简介:运用遗传算法解多目标问题,结果往往会陷入局部最优。引入传统算法求得的外部种群,提出基于随机扰动的RDMOGA遗传算法。将新算法用标准多目标测试函数进行测验,并与韩丽霞提出的NMOGA算法进行对比,实验结果表明,新算法表现出良好的搜索性能。
简介:近日DedecmsV55版发布了,姑且不论功能和可用性是否增强,安全性依旧如前期版本一样不容乐观。本文就简单的分析一个由变量未初始化造成的安全漏洞。
简介:水平集方法(LevelSetMethod)是一种用于计算曲线演化位置的有效方法。该文针对传统LevelSetMethod进行图像检测中需要重复初始化水平集函数的缺点,研究了不需要重复设置水平集函数的图像检测方法,实验表明,该方法能更好的检测多目标图像轮廓。
简介:对直流和混沌电流激励下的Hodgkin—Huxley(H—H)神经元,将周期的微扰动信号分别作用于神经元的不同离子通道,控制神经元放电行为.数值结果表明:作用于不同离子通道的微扰动控制信号,引起完全不同的神经元放电行为;如这些扰动信号可以使神经元从周期性放电转变为抛物线型簇放电、从混沌放电转变为周期放电。
简介:研究随机扰动下简单电力系统的可靠度反馈最大化.应用拟不可积哈密顿系统随机平均法和随机动态规划原理,导出以可靠度最大为目标的动态规划方程和以平均首次穿越时间最长为目标的动态规划方程.通过分别求解相应的动态规划方程,得到最优控制律,受控与未控系统的条件可靠性函数及平均首次穿越时间.最后应用MonteCarlo模拟验证结果的准确性.
简介:通过引入不同的对偶变量,将粘性流体的扰动问题化为具有良好结构特性的可解耦Hamilton系统.利用可解耦Hamilton系统微分形式与积分形式的等价性,导出了粘性流体扰动问题的Hamilton混合能变分原理,并建立了本征函数系之间的双正交关系.
基于随机扰动的多目标进化算法
Dedecms变量未初始化漏洞的深入利用
非重复初始化水平集方法的图像轮廓检测
周期微扰动作用下神经元放电行为的控制研究
随机扰动下简单电力系统的可靠度反馈最大化
平面粘性流体扰动问题的变分原理及双正交关系