针对历史轨迹加噪发布干扰轨迹时数据集的冗余问题和轨迹形状相似带来的隐私泄露风险,提出轨迹数据先约简后泛化再进行差分隐私加噪的基于改进萤火虫群优化求解的干扰轨迹发布保护机制(IGSO-SDTP)。首先,基于位置显著点约简历史轨迹数据...针对历史轨迹加噪发布干扰轨迹时数据集的冗余问题和轨迹形状相似带来的隐私泄露风险,提出轨迹数据先约简后泛化再进行差分隐私加噪的基于改进萤火虫群优化求解的干扰轨迹发布保护机制(IGSO-SDTP)。首先,基于位置显著点约简历史轨迹数据集;其次,结合k⁃匿名和差分隐私对简化后的轨迹数据集分别进行泛化和加噪;最后,设计了兼顾距离误差和轨迹相似性的加权距离,并以加权距离为评价指标,基于改进萤火虫群优化(IGSO)算法求解加权距离小的干扰轨迹。在多个数据集上的实验结果表明,与RD(Differential privacy for Raw trajectory data)、SDTP(Trajectory Protection of Simplification and Differential privacy)、LIC(Linear Index Clustering algorithm)、DPKTS(Differential Privacy based on K-means Trajectory shape Similarity)相比,IGSO-SDTP方法得到的加权距离分别降低了21.94%、9.15%、14.25%、10.55%,说明所提方法发布的干扰轨迹可用性和稳定性更好。展开更多
针对电动调节阀控制系统在实际生产过程中存在的非线性、多扰动等问题,提出一种基于改进蚁群算法优化单神经元PID(proportional integral derivative)的控制方法并将其应用于阀门开度控制中。该方法利用单神经元网络的自学习和自适应能...针对电动调节阀控制系统在实际生产过程中存在的非线性、多扰动等问题,提出一种基于改进蚁群算法优化单神经元PID(proportional integral derivative)的控制方法并将其应用于阀门开度控制中。该方法利用单神经元网络的自学习和自适应能力,实现PID控制参数的在线整定,并采用改进的蚁群优化算法优化单神经元PID中的学习速率和神经元比例系数,有效克服了单神经元PID中的学习速率和神经元比例系数因经验设定而无法达到预期控制效果的不足。仿真对比结果显示,相比于传统PID、单神经元PID以及基于蚁群优化算法优化单神经元PID 3种控制方法,本文提出的控制方法超调量分别减少了10.2%、6.1%和1.8%,同时调节时间也相应缩短了0.22、0.07、0.03 s,并且表现出更强的自适应和抗干扰能力,能够使阀门开度控制更加稳定可靠。展开更多
为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine...为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine Optimizer,CPO)的机械臂路径规划方法。通过引入动态种群收缩策略,在迭代过程中缩减种群规模,减少计算成本,使用末位淘汰机制及对算法结构改良提升全局寻优能力,增加个体多样性,并引入动态调整因子λ_t改进第一防御策略,平衡算法在不同阶段的探索与优化比例。通过Lindenmayer系统及UR5机械臂构建茶叶采摘仿真场景,进行仿真路径规划实验。在10个不同环境中,改进CPO算法相比原算法,平均计算时间减少4.7%,平均路径长度缩短0.78%;与灰狼优化(Grey Wolf Optimizer,GWO)、蜣螂优化(Dung Beetle Optimizer,DBO)、快速扩展随机树(Rapidly-exploring Random Trees,RRT)等算法相比,平均耗时相较GWO、DBO分别下降25%、24%,路径长度相较RRT算法减少23%、平均规划成功率高28%。改进CPO算法相较其他算法耗时更短,同时具有更好的路径质量及规划成功率,验证了其在茶叶采摘机械臂路径规划问题上的实用价值。展开更多
文摘针对历史轨迹加噪发布干扰轨迹时数据集的冗余问题和轨迹形状相似带来的隐私泄露风险,提出轨迹数据先约简后泛化再进行差分隐私加噪的基于改进萤火虫群优化求解的干扰轨迹发布保护机制(IGSO-SDTP)。首先,基于位置显著点约简历史轨迹数据集;其次,结合k⁃匿名和差分隐私对简化后的轨迹数据集分别进行泛化和加噪;最后,设计了兼顾距离误差和轨迹相似性的加权距离,并以加权距离为评价指标,基于改进萤火虫群优化(IGSO)算法求解加权距离小的干扰轨迹。在多个数据集上的实验结果表明,与RD(Differential privacy for Raw trajectory data)、SDTP(Trajectory Protection of Simplification and Differential privacy)、LIC(Linear Index Clustering algorithm)、DPKTS(Differential Privacy based on K-means Trajectory shape Similarity)相比,IGSO-SDTP方法得到的加权距离分别降低了21.94%、9.15%、14.25%、10.55%,说明所提方法发布的干扰轨迹可用性和稳定性更好。
文摘针对电动调节阀控制系统在实际生产过程中存在的非线性、多扰动等问题,提出一种基于改进蚁群算法优化单神经元PID(proportional integral derivative)的控制方法并将其应用于阀门开度控制中。该方法利用单神经元网络的自学习和自适应能力,实现PID控制参数的在线整定,并采用改进的蚁群优化算法优化单神经元PID中的学习速率和神经元比例系数,有效克服了单神经元PID中的学习速率和神经元比例系数因经验设定而无法达到预期控制效果的不足。仿真对比结果显示,相比于传统PID、单神经元PID以及基于蚁群优化算法优化单神经元PID 3种控制方法,本文提出的控制方法超调量分别减少了10.2%、6.1%和1.8%,同时调节时间也相应缩短了0.22、0.07、0.03 s,并且表现出更强的自适应和抗干扰能力,能够使阀门开度控制更加稳定可靠。
文摘为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine Optimizer,CPO)的机械臂路径规划方法。通过引入动态种群收缩策略,在迭代过程中缩减种群规模,减少计算成本,使用末位淘汰机制及对算法结构改良提升全局寻优能力,增加个体多样性,并引入动态调整因子λ_t改进第一防御策略,平衡算法在不同阶段的探索与优化比例。通过Lindenmayer系统及UR5机械臂构建茶叶采摘仿真场景,进行仿真路径规划实验。在10个不同环境中,改进CPO算法相比原算法,平均计算时间减少4.7%,平均路径长度缩短0.78%;与灰狼优化(Grey Wolf Optimizer,GWO)、蜣螂优化(Dung Beetle Optimizer,DBO)、快速扩展随机树(Rapidly-exploring Random Trees,RRT)等算法相比,平均耗时相较GWO、DBO分别下降25%、24%,路径长度相较RRT算法减少23%、平均规划成功率高28%。改进CPO算法相较其他算法耗时更短,同时具有更好的路径质量及规划成功率,验证了其在茶叶采摘机械臂路径规划问题上的实用价值。
