優(yōu)化算法
- 高速旋轉(zhuǎn)設(shè)備智能感知系統(tǒng)搭建及數(shù)據(jù)上傳方法研究
備 數(shù)字化 優(yōu)化算法 多線程 多進(jìn)程中圖分類號(hào) TP274?? 文獻(xiàn)標(biāo)志碼 A?? 文章編號(hào) 1000?3932（2024）03?0528?07作者簡介：葛世祥（1990-），工程師，從事高速齒輪傳動(dòng)裝置轉(zhuǎn)子動(dòng)力學(xué)研究及新產(chǎn)品研發(fā)工作。通訊作者：曹延軍（1975-），高級(jí)工程師，從事高速齒輪傳動(dòng)裝置的研究開發(fā)及成果轉(zhuǎn)化工作，caoyj06@126.com。?????????? 引用本文：葛世祥，李娜娜，楊林杰，等.高速旋轉(zhuǎn)設(shè)備智能感知系統(tǒng)搭建及數(shù)據(jù)上傳方法
化工自動(dòng)化及儀表 2024年3期2024-06-07
- 改進(jìn)松鼠搜索算法求解分布式節(jié)能柔性調(diào)度
目標(biāo)優(yōu)化； 優(yōu)化算法中圖分類號(hào)：TP18;TH165?? 文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-3695（2024）03-030-0848-06doi：10.19734/j.issn.1001-3695.2023.07.0334Improved squirrel search algorithm to solve distributedenergy-efficient flexible schedulingZeng Liang1，2， Shi Junyang1
計(jì)算機(jī)應(yīng)用研究 2024年3期2024-05-24
- 考慮臨時(shí)配送的動(dòng)態(tài)車輛路徑規(guī)劃研究
；遺傳算法；優(yōu)化算法中圖分類號(hào)：F252文獻(xiàn)標(biāo)志碼：ADOI：10.13714/j.cnki.1002-3100.2024.08.022Abstract： The paper studies the dynamic vehicle path planning problem of delivery vehicles requested by customers. In this issue， the dynamism of customer request
物流科技 2024年8期2024-05-12
- 管理科學(xué)與工程專業(yè)建模優(yōu)化實(shí)踐課程建設(shè)探索
通用求解器；優(yōu)化算法；課程建設(shè)中圖分類號(hào)：G642? ? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號(hào)：2096-000X（2024）12-0029-05Abstract： In the era of digital economy， the industry has applied optimization technology more widely in production and management， which requires hi
高教學(xué)刊 2024年12期2024-05-07
- 雙目標(biāo)優(yōu)化與生成對(duì)抗網(wǎng)絡(luò)結(jié)合的框架結(jié)構(gòu)阻尼器布置方案智能設(shè)計(jì)方法
，采用雙目標(biāo)優(yōu)化算法和生成對(duì)抗網(wǎng)絡(luò)算法分別進(jìn)行阻尼器豎向和水平智能布置研究，并將該方法應(yīng)用到兩個(gè)框架結(jié)構(gòu)減震設(shè)計(jì)工程案例中。在框架結(jié)構(gòu)減震設(shè)計(jì)中，采用雙目標(biāo)優(yōu)化算法進(jìn)行阻尼器豎向布置，并與逐層逼近法、工程師設(shè)計(jì)和非減震設(shè)計(jì)進(jìn)行對(duì)比，結(jié)果表明，采用該優(yōu)化算法得到的阻尼器豎向布置方案能有效降低層間位移角和樓層加速度，提高結(jié)構(gòu)的抗震性能。在確定各樓層的阻尼器數(shù)量后，利用訓(xùn)練好的生成對(duì)抗網(wǎng)絡(luò)生成模型，可快速、自動(dòng)地選擇和確定各樓層阻尼器的平面安裝位置，生成的平面布
土木建筑與環(huán)境工程 2024年1期2024-01-03
- 基于問題引領(lǐng)?實(shí)現(xiàn)算法優(yōu)化
論”的過程，優(yōu)化算法，并實(shí)現(xiàn)核心素養(yǎng)導(dǎo)向下“問題引領(lǐng)”課堂教學(xué)目標(biāo)。【關(guān)鍵詞】問題引領(lǐng) 核心問題 優(yōu)化算法一、課前思考數(shù)學(xué)作為一門“思維學(xué)科”，要發(fā)展學(xué)生的思維能力，學(xué)生數(shù)學(xué)思維能力的發(fā)展過程，正是不斷發(fā)現(xiàn)問題、解決問題的過程。而問題引領(lǐng)的教學(xué)能讓學(xué)生達(dá)到一定的思維深度。由此可見，“問題”是課堂教學(xué)非常關(guān)鍵的要素，如何通過問題引領(lǐng)來促進(jìn)學(xué)生思維發(fā)展并實(shí)現(xiàn)核心素養(yǎng)導(dǎo)向下的目標(biāo)顯得尤為重要。筆者以北師大版數(shù)學(xué)教材五年級(jí)下冊(cè)第三單元“分?jǐn)?shù)乘法（二）”一課的教學(xué)為
小學(xué)教學(xué)研究·理論版 2023年11期2023-12-19
- 基于多代理模型的離心葉輪高效優(yōu)化設(shè)計(jì)方法
于多代理模型優(yōu)化算法的離心壓氣機(jī)葉片高效尋優(yōu)模型，研究了全局/局部模型管理策略和樣本填充方法，對(duì)比分析了多代理模型與常用的元啟發(fā)式優(yōu)化算法（粒子群算法、多島遺傳算法等）的綜合性能，驗(yàn)證了多代理尋優(yōu)模型的高效性。離心葉輪優(yōu)化結(jié)果表明：等熵效率提高了0.73%，總壓比增大了0.18%，喘振裕度提高了1.1%；與經(jīng)典粒子群算法相比，優(yōu)化時(shí)間縮短54.9%。關(guān)鍵詞：離心葉輪；葉片幾何外形；高效尋優(yōu)；優(yōu)化算法；多代理模型中圖分類號(hào)：TH122DOI：10.3969/
中國機(jī)械工程 2023年8期2023-11-27
- 基于智能控制的汽車電氣系統(tǒng)設(shè)計(jì)與優(yōu)化方法研究
自適應(yīng)控制和優(yōu)化算法等。接下來，提出了一種基于智能控制的電氣系統(tǒng)設(shè)計(jì)與優(yōu)化方法，并詳細(xì)介紹了其實(shí)現(xiàn)步驟和流程。最后，通過仿真實(shí)驗(yàn)和實(shí)際案例分析，驗(yàn)證了該方法的有效性和可行性。關(guān)鍵詞：智能控制 電氣系統(tǒng) 設(shè)計(jì)與優(yōu)化 模型預(yù)測(cè)控制 自適應(yīng)控制 優(yōu)化算法1 汽車電氣系統(tǒng)基本原理及面臨的挑戰(zhàn)汽車電氣系統(tǒng)是現(xiàn)代汽車工程中不可或缺的重要組成部分。它負(fù)責(zé)供電、傳輸和控制等功能，直接關(guān)系到汽車性能、能耗和排放等方面的表現(xiàn)。隨著車輛電子化程度的提高和新能源汽車的興起，對(duì)汽車
時(shí)代汽車 2023年17期2023-10-24
- 綜合考慮復(fù)雜工況的深水浮式生產(chǎn)平臺(tái)壓載調(diào)節(jié)優(yōu)化方法及應(yīng)用
出的壓載調(diào)節(jié)優(yōu)化算法不僅可以得到可行的調(diào)載方案，而且通過優(yōu)化可以得到與Solver？襅優(yōu)化器相當(dāng)?shù)膬?yōu)化結(jié)果，且迭代次數(shù)少于Solver 優(yōu)化器。關(guān)鍵詞 壓載調(diào)節(jié) 優(yōu)化算法 調(diào)載量 浮式生產(chǎn)平臺(tái)中圖分類號(hào) TP274? ?文獻(xiàn)標(biāo)志碼 B? ?文章編號(hào) 1000-3932（2023）05-0720-07隨著我國海洋油氣資源開采逐步從近淺海區(qū)域走向遠(yuǎn)深海區(qū)域，浮式生產(chǎn)平臺(tái)的應(yīng)用場(chǎng)景也越來越廣泛。與固定式平臺(tái)不同，浮式平臺(tái)在服役期間會(huì)經(jīng)歷多次重量和重心變化，如上部
化工自動(dòng)化及儀表 2023年5期2023-10-05
- 考慮北總干渠灌區(qū)取水后的溪洛渡、向家壩水庫聯(lián)合消落調(diào)度優(yōu)化研究
合消落調(diào)度；優(yōu)化算法中圖分類號(hào)：X171；TV741? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A金沙江流域位于我國西南部，地屬青藏高原、云貴高原和四川西部高山區(qū)，流域總面積為47.32萬km2，總落差5 142 m，具有徑流豐沛且較穩(wěn)定、河道落差大、水能資源豐富、開發(fā)條件較好等特點(diǎn)，是全國最大的水電能源基地[1-3]。溪洛渡和向家壩水電站是我國西電東送戰(zhàn)略部署下金沙江梯級(jí)開發(fā)的最下游二級(jí)水電站。向家壩水電站是溪洛渡
長江技術(shù)經(jīng)濟(jì) 2023年4期2023-09-12
- 提升小學(xué)數(shù)學(xué)計(jì)算教學(xué)有效性的幾點(diǎn)建議
在參與中逐步優(yōu)化算法，強(qiáng)化計(jì)算技能，進(jìn)而促進(jìn)計(jì)算能力的全面提升。［關(guān)鍵詞］ 計(jì)算教學(xué)；優(yōu)化算法，計(jì)算能力學(xué)好計(jì)算，無論是在發(fā)展學(xué)生智慧，還是在發(fā)展學(xué)生數(shù)學(xué)能力上都具有重要的意義。在現(xiàn)實(shí)教學(xué)中，大多數(shù)學(xué)生認(rèn)為計(jì)算簡單，只要熟練掌握運(yùn)算法則，解題時(shí)細(xì)心一點(diǎn)就不會(huì)出錯(cuò)，然而結(jié)果恰恰相反，學(xué)生考試時(shí)常常因?yàn)檫\(yùn)算錯(cuò)誤而屢屢失分，而且越到高年級(jí)計(jì)算失分越明顯。對(duì)于運(yùn)算錯(cuò)誤，大多數(shù)學(xué)生將其歸結(jié)于馬虎，究其根本原因是計(jì)算能力的欠缺。而在計(jì)算能力培養(yǎng)上，一些教師選擇了“題海
數(shù)學(xué)教學(xué)通訊·小學(xué)版 2023年7期2023-08-24
- 基于自適應(yīng)動(dòng)量更新策略的Adams算法
目前最常用的優(yōu)化算法之一，但其面臨學(xué)習(xí)率震蕩導(dǎo)致模型不收斂問題，其改進(jìn)算法AMSGrad也存在梯度遞減導(dǎo)致的二階動(dòng)量失效問題。針對(duì)上述問題，提出了基于自適應(yīng)動(dòng)量更新策略的Adams算法。首先，通過為一階動(dòng)量和二階動(dòng)量引入自適應(yīng)更新參數(shù)，并在最后的參數(shù)更新期間采用較小的一階動(dòng)量更新參數(shù)，構(gòu)建了一種自適應(yīng)的動(dòng)量更新策略。其次，基于該更新策略，提出了一種能夠快速收斂的Adams算法。最后，通過理論分析證明了Adams算法的收斂性。基于文本分類和圖像分類的對(duì)比實(shí)驗(yàn)
上海理工大學(xué)學(xué)報(bào) 2023年2期2023-05-30
- 梯度下降及優(yōu)化算法研究綜述
流的梯度下降優(yōu)化算法開始介紹，闡述研究動(dòng)機(jī)、基本思想、其解決的問題，最后對(duì)比流行的梯度下降優(yōu)化算法進(jìn)行實(shí)驗(yàn)分析。關(guān)鍵詞：梯度下降法;機(jī)器學(xué)習(xí);優(yōu)化算法;發(fā)展方向中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）08-0071-03引言在機(jī)器學(xué)習(xí)領(lǐng)域中，因?yàn)橛行┠繕?biāo)模型的損失函數(shù)非常復(fù)雜，不能有效得到參數(shù)估計(jì)值的表達(dá)式。對(duì)此針對(duì)模型的損失函數(shù)優(yōu)化問題，實(shí)際應(yīng)用中，通常采用梯度下降法來對(duì)目標(biāo)進(jìn)行訓(xùn)練，使其訓(xùn)練的結(jié)果趨勢(shì)
電腦知識(shí)與技術(shù) 2022年8期2022-06-03
- 基于在線學(xué)習(xí)行為數(shù)據(jù)的成績預(yù)測(cè)方法
整的共軛梯度優(yōu)化算法，將輸入層與輸出層進(jìn)行連接，然后應(yīng)用感知器進(jìn)行學(xué)習(xí)成績預(yù)測(cè)。與傳統(tǒng)方法相比，該預(yù)測(cè)方法精度和準(zhǔn)確率更高，而且實(shí)用性更強(qiáng)，能為后續(xù)優(yōu)化與發(fā)展網(wǎng)絡(luò)在線教育提供參考。關(guān)鍵詞：淺層神經(jīng)網(wǎng)絡(luò);優(yōu)化算法;成績預(yù)測(cè);在線教育中圖分類號(hào)：G434;TP183? ?文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1673-8454（2022）08-0086-09一、引言隨著信息化教育的快速發(fā)展，越來越多的線下教育方式轉(zhuǎn)變成線上或者線上線下融合的方式。線上教育發(fā)展如此之快
中國教育信息化 2022年8期2022-05-30
- 飛蛾撲火優(yōu)化算法研究
要：飛蛾撲火優(yōu)化算法是一種新型仿生群體智能優(yōu)化算法，其利用螺旋搜索技術(shù)來求解優(yōu)化難題。文章針對(duì)近年來有關(guān)飛蛾撲火優(yōu)化的研究成果進(jìn)行了整理與探討，首先闡述了飛蛾撲火算法的基本運(yùn)算原理，并研究分析了飛蛾撲火算法的某些參數(shù)及其在進(jìn)行計(jì)算與尋優(yōu)時(shí)的重要作用，同時(shí)對(duì)飛蛾撲火算法的一些優(yōu)化改進(jìn)方法以及應(yīng)用效果進(jìn)行了闡述，最后分析了飛蛾撲火算法的技術(shù)發(fā)展情況與研究方向。關(guān)鍵詞：飛蛾撲火；優(yōu)化算法；群體智能中圖法分類號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：AResearch on Mot
計(jì)算機(jī)應(yīng)用文摘 2022年19期2022-04-29
- 基于PS0的模糊PID與自抗擾耦合控制的調(diào)平系統(tǒng)仿真研究
；聯(lián)合仿真；優(yōu)化算法中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）36-0008-04隨著我國工業(yè)化建設(shè)的不斷發(fā)展，液壓調(diào)平控制系統(tǒng)的研究得到逐步完善，廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、畜牧業(yè)等領(lǐng)域[1]。隨著工作對(duì)象對(duì)調(diào)平控制的要求越來越高，液壓控制系統(tǒng)不僅需要具有較好的安全性和穩(wěn)定性，還應(yīng)具備高精度和高效率[2]。截至目前，模糊PID 已經(jīng)經(jīng)歷了半個(gè)世紀(jì)的發(fā)展，雖然被廣泛應(yīng)用于各行各業(yè)，但是依舊存在精度低等亟待解決的問題[3-4]，
電腦知識(shí)與技術(shù) 2022年36期2022-02-22
- 電力系統(tǒng)無功優(yōu)化的算法概述
前流行的無功優(yōu)化算法做了概括和總結(jié)，并對(duì)比說明了這些算法各自的優(yōu)缺點(diǎn)。關(guān)鍵詞：電力系統(tǒng);無功優(yōu)化;優(yōu)化算法中圖分類號(hào)：TM714.3? 文獻(xiàn)標(biāo)志碼：A? 文章編號(hào)：1671-0797（2022）01-0083-03DOI：10.19514/j.cnki.cn32-1628/tm.2022.01.0230? ? 引言隨著電網(wǎng)規(guī)模增大、結(jié)構(gòu)復(fù)雜化、負(fù)荷多樣化，大量無功產(chǎn)生并在網(wǎng)間流動(dòng)，從而造成了大量有功損耗，降低了電網(wǎng)供電質(zhì)量。無功優(yōu)化是采用一種綜合性的非線性
機(jī)電信息 2022年1期2022-01-12
- 談提高計(jì)算教學(xué)的課堂實(shí)效性
；算理算序；優(yōu)化算法中圖分類號(hào)：G633.6文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1992-7711（2021）18-0119目前，學(xué)前教育非常重視培養(yǎng)學(xué)生的基礎(chǔ)計(jì)算能力，學(xué)生在上小學(xué)之前能夠借助手指、物品進(jìn)行簡單的20以內(nèi)的加減法。但在教學(xué)中，筆者發(fā)現(xiàn)許多學(xué)生在學(xué)習(xí)這部分知識(shí)時(shí)，還是會(huì)經(jīng)常出錯(cuò)。為改變學(xué)生實(shí)物計(jì)算習(xí)慣，提高20以內(nèi)加減法的課堂教學(xué)實(shí)效性，從而提升學(xué)生的計(jì)算能力，筆者在調(diào)查的基礎(chǔ)上，從以下三個(gè)方面進(jìn)行了教學(xué)嘗試。一、著力于“算理算序”在調(diào)查中，筆者發(fā)現(xiàn)圍
中學(xué)課程輔導(dǎo)·教學(xué)研究 2021年18期2021-11-02
- 基于SVM和GA-SVM的個(gè)人信用評(píng)估模型研究
A-SVM;優(yōu)化算法。中圖分類號(hào)：F832.41? 引言隨著大數(shù)據(jù)時(shí)代的不斷發(fā)展，數(shù)據(jù)共享已經(jīng)成為了一種趨勢(shì)，這也滲透到各行各業(yè)的發(fā)展中去了。我們的生活方式在逐步改變，就拿消費(fèi)行為來說，人類社會(huì)已經(jīng)從以物換物的時(shí)代走進(jìn)了貨幣時(shí)代，現(xiàn)在正朝著數(shù)字時(shí)代大步向前。新興的信用消費(fèi)模式越來越受歡迎，當(dāng)然，任何一個(gè)新興事物的發(fā)展必然會(huì)帶來新的難題，信用消費(fèi)模式的產(chǎn)生帶來的一個(gè)最重要的難題就是信用是如何產(chǎn)生的，即如何去評(píng)估一個(gè)人的信用狀況。個(gè)人信用評(píng)估是指通過分析個(gè)人的
甘肅科技縱橫 2021年8期2021-09-22
- 碳纖維機(jī)械臂焊接相貫線軌跡優(yōu)化算法
線軌跡坐標(biāo)的優(yōu)化算法。該方法能夠?qū)崿F(xiàn)碳纖維機(jī)械臂焊接場(chǎng)景需求，為新型材料制備的焊接機(jī)器人、機(jī)械臂控制提供借鑒。關(guān)鍵詞：碳纖維機(jī)械臂;多層多道焊;相貫線;軌跡規(guī)劃;優(yōu)化算法中圖分類號(hào)：TP241? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-5922（2021）09-0142-04Trajectory Optimization Algorithm for Welding Intersecting Line of Carbon Fiber Manipula
粘接 2021年9期2021-09-22
- 基于混合并行混沌優(yōu)化算法的鑄造生產(chǎn)線兩階段協(xié)同調(diào)度
混合并行混沌優(yōu)化算法（HPCOA）. HPCOA中設(shè)計(jì)了并行混沌搜索用于高效的全局搜索，并引入基于關(guān)鍵路徑的變鄰域搜索用于增強(qiáng)算法的局部搜索能力. 通過在實(shí)際案例的對(duì)比試驗(yàn)，證明了HPCOA算法的有效性.關(guān)鍵詞：鑄造生產(chǎn)線;協(xié)同調(diào)度;優(yōu)化算法;變鄰域搜索;交叉變異中圖分類號(hào)：TH186 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：ATwo-stage Collaborative Scheduling of Casting Pro
- 面向水文模擬的大規(guī)模多級(jí)并行參數(shù)率定框架
提出一種基于優(yōu)化算法的大規(guī)模多級(jí)并行參數(shù)率定框架。首先利用MPI劃分子通信域的技術(shù)，實(shí)現(xiàn)了多級(jí)并行處理框架，其次設(shè)計(jì)了基于對(duì)等模式的整體架構(gòu)，以充分利用處理器資源，最后使用大量非阻塞式通信的方式優(yōu)化了計(jì)算效率，減少了進(jìn)程間等待。將該框架應(yīng)用于HIMS水文模型的參數(shù)率定，試驗(yàn)結(jié)果表明，對(duì)等多級(jí)并行框架相對(duì)于主從并行框架具有更好的尋優(yōu)效果，利用非阻塞式通信，在尋優(yōu)效率上有所提升。該框架能夠高效地利用大規(guī)模處理器且有效地縮短運(yùn)行時(shí)間，提升了參數(shù)優(yōu)化的整體效率，具
- 不同算法對(duì)純電動(dòng)汽車動(dòng)力匹配優(yōu)化的影響
衡。關(guān)鍵詞：優(yōu)化算法 動(dòng)力系統(tǒng) 速比優(yōu)化Influence of Different Algorithms on Power Matching Optimization of Pure Electric VehiclesQin Junyuan Xiao Yuyue Mi Peiwen Qin Guofeng Wu Mingfu Chen BingAbstract：This paper presented a two speed automatic tran
時(shí)代汽車 2021年14期2021-08-09
- 混合重疊網(wǎng)格通信優(yōu)化算法
重疊網(wǎng)格通信優(yōu)化算法的實(shí)現(xiàn)以及重疊網(wǎng)格通信優(yōu)化算法測(cè)試與分析等方面對(duì)本課題進(jìn)行了分析?！娟P(guān)鍵詞】? ? 混合重疊? ? 網(wǎng)格通信? ? 優(yōu)化算法引言：計(jì)算流體動(dòng)力學(xué)（CFD）將流體的物理空間劃分為晶格單元的計(jì)算空間，并使用離散解對(duì)流控制方程進(jìn)行揭示并分析流特征。計(jì)算機(jī)網(wǎng)絡(luò)可以分為結(jié)構(gòu)化的單位大小和數(shù)據(jù)結(jié)構(gòu)。結(jié)構(gòu)網(wǎng)絡(luò)的特征始終是結(jié)構(gòu)完整性，簡單的邏輯相關(guān)性，高帶寬精度和高效率，但其缺點(diǎn)是靈活性低，手動(dòng)自動(dòng)執(zhí)行此操作非常困難且耗時(shí)。Steger提出了“重疊網(wǎng)格
中國新通信 2021年8期2021-08-04
- 多元建構(gòu) 發(fā)展運(yùn)算能力
、自主探究，優(yōu)化算法、直觀操作，明析算理等幾個(gè)方面入手，就如何在計(jì)算教學(xué)中多元建構(gòu)、進(jìn)行算法探究及算理的剖析，如何在親歷“怎樣算”的全過程中發(fā)展學(xué)生的運(yùn)算能力作了闡述。【關(guān)鍵詞】知識(shí)遷移;孕伏算法;自主探究;優(yōu)化算法;直觀操作;明析算理運(yùn)算能力是《義務(wù)教育數(shù)學(xué)課程標(biāo)準(zhǔn)（2011年版）》提出的十大核心概念之一，運(yùn)算能力是小學(xué)數(shù)學(xué)學(xué)科核心素養(yǎng)中重要的組成部分，培養(yǎng)學(xué)生的運(yùn)算能力是當(dāng)前小學(xué)數(shù)學(xué)教學(xué)中一項(xiàng)重要的任務(wù)。計(jì)算教學(xué)是小學(xué)數(shù)學(xué)教學(xué)中最基礎(chǔ)也是最重要的任務(wù)，
文理導(dǎo)航 2021年2期2021-01-11
- 基于自適應(yīng)粒子群優(yōu)化的粒子濾波跟蹤算法
，可用粒子群優(yōu)化算法優(yōu)化，但目前的標(biāo)準(zhǔn)粒子群優(yōu)化粒子濾波算法會(huì)出現(xiàn)粒子局部尋優(yōu)的情況。對(duì)此對(duì)算法中的慣性權(quán)重和學(xué)習(xí)因子同時(shí)采取自適應(yīng)調(diào)整的方法，平衡粒子的搜索能力以減少這種情況的出現(xiàn)，并且為了解決算法優(yōu)化后因粒子聚集而造成的多樣性缺失問題，對(duì)粒子進(jìn)行隨機(jī)變異以提高粒子多樣性。仿真結(jié)果表明，經(jīng)過改進(jìn)后的優(yōu)化算法可有效提高粒子濾波算法的準(zhǔn)確性，使跟蹤誤差減小。關(guān)鍵詞： 粒子濾波跟蹤; 粒子群優(yōu)化; 自適應(yīng)調(diào)整; 搜索能力平衡; 隨機(jī)變異; 優(yōu)化算法中圖分類號(hào)：
現(xiàn)代電子技術(shù) 2020年17期2020-09-21
- 一種智能化立體車庫控制系統(tǒng)研究與設(shè)計(jì)
車時(shí)的載車板優(yōu)化算法，該立體車庫運(yùn)行效果良好。該研究成果為開發(fā)出具有多樣功能的立體車庫提供了參考，也為改造、升級(jí)現(xiàn)有的立體車庫提供了參考。關(guān)鍵詞：CC-LINK網(wǎng)絡(luò)；遠(yuǎn)程控制；優(yōu)化算法；智能化中圖分類號(hào)：U491.71；TP273 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-9052（2020）06-0196-02基金項(xiàng)目：2019年度廣州市高等學(xué)校第十批教育教學(xué)改革資助項(xiàng)目“基于項(xiàng)目化教學(xué)與競(jìng)賽相結(jié)合的機(jī)電專業(yè)課程體系改革與創(chuàng)新實(shí)踐研究”（2019JG243）近
佳木斯職業(yè)學(xué)院學(xué)報(bào) 2020年6期2020-09-10
- 車輛懸置系統(tǒng)性能優(yōu)化研究綜述
;優(yōu)化方案;優(yōu)化算法Key words： suspension system;NVH;optimization scheme;optimization algorithm0 ?引言車輛整體的減振系統(tǒng)主要包括車輛底盤懸架系統(tǒng)、動(dòng)力總成懸置系統(tǒng)以及座椅-駕駛室懸置系統(tǒng)等。對(duì)于工程機(jī)械、重型載貨車等滿載重量大且空載、半載及滿載的載荷相對(duì)變化比較大的車輛類型，器底盤懸架系統(tǒng)設(shè)計(jì)困難且調(diào)控復(fù)雜，增加了設(shè)計(jì)和維護(hù)成本[1]。因此，對(duì)于這類車輛的NVH性能優(yōu)化，其關(guān)注重
內(nèi)燃機(jī)與配件 2020年14期2020-09-10
- 基于智能化的BTF-130型全自動(dòng)血型分析儀的設(shè)計(jì)與開發(fā)
數(shù)據(jù)庫積累及優(yōu)化算法，通過采用全智能視覺掃描系統(tǒng)及圖像判讀方法，設(shè)計(jì)一款自動(dòng)檢測(cè)血型的層疊式載架，實(shí)現(xiàn)“樓宇式”結(jié)構(gòu)的BTF-130血型分析儀，大大減少了檢驗(yàn)人員經(jīng)驗(yàn)判讀作業(yè)帶來的人為檢測(cè)誤差?！娟P(guān)鍵詞】血型? 數(shù)據(jù)庫積累? 優(yōu)化算法? 全智能視覺掃描系統(tǒng)? 圖像判讀Abstract： There are many types of analyzers for detecting blood types on the market now， but the
商情 2020年34期2020-08-15
- 閾值分割技術(shù)發(fā)展現(xiàn)狀綜述
的閾值分割和優(yōu)化算法的閾值分割，分析了各種方法的原理及特點(diǎn)。關(guān)鍵詞：閾值分割;傳統(tǒng)方法;優(yōu)化算法中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號(hào)：2095-2945（2020）24-0129-02Abstract： Among the many methods of image segmentation， the threshold segmentation method is simple and stable， which is
科技創(chuàng)新與應(yīng)用 2020年24期2020-08-13
- 不同優(yōu)化算法對(duì)于神經(jīng)網(wǎng)絡(luò)搭建模型的誤差研究
程中所選擇的優(yōu)化算法，它是預(yù)測(cè)模型搭建過程中所不能忽視的重要因素。在TensorFlow中提供了不同種類的優(yōu)化器編程接口。文章以包頭市空氣污染物濃度預(yù)測(cè)為研究對(duì)象，在優(yōu)化過程中通過綜合對(duì)比不同優(yōu)化算法在以LSTM神經(jīng)網(wǎng)絡(luò)搭建的預(yù)測(cè)問題上的誤差，從中選取最合適模型的優(yōu)化方法。關(guān)鍵詞：優(yōu)化算法;預(yù)測(cè)模型;預(yù)測(cè)誤差;LSTM中圖分類號(hào)：O212.1? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2095-2945（2020）22-0018-02Abst
科技創(chuàng)新與應(yīng)用 2020年22期2020-07-26
- 一種解釋結(jié)構(gòu)模型的優(yōu)化算法研究
步解析并給出優(yōu)化算法，發(fā)現(xiàn)有向圖中若不存在回路，則有向圖匯點(diǎn)對(duì)應(yīng)的是最高級(jí)要素集合中的要素，因此匯點(diǎn)可以從縮減可達(dá)矩陣中直接找出，從而能對(duì)復(fù)雜系統(tǒng)要素更快地進(jìn)行分層。對(duì)應(yīng)的優(yōu)化算法相比傳統(tǒng)方法減少了一倍左右的計(jì)算量，并通過實(shí)證分析進(jìn)行驗(yàn)證。該研究結(jié)果為解釋結(jié)構(gòu)模型方法優(yōu)化提供了一種新詮釋。關(guān)鍵詞：解釋結(jié)構(gòu)模型;縮減可達(dá)矩陣;匯點(diǎn);優(yōu)化算法DOI：10.11907/rjdk.191537 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)
軟件導(dǎo)刊 2020年6期2020-07-24
- 一種深層過程神經(jīng)網(wǎng)絡(luò)及其在信號(hào)分類中的應(yīng)用
深層結(jié)構(gòu); 優(yōu)化算法DOI：10. 11907/rjdk. 192486中圖分類號(hào)：TP301 ? 文獻(xiàn)標(biāo)識(shí)碼：A??????????????? 文章編號(hào)：1672-7800（2020）003-0060-05A Deep Layer Process Neural Network and Its Application in Signal ClassificationLIU Xiao-yu1， WU Lu1，2， XU Shao-hua1（1.School
軟件導(dǎo)刊 2020年3期2020-05-28
- 模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)化及其應(yīng)用
MSprop優(yōu)化算法模糊神經(jīng)網(wǎng)絡(luò)的方法，研究并設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)整的自適應(yīng)過程，在代價(jià)函數(shù)中加入正則項(xiàng)，實(shí)現(xiàn)參數(shù)的更新，同時(shí)保證模糊神經(jīng)網(wǎng)絡(luò)的收斂速度，對(duì)預(yù)測(cè)輸出和實(shí)際輸出的擬合效果和誤差進(jìn)行比較。將二種優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的算法應(yīng)用于非線性函數(shù)逼近、Mackey-Glass混沌時(shí)間序列和水質(zhì)等級(jí)評(píng)價(jià)的輸出預(yù)測(cè)中，實(shí)驗(yàn)結(jié)果表明，RMSprop的預(yù)測(cè)輸出和實(shí)際輸出的誤差和擬合效果優(yōu)于動(dòng)量梯度下降算法。關(guān)鍵詞：梯度下降;模糊神經(jīng)網(wǎng)絡(luò);正則化;優(yōu)化算法DOI：10
哈爾濱理工大學(xué)學(xué)報(bào) 2020年6期2020-05-27
- 通過線性規(guī)劃優(yōu)化一類生活問題
】線性規(guī)劃;優(yōu)化算法;權(quán)重因子【Keywords】linear programming; optimization algorithm; weight factor【中圖分類號(hào)】R151 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號(hào)】1673-1069（2020）02-0133-021 引言隨著經(jīng)濟(jì)水
中小企業(yè)管理與科技·上旬刊 2020年2期2020-05-25
- 淺談小學(xué)數(shù)學(xué)算理課的教學(xué)策略
操作;遷移;優(yōu)化算法一、算理課的教學(xué)，要立足于“親其師，信其道”“親其師，信其道”——一句耳熟能詳?shù)慕逃渍Z，來自《學(xué)記》，是我國古代第一本有關(guān)教育的專業(yè)著作，古代教育圣賢大家一語道破了良好師生關(guān)系對(duì)于孩子有著非常重要的影響，良好的師生關(guān)系可以讓孩子擁有許多正面的情緒去應(yīng)對(duì)枯燥的學(xué)習(xí)。我們知道數(shù)學(xué)算理課的教學(xué)，一向給人枯燥乏味的印象，在這樣的背景下，要讓孩子們主動(dòng)的去探究、獲取知識(shí)，除了應(yīng)用一些常規(guī)的教學(xué)策略激發(fā)學(xué)生的學(xué)習(xí)激情以外，我想，親切、和諧的學(xué)習(xí)氛
教育周報(bào)·教育論壇 2020年13期2020-04-23
- 梯度下降算法研究綜述
，對(duì)梯度下降優(yōu)化算法的研究趨勢(shì)進(jìn)行了展望。關(guān)鍵詞：機(jī)器學(xué)習(xí);多元線性模型;梯度下降算法;算法實(shí)現(xiàn);優(yōu)化算法中圖分類號(hào)：TP181 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A1 ? 引言（Introduction）在求解機(jī)器學(xué)習(xí)中無約束優(yōu)化問題的方法中，優(yōu)化方法是必不可少的一環(huán)。傳統(tǒng)的方法是使用最小二乘法計(jì)算解析解，但有時(shí)面臨著模型更復(fù)雜且樣本量龐大的問題，當(dāng)樣本個(gè)數(shù)大于特征個(gè)數(shù)時(shí)，問題便轉(zhuǎn)換為求解超定方程組的問題，相比使用最小二乘法求解大維數(shù)逆矩陣的方法，采用梯度迭代的梯度下
軟件工程 2020年2期2020-03-23
- 隨機(jī)步長算法：快速全局優(yōu)化方法
。關(guān)鍵詞： 優(yōu)化算法;隨機(jī)步長;全局優(yōu)化一、介紹超參數(shù)優(yōu)化算法在深度學(xué)習(xí)中具有重要意義。隨機(jī)梯度下降法（SGD）（Robbins&Monro，1951）廣泛應(yīng)用于科學(xué)和工程的許多領(lǐng)域。SGD利用梯度的一階矩來解決目標(biāo)函數(shù)的隨機(jī)噪聲問題，其效率和有效性在深度學(xué)習(xí)中得到了驗(yàn)證（Deng et al.，2013;Krizhevsky et al.，2012;Hinton&Salakhutdinov，2006;Hinton et al.，2012a;Graves
中國應(yīng)急管理科學(xué) 2020年7期2020-01-07
- 真問題·真研究·真收獲
問題;余數(shù);優(yōu)化算法[中圖分類號(hào)]G623.5 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)] 1007—9068（2019）32—0008—03所謂結(jié)構(gòu)化問題，即在數(shù)學(xué)課堂教學(xué)中，以學(xué)生的知識(shí)經(jīng)驗(yàn)和現(xiàn)有數(shù)學(xué)能力為基礎(chǔ)，構(gòu)建的一套有針對(duì)性、層次性和系統(tǒng)性的問題組。這里的“結(jié)構(gòu)化”有兩層含義：一是環(huán)環(huán)相扣、層層遞進(jìn)，問題之間有關(guān)聯(lián)性，用以有序激發(fā)、指導(dǎo)學(xué)生的數(shù)學(xué)探索活動(dòng);二是指問題有深度和廣度，在問題組的設(shè)計(jì)中，緊緊圍繞核心問題，縱向和橫向均有效發(fā)散，最后又回歸核心問題，促
小學(xué)教學(xué)參考(數(shù)學(xué)) 2019年11期2019-12-31
- 微粒群優(yōu)化算法簡介
介紹了微粒群優(yōu)化算法的原理，并對(duì)算法參數(shù)設(shè)置、核心思想等進(jìn)行了分析，對(duì)算法在圖像分割應(yīng)用上的部分改進(jìn)算法進(jìn)行了簡述，可為初次接觸、學(xué)習(xí)、使用微粒群優(yōu)化算法的研究者算法提供一定的幫助。關(guān)鍵詞：微粒群算法;優(yōu)化算法;圖像分割1 引言微粒群（Particle Swarm Optimization，PSO） 算法，也稱為粒子群算法，是由Eberhart博士和Kennedy博士于基于對(duì)鳥群、魚群等生物群體和人類社會(huì)行為的研究，在1995年的IEEE國際神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)
鋒繪 2019年11期2019-12-20
- 基于自適應(yīng)變異方法的差分進(jìn)化算法
法是目前智能優(yōu)化算法中性能最優(yōu)的算法之一，可在很多工程問題中得到應(yīng)用。傳統(tǒng)的差分進(jìn)化算法存在收斂速度慢、易陷入局部最優(yōu)解等問題。本文對(duì)差分進(jìn)化算法的變異方法進(jìn)行研究，提出一種根據(jù)種群進(jìn)化代數(shù)自適應(yīng)的變異方法。數(shù)值結(jié)果顯示，本文提出的自適應(yīng)變異方法可有效避免種群早熟和局部最優(yōu)解的問題。關(guān)鍵詞：優(yōu)化算法 ?差分進(jìn)化算法 ?自適應(yīng)中圖分類號(hào)：O224 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? ?
科技創(chuàng)新導(dǎo)報(bào) 2019年21期2019-12-10
- 機(jī)場(chǎng)停機(jī)位分配問題仿真優(yōu)化研究綜述
從優(yōu)化目標(biāo)和優(yōu)化算法兩個(gè)方面為主體，對(duì)機(jī)位分配問題進(jìn)行詳細(xì)的梳理和綜述，對(duì)研究動(dòng)態(tài)進(jìn)行分析和總結(jié)。并基于這兩方面對(duì)目前停機(jī)位分配研究所存在的問題進(jìn)行了分析，提供新的研究視角和研究思路，提出以考慮機(jī)場(chǎng)、航空公司、空管三方協(xié)同機(jī)制，將處理后的不可控因素作為約束條件，用更智能的優(yōu)化算法模擬仿真可能成為未來的研究熱點(diǎn)。關(guān)鍵詞： 優(yōu)化算法;機(jī)位分配;研究綜述;機(jī)場(chǎng)停機(jī)位;優(yōu)化目標(biāo)【Abstract】 The allocation of aircraft space
智能計(jì)算機(jī)與應(yīng)用 2019年5期2019-12-05
- 基于樽海鞘群優(yōu)化算法的裂縫圖像分割
：樽海鞘群;優(yōu)化算法;裂縫圖像分割中圖分類號(hào)： TP399? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）25-0223-03在21世紀(jì)，由于種種原因各類混凝土建筑物存在各種形式的裂縫。裂縫的存在會(huì)影響建筑結(jié)構(gòu)的正常使用性、耐久性和美觀。因此，裂縫檢測(cè)對(duì)于混凝土建筑物是不可缺少的。在國內(nèi)外，圖像處理方法在路面、隧道和橋梁的裂縫檢測(cè)中得到廣泛應(yīng)用。圖像分割是指根據(jù)圖像不同區(qū)域或者邊緣所具有的特殊性，將目標(biāo)和背景分離的過程，簡單地說就是將
電腦知識(shí)與技術(shù) 2019年25期2019-11-12
- 無能級(jí)穩(wěn)定判據(jù)的多尺度量子諧振子算法
論構(gòu)建的智能優(yōu)化算法。能級(jí)穩(wěn)定過程是該算法的核心迭代過程之一，能級(jí)穩(wěn)定判據(jù)是判斷算法是否達(dá)到暫穩(wěn)態(tài)的條件。通過對(duì)算法物理模型的分析，可知算法在初始采樣階段每一次迭代操作都是能級(jí)下降的過程，所以取消能級(jí)穩(wěn)定判據(jù)，也可實(shí)現(xiàn)算法從高能態(tài)過渡到暫穩(wěn)態(tài)直至基態(tài)的進(jìn)化過程。無能級(jí)穩(wěn)定判據(jù)的算法在6個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)上的結(jié)果顯示其在求解精度、成功率、迭代次數(shù)上均表現(xiàn)出了優(yōu)異的性能，算法的波函數(shù)顯示無能級(jí)穩(wěn)定判據(jù)的算法仍然可以完成從高能態(tài)到基態(tài)的收斂，且無能級(jí)穩(wěn)定判據(jù)的算法在
計(jì)算機(jī)應(yīng)用 2019年9期2019-10-31
- 項(xiàng)目魯棒調(diào)度資源分配方案優(yōu)化算法研究
；資源分配；優(yōu)化算法中圖分類號(hào)：TB 文獻(xiàn)標(biāo)識(shí)碼：A doi：10.19311/j.cnki.16723198.2019.32.0990 引言在項(xiàng)目調(diào)度過程中，由于施工環(huán)境等各種變化可能使實(shí)際執(zhí)行情況與預(yù)期計(jì)劃發(fā)生偏離，造成項(xiàng)目成本過高和延期完工，所以在計(jì)劃階段需要制定具有較高魯棒性的項(xiàng)目調(diào)度計(jì)劃來指導(dǎo)實(shí)際工作。自從Artigues等首次提出資源流網(wǎng)絡(luò)的概念，并將其引入到項(xiàng)目調(diào)度研究后，很多學(xué)者都對(duì)資源約束項(xiàng)目調(diào)度問題進(jìn)行了深入的研究。Leus R等基于資
現(xiàn)代商貿(mào)工業(yè) 2019年32期2019-10-21
- 體育運(yùn)動(dòng)會(huì)比賽軟件系統(tǒng)的優(yōu)化設(shè)計(jì)和應(yīng)用
動(dòng)會(huì)比賽; 優(yōu)化算法中圖分類號(hào)： TP393文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1007-757X（2019）06-0063-03Abstract： The development of computer information technology has made the organization of sporting events more scientific. Using the current advanced software system fram
微型電腦應(yīng)用 2019年6期2019-10-21
- 全自動(dòng)智能取料試管貼標(biāo)機(jī)研制
;步進(jìn)電機(jī);優(yōu)化算法引言：隨著大眾健康意識(shí)的不斷提升與人口老齡化的沖擊，醫(yī)療衛(wèi)生系統(tǒng)的工作負(fù)荷愈發(fā)沉重，提高醫(yī)護(hù)工作者的工作效率勢(shì)在必行。傳統(tǒng)的醫(yī)療機(jī)構(gòu)采用人工方式對(duì)真空采血管進(jìn)行貼標(biāo)，該方式易造成采血管的二次污染，且人工方式效率低下[1]?，F(xiàn)有的幾款自動(dòng)試管分揀與貼標(biāo)機(jī)無法滿足大眾日益提升的需求。本著實(shí)用性、高效性、低成本、可擴(kuò)充等原則進(jìn)行設(shè)計(jì)，采用單片機(jī)和上位機(jī)的共同控制，設(shè)計(jì)了一種可以快速將病人的個(gè)人信息準(zhǔn)確無誤地貼到試管上，而且可以提高貼簽的效率和
大眾科學(xué)·上旬 2019年10期2019-10-21
- 淺談最優(yōu)化算法在熱電器件參數(shù)設(shè)計(jì)中的應(yīng)用
耦合模型與最優(yōu)化算法的熱電器件優(yōu)化路線。有望通過結(jié)構(gòu)設(shè)計(jì)的優(yōu)化提高目前熱電器件的性能。關(guān)鍵詞：熱電器件;優(yōu)化算法;三維耦合模型熱電器件概括起來可以按照功能分為兩類：一類是是熱電發(fā)電機(jī)（TEG），它通過塞貝克效應(yīng)將熱量轉(zhuǎn)化為電能，一類是熱電冷卻器（TEC），它通過帕爾貼效應(yīng)將電能轉(zhuǎn)化為熱量。熱電器件由于不使用任何可動(dòng)部件和對(duì)環(huán)境有害的液體介質(zhì)，因此具有可靠性高以及結(jié)構(gòu)簡單等優(yōu)點(diǎn);[1]同時(shí)近年來，隨著半導(dǎo)體熱電材料的顯著發(fā)展，熱電器件的應(yīng)用受到越來越多的關(guān)注
科技風(fēng) 2019年20期2019-10-21
- 卷積神經(jīng)網(wǎng)絡(luò)在案件分類上的應(yīng)用
參數(shù)后，改進(jìn)優(yōu)化算法，使分類效果理想。最終分類準(zhǔn)確率在95%以上。關(guān)鍵詞： 卷積神經(jīng)網(wǎng)絡(luò);文本分類;罪名預(yù)測(cè);分詞;優(yōu)化算法中圖分類號(hào)： TP183 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.04.049本文著錄格式：李昊泉，史夢(mèng)凡，陳舒楠，等. 卷積神經(jīng)網(wǎng)絡(luò)在案件分類上的應(yīng)用[J]. 軟件，2019，40（4）：222225【Abstract】： Several years ago， applica
軟件 2019年4期2019-10-08
- 國外新穎優(yōu)化算法
種新穎的智能優(yōu)化算法——花斑鬣狗算法（Spotted Hyena Optimizer， SHO），算法主要受到自然界中體型最大的鬣狗家族的啟發(fā)，通過數(shù)學(xué)模型模擬了花斑鬣狗通過合作和自身能力進(jìn)行捕獵的社會(huì)行為。算法借鑒了花斑鬣狗的包圍獵物、狩獵、攻擊獵物和搜尋獵物的行為，設(shè)計(jì)了4種運(yùn)算算子來對(duì)應(yīng)鬣狗的四種行為。關(guān)鍵詞：鬣狗;優(yōu)化算法;包圍;攻擊基金項(xiàng)目：國家自然科學(xué)基金青年基金，71301147文獻(xiàn)標(biāo)志碼： A ? ?中圖分類號(hào)： TP391.9生物特性鬣狗
現(xiàn)代營銷·信息版 2019年10期2019-09-24
- 關(guān)注自主合作探究中的學(xué)困生
因材施教 優(yōu)化算法新一輪基礎(chǔ)教育課程改革，經(jīng)過“激情燃燒”的幾年的探索與實(shí)踐，我們一線教師的課堂呈現(xiàn)了空前的生命涌動(dòng)與活力：情境創(chuàng)設(shè)匠心獨(dú)具;小組合作沸沸揚(yáng)揚(yáng);自主探究自覺主動(dòng);自我展示彰顯個(gè)性;多媒體課件五彩繽紛……課堂成了學(xué)生張揚(yáng)個(gè)性、展示自我的快樂舞臺(tái)。作為一線教師，在一味欣賞、贊嘆學(xué)優(yōu)生精彩表現(xiàn)的同時(shí)，目光是否惠顧到了沒有“動(dòng)”起來的學(xué)困生？關(guān)注每一個(gè)學(xué)生，我們更應(yīng)該關(guān)注每一個(gè)學(xué)困生。筆者在幾年的課改教學(xué)實(shí)踐中，在對(duì)待學(xué)困生方面作了以下嘗試。一、
學(xué)習(xí)與科普 2019年28期2019-09-10
- 基于DE和NSGAⅡ的集裝箱多式聯(lián)運(yùn)的路徑優(yōu)化算法
GAⅡ多目標(biāo)優(yōu)化算法，該算法通過差分方法模擬NSGA?Ⅱ的交叉和變異算子及自適應(yīng)控制策略調(diào)整交叉因子和縮放因子來提高算法搜索能力。實(shí)例表明，在求解組合優(yōu)化問題時(shí)，DE?NSGAⅡ算法的Pareto最優(yōu)解集分布更均勻，收斂速度更快，證明了DE?NSGAⅡ算法的可行性和優(yōu)越性。關(guān)鍵詞： 集裝箱多式聯(lián)運(yùn); NSGA?Ⅱ; 差分算法; 碳排放; 多目標(biāo)模型; 優(yōu)化算法中圖分類號(hào)： TN911.1?34; U169 ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：
現(xiàn)代電子技術(shù) 2019年15期2019-08-12
- 穩(wěn)健參數(shù)設(shè)計(jì)發(fā)展現(xiàn)狀和趨勢(shì)研究
：參數(shù)設(shè)計(jì);優(yōu)化算法;質(zhì)量設(shè)計(jì)Key words： parameter design;optimization algorithm;quality design中圖分類號(hào)：TB21? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2019）18-0256-041? 穩(wěn)健參數(shù)設(shè)計(jì)方法在技術(shù)創(chuàng)新、實(shí)現(xiàn)量產(chǎn)的情況下，國內(nèi)
價(jià)值工程 2019年18期2019-07-25
- 基于Dijkstra算法的航空兵器自動(dòng)生產(chǎn)線動(dòng)態(tài)調(diào)度算法的研究
。 本文結(jié)合優(yōu)化算法數(shù)學(xué)模型的分析， 建立基于Dijkstra算法的自動(dòng)尋路模型， 利用MATLAB對(duì)最優(yōu)結(jié)果進(jìn)行求解。 最后， 就自動(dòng)化物料加工過程中的復(fù)雜情形進(jìn)行探討。關(guān)鍵詞：???? 自動(dòng)化生產(chǎn)線; 動(dòng)態(tài)調(diào)度; 優(yōu)化算法; Dijkstra算法; MATLAB中圖分類號(hào)：??? ?TJ08 文獻(xiàn)標(biāo)識(shí)碼：??? A文章編號(hào)：??? ?1673-5048（2019）03-0094-05[SQ0]0引言工業(yè)4.0時(shí)代的航空兵器自動(dòng)化生產(chǎn)線上， 很大一部分都
航空兵器 2019年3期2019-07-17
- 一種基于正態(tài)分布的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)劃分算法
;結(jié)構(gòu)精簡;優(yōu)化算法中圖分類號(hào)：TP393? ? ?文獻(xiàn)標(biāo)識(shí)碼：AAbstract：The node aggregation of complex networks presents the dynamic，fuzzy and asymmetrical characteristics of the community structure.In order to optimize the community structure of complex netw
軟件工程 2019年3期2019-05-29
- GLT-CNN方法及其在航空發(fā)動(dòng)機(jī)中介軸承故障診斷中的應(yīng)用
應(yīng)的神經(jīng)網(wǎng)絡(luò)優(yōu)化算法實(shí)現(xiàn)故障診斷與分類。最后，通過航空發(fā)動(dòng)機(jī)中介軸承振動(dòng)數(shù)據(jù)，驗(yàn)證所提方法的有效性。關(guān)鍵詞：故障診斷;軸承;卷積神經(jīng)網(wǎng)絡(luò);灰度變換;優(yōu)化算法中圖分類號(hào)：TH165+.3;TH133.3文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1004-4523 （2019） 06-1077-07DOI：10. 16 385/j. cnki. issn. 1004-4523. 2019. 06. 017引言中介軸承作為航空發(fā)動(dòng)機(jī)雙轉(zhuǎn)子系統(tǒng)中重要的零部件，常采用內(nèi)外圈同向或反向
振動(dòng)工程學(xué)報(bào) 2019年6期2019-03-12
- 基于IGPSO算法的狀態(tài)反饋魯棒極點(diǎn)配置優(yōu)化
性。關(guān)鍵詞 優(yōu)化算法 魯棒極點(diǎn)配置 粒子群算法中圖分類號(hào)：O241.8文獻(xiàn)標(biāo)識(shí)碼：A1介紹粒子群優(yōu)化算法（PSO）是Kennedy和Eberhart于1995年提出的一種模擬鳥群社會(huì)行為的群體搜索算法。然而，PSO存在容易陷入局部最優(yōu)的不足，為了較好的平衡PSO算法的開采能力和搜索能力，利用改進(jìn)的IGPSO算法進(jìn)行問題優(yōu)化。針對(duì)魯棒極點(diǎn)配置問題，文獻(xiàn)[1]提出通過極小化特征向量矩陣譜條件數(shù)的方法實(shí)現(xiàn)狀態(tài)反饋魯棒極點(diǎn)配置問題。文獻(xiàn)[2]中分別采用線性矩陣不等
科教導(dǎo)刊·電子版 2019年34期2019-02-10