部信息，导致种群收敛速度很慢，难以应用于求解一些复杂优化问题。综合上述分析，本文的主要工作如下： 1)为了克服传统多目标分布估计算法的缺陷和不足，在对张青富等提出的基于规则模型的多目标分布估计算法(RM-MEDA)研究和分析的基础上，本文提出了基于局部学习的多目标分布式估计算法。根据“在一个连续多目标优化问题中，在一个优秀解的邻域范围内很可能采样得到高质量的解”这一规律，改进的算法在原来算法基础上加入了一种基于局部学习的解的生成方式。由于基于建模采样的解的生成方式能够使得算法能够很好的利用种群的全局信息，而新加入的局部学习操作则能充分利用到种群中优秀个体的局部信息，所以改进算法具备良好的局部搜索和全局搜索能力。这也使得改进算法相比于原来的算法收敛速度上提高了很多。为了验证算法的性能，本文对当前已有的标准测试函数进行了大量的实验。实验结果表明，在大多数情况下，改进的基于局部学习的多目标分布估计算法无论在解集的均匀性，多样性和收敛性方面都要优于基于规则模型的多目标分布估计算法。 2)本文对多目标分布估计算法在处理复杂的多目标约束优化问题上的优势做了调研。由于分布估计算法是一种基于概率模型的进化算法，它通过对当前优秀个体集合建立概率模型来指导算法下一步的搜索，这类算法在本质上改变了简单遗传算法通过重组操作产生群体的途径，因此改善了简单遗传算法中存在的欺骗问题和连锁问题。特别的，在RM-MEDA建模过程中，在每个分类簇中的主曲线（面）在每一维上都被延长，然后在这个被延长的模型类随机的采样来生成新解。所以，RM-MEDA相对于其他的分布式估计算法来说，算法的搜索范围更大，更加容易搜索到有效解。通过测试实验证明，RM-MEDA在处理多目标约束问题上有一定优势。本文将RM-MEDA应用到了水火电系统的负荷优化分配问题上，实验表明该算法在求解这个问题时，能够得到分布均匀且有效的解。 3)针对水火电系统负荷优化分配问题中复杂的约束条件，文章提出了一种修复操作来修复搜索到的不可行解并将这种修复操作加入到改进的基于学习的多目标分布式估计算法中用来解决这一复杂问题。为了验证算法的有效性，本文将改进的算法和RM-MEDA、NSGA-II和NNIA都运用到了水火电系统负荷优化分配问题中。实验表明，文章提出的改进算法在处理这一多目标约束问题时更有优势。

关键词：多目标优化分布式估计算法局部学习水火电系统负荷分配

来源：评论

学校读者我要写书评

暂无评论

基于变邻域搜索的分布式估计算法求解混合流水车间调度问题

基于变邻域搜索的分布式估计算法求解混合流水车间调度问题

引用

2016年第四届全国现代制造集成技术学术会议

作者：王光辰廖玮高亮华中科技大学数字制造装备与技术国家重点实验室机械科学与工程学院湖北武汉 430074

混合流水车间调度问题(Hybrid Flow Shop Scheduling Problem,HFSP)广泛存在于机械、物流、运输及化工等领域,是调度领域的一个热门研究方向.为解决该问题,提出了一种基于变邻域搜索的分布式估计算法.该算法采用二进制编码,通过引入概... 详细信息

混合流水车间调度问题(Hybrid Flow Shop Scheduling Problem,HFSP)广泛存在于机械、物流、运输及化工等领域,是调度领域的一个热门研究方向.为解决该问题,提出了一种基于变邻域搜索的分布式估计算法.该算法采用二进制编码,通过引入概率向量来建立解空间的概率模型.在概率模型的更新上,引入了学习速率来调节模型的自我学习过程.利用更新后的模型,可以产生新的种群.对新种群中的优秀个体,采用变邻域搜索进行进一步的优化.最后,这些优势个体将用于更新种群和概率模型.基准测试结果表明,该算法成功地结合了分布式估计算法良好的全局搜索能力和变邻域搜索算法优秀的局部搜索能力,在处理混合流水车间调度问题上具有明显优势.

关键词：制造企业混合流水车间优化调度分布式估计算法变邻域搜索

来源：评论

学校读者我要写书评

暂无评论

基于分布式估计算法的手写体数字图像识别深度神经网络参数优化方法及系统

基于分布式估计算法的手写体数字图像识别深度神经网络参数优化方...

引用

作者：许庆阳刘安邦张承进宋勇张立袁宪锋杨润涛 264200 山东省威海市环翠区文化西路180号山东大学

本发明公开了一种基于分布式估计算法的手写体数字图像识别深度神经网络参数优化方法及系统，包括：初始化种群，将种群中每一个个体解码为深度神经网络；对上述深度神经网络的分类能力进行评价；对种群中的个体优劣进行排序；随机产生... 详细信息

标准号: CN110033089B

本发明公开了一种基于分布式估计算法的手写体数字图像识别深度神经网络参数优化方法及系统，包括：初始化种群，将种群中每一个个体解码为深度神经网络；对上述深度神经网络的分类能力进行评价；对种群中的个体优劣进行排序；随机产生掩码向量，根据掩码向量及统计学参数确定待求解变量本次迭代的概率分布模型；依据掩码向量与概率分布模型采样，生成新的种群个体；获得最优分布式估计算法个体；利用梯度优化算法，对分布式估计算法获得的深度神经网络模型进行微调，获得最优深度神经网络参数。本发明将分布式估计算法和深度神经网络的优化相结合，利用分布式估计算法的全局搜索能力，减少神经网络优化过程中对梯度信息的依赖。

关键词：分布式估计算法神经网络掩码向量种群概率分布模型神经网络参数全局搜索能力神经网络模型神经网络优化梯度优化算法手写体数字统计学参数分类能力求解变量随机产生梯度信息图像识别解码初始化采样迭代微调排序优化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：