金劲
- 作品数：10 被引量：5H指数：1
- 供职机构：兰州理工大学电气工程与信息工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 多约束条件蚁群优化算法的收敛性分析及其应用被引量：3
- 2010年
- 为有效解决无线移动自组网中多约束服务质量(QoS)路由问题,提出结合QoS条件下的改进型蚁群算法.该算法对QoS约束条件进行简化,只考虑影响网络因子的主要指标,提高了算法的工程实用性,并在理论上证明该算法的收敛性.对传统蚁群算法的信息素进行改善,通过对该算法局部和全局收敛性的研究,提出了普遍意义下的收敛条件,为这一类约束条件下的蚁群算法进一步研究奠定了良好的基础.
- 金劲洪毅赵付青余冬梅
- 关键词：移动自组织网蚁群优化算法路由选择算法收敛性分析
- 一种基于交叉融合粒子群优化算法的聚类分析
- 粒子群算法具有快速良好的全局搜索能力,蚁群算法规则简单、收敛速度快,但是易陷入局部极值,基于两种算法的优点,本文提出了粒子群算法与蚁群群算法相结合的聚类方法,由粒子群算法形成初步的聚类中心,再由蚁群算法进行二次优化,仿真...
- 金劲洪毅
- 关键词：蚁群算法粒子群算法聚类分析组合优化
- 移动式密封面加工装置
- 移动式密封面加工装置，用于化工容器接口法兰密封面加工，支架一端固定有减速器，该减速器的输入端连接有第一电机，有一转轴安装在该支架内孔中的轴承上，减速器的动力输出轴安装在该转轴的孔中，该转轴的另一端是燕尾槽结构，通过燕尾槽...
- 赵学金劲沈浩李建华
- 文献传递
- 一种混沌蚁群优化的多约束QoS算法被引量：1
- 2011年
- 利用混沌算法随机性、规律性和遍历性,将混沌搜索融合到蚁群算法中,用于求解最短QoS路由问题,避免蚁群算法易陷入局部寻优的缺点,提高了混合算法的搜索范围,并且加快了蚁群群体的进化速度,仿真实验表明,该算法提高了算法的搜索精度,并具有较快的收敛速度。
- 金劲洪毅赵付青余冬梅
- 关键词：蚁群算法优化算法多约束
- 筒体镗孔机
- 筒体镗孔机，包括有机架(1)、机架(1)下部设有用于前后调整用的导轨(29)，机架(1)上设有主轴部件，其特点是在所述的机架(1)上两侧设有耳座(33)，机架(1)上还设有调节及锁紧机构(25)，调节及锁紧机构(25)上...
- 赵学蒋钧钧金劲马志宏罗生梅李建华吴卓蔡善乐扬荣荣
- 文献传递
- 小波变换在水力发电机组数据采集处理中的应用
- 2008年
- 针对水力发电机组上下机架振动测试的实际问题,讨论小波变换在水力发电机组数据采集滤波中的应用.分析研究表明,在目前的水力发电机承重机架的振动测试中,利用小波变换可有效地分离由于测试支架引起的干扰信号,提高数据的精确性.结合水力发电机组的特征,HDAI采用上位机(计算机)和下位机相结合的结构形式,实现上位机对下位机的控制,以对不同比转速的机型、不同的试验测试类型和不同的试验工况实现变时点、变频率、多种数据采集方式、多种数据保存的操作,实现水电机组承重机架轴向变形、振动及其固有频率的测试.
- 骆东松金劲洪毅李战明
- 关键词：水力发电机组小波函数故障诊断振动
- 一种基于交叉融合粒子群优化算法的聚类分析
- 粒子群算法具有快速良好的全局搜索能力,蚁群算法规则简单、收敛速度快,但是易陷入局部极值,基于两种算法的优点,本文提出了粒子群算法与蚁群群算法相结合的聚类方法,由粒子群算法形成初步的聚类中心,再由蚁群算法进行二次优化,仿真...
- 金劲洪毅
- 关键词：蚁群算法粒子群算法聚类分析组合优化
- 群集智能算法在网络策略中的研究及其应用
- 在Internet中,由于多媒体通信和网络视频的增长,网络资源和网络需求之间的矛盾越来越突出,网络路由和网络流量的平衡成为制约网络发展的瓶颈。抑制网络拥塞,提高网络的质量,使网络达到动态均衡,已成为Internet相关技...
- 金劲
- 关键词：群集智能单播路由组播路由QOS网络
- 基于粒子融合的多约束蚁群优化算法
- 针对Qo S路由选择问题,在粒子群算法和蚁群算法融合的基础上提出了一种新的算法PSACOo S,使用粒子群算法生成初始解,利用蚁群算法对路径寻优;仿真结果表明,采用新算法比遗传算法具有更优的性能。
- 金劲赵付青洪毅
- 关键词：QOS多约束蚁群算法
- 文献传递
- 基于带宽受限模糊权重的蚁群优化算法及其应用被引量：1
- 2012年
- 针对基于流量控制的优化路径很难得到最优解和计算复杂度过大等问题,该文提出带宽受限条件下基于随机网络拓扑的模糊蚁群优化动态流量分配方案。该方案根据网络流量的模糊控制划分路径权重,将路径权重融入信息素中;采用蚁群全局搜索和信息素控制在多条路径中动态选择最优路径。仿真结果证明了该算法的有效性,该法显著加快了传统路由算法网络流量的探索收敛速度。
- 金劲洪毅赵付青余冬梅
