MEL的简介与使用

本文首先简要介绍了最低设备清单（MEL）的重要性及制定依据,然后介绍了MEL与MMEL区别以及MEL的使用原则,最后将MEL与适航放行的关系作了简要说明。     

膜内麻雀优化ELM的软件缺陷预测算法

原始麻雀搜索算法存在寻优精度低、迭代后期容易陷入局部极值的问题,结合高效寻优性能的改进麻雀搜索算法和具有并行计算能力的膜计算,提出一种膜内麻雀优化算法(IMSSA)。在10个CEC2017测试函数上的实验结果表明,IMSSA具有更高的寻优精度。为进一步验证IMSSA的性能,使用IMSSA优化极限学习机(ELM)参数,提出一种膜内麻雀优化ELM(IMSSA-ELM)算法,并将其应用于软件缺陷预测领域。实验结果表明：在15个公开的软件缺陷数据集中,IMSSA-ELM算法预测性能在G-mean、MCC这2个评价指标下明显优于其他4种先进的对比算法,表明IMSSA-ELM算法具有更好的预测精度和稳定性,其实验结果在Friedman ranking和Holm’s post-hoc test非参数检验中具有明显的统计显著性。     

混沌麻雀搜索优化算法

针对麻雀搜索算法(SSA)在接近全局最优时,种群多样性减少,易陷入局部最优解等问题,提出了一种混沌麻雀搜索优化算法(CSSOA)。首先,通过改进Tent混沌序列初始化种群,提高初始解的质量,增强算法的全局搜索能力。其次,引入高斯变异的方法,加强局部搜索能力,提高搜索精度;同时以搜索停滞的解为基础产生Tent混沌序列,用此混沌序列对部分陷入局部最优的个体进行混沌扰动,促使算法跳出限制继续搜索。最后,对12个基准函数进行仿真实验。结果表明:所提算法能够克服SSA易陷入局部最优的缺点,提高算法的搜索精度、收敛速度和稳定性。同时,将CSSOA应用到简单图像分割问题,验证了CSSOA应用于实际工程问题的可行性。      

基于HTGVNS算法的卡车与无人机协同配送方法

在现代物流中,针对最后一公里配送中的成本高昂、耗时长、道路不易通行等难题,首次引入卡车与无人机协同配送模式,并以总配送时间最小化为目标,建立混合整数规划模型(MIP)。提出一种新的混合禁忌可变邻域搜索算法(HTGVNS)进行求解。算法利用旅行商问题(TSP)求解器和系统性邻域变化的探索能力求解卡车路径,将客户分配给无人机形成聚类,再使用禁忌搜索过程来优化无人机路径。通过求解不同规模算例验证了所建模型的可行性和算法的有效性。结果表明卡车与无人机协同配送模式能有效地减少配送时间,提高配送效率。     

定时截尾可靠性鉴定试验方案的参数选择及分析

首先介绍了2种可靠性鉴定试验的定时截尾试验方案设计公式和试验方案参数选取原则,重点论述了用不同的试验方案进行鉴定试验时试验结果的差异。     

建筑物表面光伏组件最佳铺设方案的研究

对不同情况下建筑物屋顶及外墙表面铺设光伏电池进行研究。采用启发式算法进行电池性能的优劣评价,采用模糊规划,作出铺设电池的初步判断。以光伏电池每平方米利润最大为目标采用贪心算法选择需要铺设的电池,并配合矩形排样中最低轮廓线法对光伏电池的安放进行优化,从而得到利润最大的组合。利用多维线性规划对逆变器进行选择,通过成本—收入—利润模型对选配逆变器之后的最终利润进行进一步优化。     

优化Landweber迭代快速电磁层析成像图像重建算法

电磁层析成像(EMT)中灵敏度矩阵的病态性、不适定性导致重建图像质量较差。为了提高重建图像的质量与速度,提出了一种优化Landweber迭代快速图像重建算法。首先,对灵敏度矩阵作降维映射,去除灵敏度矩阵中的冗余信息,减少每次迭代的计算量。然后,利用人群搜索算法(SOA)优化降维后的灵敏度矩阵,降低灵敏度矩阵的条件数,改善其病态程度。最后,通过Landweber迭代算法和预处理后的灵敏度矩阵进行图像重建。仿真实验结果表明:相同实验条件下,相比于Landweber迭代算法,所提算法有效提高了成像质量,降低了成像运算量。      

无结构对等网络的搜索算法

当前,无结构对等网络由于搜索的灵活性和对动态环境的适应性,得到了广泛的应用,已经成为对等网络的主流.但无结构对等网络的资源搜索效率比较低,这就使得无结构对等网络的搜索算法成为人们研究的重点.研究了目前已有的基于无结构对等网络的搜索算法,指出了每种搜索算法的应用领域和不足,并在最后对无结构对等网络的搜索算法需要解决的问题作了总结.     

随机算法改进的RCSA-ANN模型及近海短期风速预测

为了提高近海短期风速的预测精度,提出了一种基于随机布谷鸟搜索算法（Random Cuckoo Search Algorithm,RCSA）和人工神经网络（Artificial Neural Network,ANN）的模型。首先通过引入随机因子改进布谷鸟搜索算法得到了RCSA,建立了预测海上短期风速的RCSA-ANN模型;其次在上海芦潮港建立了测风塔,测得了近海气象数据,并开展了模型的训练;最后与BP-ANN、CSA-ANN模型进行对比和分析,验证了RCSA-ANN模型的精度。结果表明：CSA改进方法简单、可靠且有效,解决了该算法易陷入局部最优的问题;RCSA-ANN模型的平均误差不仅低于BP-ANN模型的,而且远低于CSA-ANN模型的,三种模型的预测精度依次降低;RCSA-ANN模型预测精度高,能对较为波动的风速序列实现准确预测,具有很好的应用潜力。