摘要：为了提升旅客运输通道交通需求预测的准确性,针对现有旅客出行选择模型未充分考虑交通方式运输能力约束的不足,在深入分析旅客出行选择机理和运输能力约束机制的基础上,通过经典多项Logit(MNL)模型效用函数的优化设计,引入惩罚因子表征运输能力对旅客出行选择的约束,建立运输能力约束条件下的旅客出行选择Logit模型(约束MNL模型),并设计模型求解算法预测各交通方式的分担率。以西宝(西安—宝鸡)客运通道为对象进行实例分析,通过2种MNL模型预测结果的对比分析,验证约束MNL模型预测性能的优越性。研究结果表明:在旅客出行选择过程中,交通方式运输能力的约束具有普遍性,是有效交通需求预测不可忽略的重要因素,约束MNL模型考虑了运输能力对旅客出行选择的影响,更符合旅客出行选择的决策过程,从机理上为提升交通需求预测的准确性提供了可靠保障;惩罚因子反映了运输能力约束对旅客出行选择的影响,代表了运输能力约束条件下运输服务质量的下降和旅客出行效用的损失;通过惩罚因子的合理赋值,建立旅客出行选择概率重新分配机制,能有效模拟旅客出行方式的转换、控制旅客出行选择的概率;与传统MNL模型相比,约束MNL模型表现出了更优异的预测性能,能始终将预测结果控制在由运输能力决定的分担率上限范围内,预测结果符合实际、科学有效,能够为旅客运输通道的网络布局优化、运输组织设计等提供可靠数据支持。

摘要：针对强噪声背景下滚动轴承故障特征提取困难且VMD算法相关参数的确定过于依赖先验知识的问题,提出了改进VMD算法。该算法的核心首先是提出频谱趋势算法用于寻找共振频带边界从而确定频带的数量k和各个频带的带宽,然后根据取值方式预估各个频带对应的惩罚因子,最后将确定参数代入VMD算法中分析分解结果。通过仿真信号和试验信号验证,该方法可以较为准确的确定频带数量和初始惩罚因子,提升了VMD算法的准确性和自适应性。

摘要：针对当前布料仿真中模拟成本高且耗时长的问题,提出一种直接对三维布料网格卷积的布料模拟方法。对三维布料网格进行螺旋卷积,使用点填充方法增加采样点,存储局部域;采用顶点抽取算法对局部块进行池化,使用基于Gauss-Bonnet定理曲率的惩罚因子对顶点抽取算法进行增强,当局部块数量小于开始时数量的60%时停止顶点抽取;最后训练神经细分网络对抽取后的整体网格进行上采样,其中使用改进的蝶形细分算法生成新顶点。实验结果表明,与目前已有方法相比,该布料模拟方法能够保留丰富真实的褶皱,减少模拟成本和时间,是一种高效的布料模拟方法。

摘要：为满足新一代互联网上各业务的服务质量(Qo S)要求,设计一种多约束剪枝Qo S路由算法PF-MCP,采用剪枝算法思想,综合考虑带宽、时延和抖动多重Qo S约束,引入惩罚因子进行综合评价找出多条有效路径并从中选取最优路径。采用固定和随机网络层拓扑进行仿真实验,结果表明,与合成优先权值路由算法相比,PF-MCP算法在Qo S满意度、服务节点计算能力及时间复杂度方面性能较优,具有路由运算量小、网络恢复能力强及选取的最优路径可信性高的特点,并且在覆盖网Qo S路由方面适用范围广。

摘要：针对传统模糊C均值(FCM)算法在聚类过程中存在收敛速度慢、对大数据处理实时性不强等问题,提出了一种基于惩罚因子的样本隶属度改进算法。首先分析抑制式模糊C均值(SFCM)聚类特点,研究惩罚因子对样本隶属度修正的触发条件,进而设计出基于惩罚因子的SFCM聚类隶属度动态修正算法。通过算法实现样本向"两极移动",达到快速收敛之目的。理论分析与实验结果表明,在相同的初始化条件下,改进算法的执行时间效率比传统FCM算法提高约40%,比基于优化选择的SFCM(OS-SFCM)算法提高10%,其聚类准确度与其他两种算法相比也有一定的提高。

摘要：梯级水库群多目标联合优化调度是水能资源高效利用的重要研究内容,现有水库群多目标优化调度模型及求解算法的通用性亟待提高。在总结现有三种目标函数型式(累积值、极值及百分比)的基础上,以梯级总发电量最大、最小出力最大和生态断面用水保证率最大为目标,建立了具有普适性的梯级水库群多目标优化调度模型,提出了求解该模型的基于惩罚因子的动态规划逐次逼近算法(CPF-DPSA),探究了各目标与对应惩罚系数之间的变化关系,确定了各惩罚系数的影响范围,获得了分布较为均匀和广泛的非劣解集。老挝南欧江梯级水库群应用表明,该模型具有较好的适用性,CPF-DPSA算法获得的非劣解集分布广泛、均匀。尤其在长系列优化方面,CPF-DPSA算法在结果精度、非劣解质量和非劣解分布等方面比第三代快速非劣排序遗传算法(NSGA-Ⅲ)表现出更好的性能。

摘要：配电网无功优化的问题关系人们的生活用电质量。文章对配电网无功优化模型进行分析,明确了无功优化过程的制约条件。在粒子群算法的基础上,对其惯性权重进行调整,以形成改进的粒子群算法。通过设计惩罚因子,以解决离散量的归整化问题。联合改进粒子群算法和惩罚因子,实现对配电网的无功优化。

摘要：将粒子群算法与惩罚函数法相结合,建构一种离散粒子群算法,解决工程上非线性约束离散变量优化设计问题。为实现离散变量与连续变量的转化,构造了相应的扩张函数,提出惩罚因子的确定策略。通过容器设计算例验证,粒子群算法方法优于文献所列方法。应用粒子群算法、惩罚函数法及所提出的策略对波纹管工程实例进行优化设计,其单位重量下整体波纹管的补偿量比在用产品提高了79.96%,与理论解接近,进一步证明了离散粒子群算法及策略在处理工程非线性约束离散优化设计问题时的有效性,其为工程上类似优化设计提供借鉴。

摘要：针对多个矩阵近似联合对角化盲分离问题,提出一种新的非正交近似联合对角化算法.首先采用罚函数法将联合对角化的非线性约束优化模型转化为无约束优化模型;其次将粒子群优化算法引入无约束优化模型中实现目标函数的最优化,从而完成矩阵组的联合对角化.分析了惩罚因子的更新策略及算法的收敛性能,并设计仿真实验进行对比分析以检验算法解决实际盲分离问题的能力.

摘要：射频(RF)线圈是磁共振成像(MRI)系统的关键部件之一,用于射频信号的发射或接收,乳腺3 T MRI中采用专用的射频线圈可进一步提高磁共振成像的质量。为了获得简单的线圈绕线形状并使得射频磁场分布均匀,研究利用了L曲线自动选取和手动选取惩罚因子对线圈绕线形状和磁场分布均匀性的影响,并结合目标场方法和流函数方法,提出了一种用于3 T(磁感应强度为3 T)乳腺磁共振成像的射频线圈设计方法。研究结果表明:1×1、2×1、2×2、4×1等4种半球形相控阵射频线圈的绕线形状随着阵列增加而变复杂;惩罚因子取利用L曲线自动选取的值时,磁感应强度线性方程的解最精确,阵列1×1在[10-25,10-18]区间内无论怎样选取惩罚因子,灵敏区内的磁场分布误差(即实际值与理想值之间的误差)都>40%,阵列2×2和4×1的磁场分布误差<10%,但是线圈绕线形状非常复杂,工程上难以实现;手动选取惩罚因子的值,可以使得磁场分布误差<40%,而且线圈的绕线形状简单;与相同半径和高度的圆柱型射频线圈相比,所提出的半球型射频线圈磁场分布更为均匀。可得结论:惩罚因子越小,则线圈绕线越复杂,而磁场分布越均匀;反之,惩罚因子越大,则线圈绕线越简单,而磁场分布越不理想。在简单的线圈绕线形状和保证射频磁场分布均匀之间取得平衡需要根据L曲线手动调节选取惩罚因子的值。