摘要：针对遗传算法中初始解分布不均以及易早熟等问题,采用均匀设计方法来生成均匀分布的初始解以及自组织映射算法通过高低维空间映射来改变个体基因从而增强局部搜索能力,提出了均匀自组织映射遗传算法,弥补了传统遗传算法中初始解的生成过于随机以及进化过程中易陷入局部解的不足,并将此改进算法在梯级水库的长期优化调度中进行了应用.通过实例计算表明,与遗传算法以及标准粒子群算法相比,此方法拥有更好的全局寻优能力,与动态规划算法结果相近,并且有着较快的计算速度,从而验证了此方法用于处理梯级水库的长期优化调度问题的可行性与合理性.

摘要：针对多目标优化中计算量大、以及难以提取分析高维数据中的复杂非线性关系的问题,借助自组织映射方法,将隐藏的高维多属性数据特征展现在低维可视空间中。利用NSGA-Ⅱ得到多目标优化问题中的Pareto最优解集,并通过对数据进行聚类分析,从而得到高维最优解集内目标与参数的特征分布、映射关系等特性。以动静压阶梯腔滑动轴承为应用对象,以单位承载力下的摩擦功耗、温升和失稳转速为优化目标,考虑几何结构等约束条件,结合DoE构建相应的低成本、高精度的多目标Kriging代理模型。利用自组织映射方法提取和分析最优特征区域中各目标与参数之间的相关性特征以及映射关系。结果表明,在设计范围内目标与轴向封油边宽度、供油压力之间相关性较强,而与深腔深度、浅腔包角相关性较弱。此方法可更直观地服务于设计人员对于多目标高维优化设计结果参变量的择优。

摘要：【目的】充分利用专利数据,研究专利价值评估和分类问题。【方法】根据专利的价值指标,设计基于自组织映射(SOM)–支持向量机(SVM)的专利价值评估及分类模型,使用自组织映射方法确定专利的价值类别,采用随机森林(RF)对价值指标进行重要性排序,并结合包裹式特征选择方法对价值指标进行约简,以提高SVM的分类性能。【结果】通过SOM确定的价值标签能有效反映专利价值的高低;同时,约简后的指标由初始的14个减少到10个,分类准确率由76.28%提高到86.89%。【局限】对每个类别中的专利价值没有细化,专利价值指标存在进一步约减的可能。【结论】本文方法能够为专利研发活动提供支持,避免过度依赖专家判断。

摘要：高效准确地预测锂电池的健康状态(State of health,SOH)可以保证锂电池的正常运行,提高维护效率及电池本身的稳定性。提出一种基于有监督核自组织映射(Supervised kernel self-organizing map,SKSOM)的建模方法用于锂电池SOH预测。首先,对锂电池的原始放电数据进行预处理及归一化;然后,设计并优化了针对SKSOM的输入特征,在此基础上训练出SOH预测模型;最后,在美国国家航空航天局(National Aeronautics and Space Administration,NASA)的标准锂电池数据集上进行验证。实验结果表明,该文所用的预测模型能有效挖掘出锂电池的SOH规律,预测性能优于其他已有的SOH预测模型。

摘要：[目的]基于CFD的船型优化由于其高维、计算昂贵、“黑盒”等特点,通常会存在优化效率低,优化质量差的问题。针对以上问题,基于自组织映射方法和K-means聚类提出分层设计空间动态缩减方法(HSRM)。[方法]利用K-means聚类算法,对自组织映射方法的可视化结果进行聚类,并提取感兴趣的区域。通过该方式,可在船型优化过程中,对样本仿真数据进行数据挖掘、提取设计知识、指导设计优化,以提高优化质量。最后将该方法应用于7500吨级散货船的船型优化设计过程以验证有效性。[结果]结果表明,利用传统粒子群优化算法(PSO)和HSRM得到的优化船型总阻力分别降低1.854%和2.266%,HSRM能得到更高质量的优化解。[结论]所提出的方法可以指导优化算法向着最优解的方向进行寻优,有效提高优化效率和优化质量。

摘要：蛋白质结构预测是生物信息学中的重要研究方向．为了研究蛋白质折叠的机理,人们引入了只考虑蛋白质疏水核心和亲水外围位置导致能量差别的简化HP模型．即使是求解二维HP模型已被证明是一个NP完全问题,因此需要设计有效的近似算法来求解较大规模的HP模型．从旅行商问题(TSP)的求解看,自组织映射是构造近似算法的有效工具．本文将归一化的F-W自组织模型应用到蛋白质二维HP问题的求解中,结合为克服多重映射构造的局部线搜索算法．数值试验表明,该算法改进了现有的HP模型的SOM求解算法, 只需很少的迭代步数就能找到最低能量构象．这一改进算法可以成为进一步研究的基础．

摘要：针对异常检测方法中存在的异常连接信息不足的问题设计了一种基于混合聚类和自组织映射的异常检测模型.首先提出了一种聚类算法用以进行异常检测,然后再通过自组织映射(SOM)对检测出的异常连接进行分类以获得其更多的异常连接信息.最后应用实验数据集进行仿真,结果表明本检测模型是有效的,能够将检测到的异常连接进行分类并由其所属类别给出该异常连接的更多信息,且检测和分类的效率比较高,误报率低.

摘要：针对现有算法对多无人机(UAV)协同进行多任务分配时存在负载均衡和执行效率方面的不足,提出一种改进的自组织映射(ISOM)算法。该算法根据飞行时间和任务执行时间设计了UAV的负载均衡度,以提升任务完成的效率;还设计了新的非线性变化的学习率和邻域函数保证ISOM算法的稳定性和快速收敛。然后,在不同任务环境对ISOM算法进行了有效性验证。实验结果表明,与结合遗传算法的粒子群优化(GA-PSO)、Gurobi和ORTools算法相比,ISOM算法的任务完成时间可分别减少15.5%、12.7%和7.3%;在TSPLIB数据集的实例KroA100、KroA150、KroA200上进行航迹长度减小的有效性验证时,与杂草优化(IWO)算法、改进的单亲遗传算法(IPGA)和蚁群单亲遗传算法(AC-PGA)的对比结果表明,ISOM算法在无人机数量为2、3、4、5、8时,均获得了最小的航迹长度。由此可见,ISOM算法在解决多UAV协同多任务分配问题时效果显著。

摘要：随着互联网技术的快速发展,在智能制造过程中会伴随着出现海量的工艺知识数据,为了提升对工艺数据的充分利用和掌握,提出一种知识推理框架下的改进自组织映射算法。在协同训练的思想下,对于知识库当中的工艺知识数据进行自组织映射网络下的筛选优胜,提高优胜单元的抗局部最优能力;利用改进自组织映射算法对特征优胜单元进行知识推理准则判断,在向量空间的映射下,通过双曲空间距离公式优选出置信度高的样本数据进行更新子代样本集;为了进一步提升特征信息的利用率,在知识推理框架下多次循环筛选提高工艺知识数据的有效预测。通过对铣削过程中真实数据进行建模仿真,验证了所提方法在面对多样本数据情况下的良好预测优化的性能。

摘要：利用三维自组织映射网络的自组织功能,设计矢量量化码书,实现图像压缩矢量量化。实验结果表明,码书尺寸一定时,三维SOM网络所恢复的图像质量高于二维SOM网络。