多相冷藏存储单元网络的设计具有许多特征，例如多参数，多约束和高计算复杂度。是理论上优化策略的复杂问题。找绝对准确的最优解决方案通常需要大量的计算。须考虑算法的性能。用近似集启发式属性约简算法实现特征属性的减少，在此基础上使用改进的支持向量机来预测约简信息。了获得最佳预测精度，采用混沌粒子群（PSO）优化算法避免了预测模型SVM的局部优化。后，通过实验比较了粒子群优化算法（PSO），冷凝器价格改进PSO（IPSO）和混沌PSO（CPSO）算法的性能，结果表明，与其他方法相比，它可以达到收敛速度并防止局部优化。能有很大改善。PSO;多相冷藏机组网络;混沌粒子群; DOI网络优化：10。
1907 / rjdk。181991中图分类号：TP319文献标识码：A文章编号：1672-7800（2019）004-0123-04简介集成电路生产线经常使用多种设备（装载机，分配器，固晶机，焊丝机等）形成管道。了完成小批量和多模式的芯片处理，有必要使用分布式多摄像机来识别和定位样本，这涉及到研究单元网络的设计。相冷藏。相冷藏存储单元网络的设计具有许多特征，例如多参数，多约束和高计算复杂度。是理论上优化策略的复杂问题。
找绝对准确的最优解决方案通常需要大量的计算。须考虑算法的性能。效的SVM结构参数可能导致预测精度降低，需要进行优化以克服此问题。子群优化算法（PSO）具有良好的全局搜索能力，已广泛应用于人工神经网络和SVM的优化[1-7]。还提供了良好的结果并提高了优化效率。
前的PSO算法在搜索性能方面存在两个主要问题：它在搜索开始时收敛得更快，局部搜索调整更接近极值点，并不能保证收敛到最佳状态。地：人口多样性丧失太快，导致早熟[8-17]。对相关问题，程碧琛等人。[18]提出了一种基于优良系数的混沌离散粒子群优化算法（ILCDPSO），用于解决旅行旅行者问题（TSP）;徐文兴等研究人员和SQP加速局部搜索，使粒子可以基于快速局部优化来探索整个空间;周燕等[20]提出了一种新的具有自适应惯性加权的混沌PSO算法，能够在参数的情况下分析每种算法的性能之间的不同关系。
了消除SVM优化中的PSO缺陷，本文采用基于可识别粗糙集矩阵的启发式属性约简算法来获取特征属性约简，从而使机器能够增强载波矢量以预测减少信息。了实现最佳预测精度，混沌粒子群（PSO）优化算法使得可以防止SVM预测模型的局部优化，从而显着提高预测的准确性。优化的多相机参数涉及集成电路生产线的特性：本文主要关注芯片的位置，电源的位置，引脚等。此，将地图简化为特征点。建立的相机的简化模型如图2所示。1.以单个摄像机为例，假设特征点i对应第i个摄像机，特征点i的法线单位矢量L作为对称轴，锥体的角度为q，[ α] [β]是球面坐标的AE角，则：增强优化算法在预测优化过程中，对特征的所有属性进行归一化，然后对样本进行建模，将明显增加计算系统。外，如果样本的所有函数属性被发送到载波矢量机器以进行预测，则系统还可能导致错误的预测判断。
此，有必要研究一种区分属性特征重要性的方法。文介绍了近似集的理论，以判断样本属性的重要性，并获得属性约简。[ψ]是等式（7）中的一般参数。然，属性出现的频率越高，它就越重要。
此，由于等式（7）的启发式规则，首先计算每个属性的重要性，然后消除最不重要的属性，从而产生相对最小的减少属性。是一个用于近似集的启发式属性约简算法：输入：决策表输出：相对约简算法的步骤如下：计算可辨识矩阵，确定内核属性，并找到整体没有main属性的属性获取步骤属性组合。合范式的形式[F =∧（cij：（i = 1，2，3？S; j = 1，2，3？M））]]，并将得到的属性集转换为范式的形式脱节;等式（7）计算并判断所获得的属性的重要性：根据该步骤，获得并减去最不重要的属性以获得减少后的属性。少的特征属性被发送到媒体矢量机建模器以进行建模。斯核宽度和正则化因子在SVM的泛化能力中起着重要作用，这使得这两个参数的优化至关重要，这使得这两个参数的优化成为必要。文采用一种算法混乱PSO优化LS-SVM设置。子群的混沌优化算法粒子群优化算法是一种基于群体协作的随机搜索算法，通过模拟鸟类的觅食行为来开发。功应用于神经网络和SVM的优化[10-11]。子群优化算法搜索能力低，搜索精度低，容易陷入局部最小解，并且对参数有一定依赖性，因此建议执行搜索混乱增加粒子的多样性。沌搜索可以获得搜索空间的所有状态，生成与优化解决方案接近的邻居，以维持解决方案的多样性。沌和PSO的组合可以防止优化过程过早老化。测模式在本文中，每个相机姿态和成像参数被认为是要求解决的参数为了提高预测模型的鲁棒性，混沌粒子优化算法用于优化调节因子C和LS-SVM的核心宽度σ。测过程如下：在各种约束下，每个摄像机姿态和每个成像参数被认为是要解析的参数，即3个简化参数[Xi = [σiqiN] T]等式（5）中的粒子的位置随机初始化。
度：评估每个粒子的适用性，并考虑粒子的最佳位置是当前的最佳解决方案;根据当前的最优解，连续调整每个粒子的位置和速度，重新计算当前的最优解; PSO优化控制因子C和内核σ的宽度，累积每个SVM模型并显示预测结果。果已达到预定义的迭代次数或操作的精度，则停止搜索并生成结果，否则返回步骤。出包含要解决的参数，即相机和成像设置。过根据不同的随机输入使用PSO算法可以获得不同的结果，并且需要若干计算来选择最优个体。了验证算法的性能，模拟了集成电路生产管道的摄像机分布，并且其在Z平面上的投影为1m×2m，如图4所示。2.通过设置投影间隔，获得相应的网格点。设计过程中，所有相机使用相同型号，并始终使用Unicon uc130和25mm镜头。据1m * 2m IC数据包生产线的投影面积，估计所需的摄像机数量为12.图3是个人的健身值的图表。着相机的增加。3显示随着摄像机数量的增加，摄像机数量的增加逐渐减少。PSO的优化过程中，[c1 = c2 = 1，2]，[ω= 0，7]，粒子群的大小为40.对于混沌逻辑研究，定义[μ= 3]，[a = 1.1]，[b = 0.2];对于混沌Henon搜索，设置[c = 1，4]，冷凝器价格[d = 0，41]。辑性能和混沌Henon搜索性能的比较如图4和图5所示。中显示Henon稳定区间大于Logistic，它可以提供更稳定的PSO最优自适应值，从而提高了混沌优化的效率。1给出了10个摄像机的最佳配置结果分析。2显示了不同模型的预测性能比较。表显示所提出的方法优于PSO-SVM和SVM模型，并且混沌搜索过程可用于避免局部最小值。可以将预测误差降低0.42％以上。于每种类型的摄像机，多次更改输入摄像机的数量可在不同摄像机编号下提供网络摄像机的最佳测量精度。据精度随摄像机数量变化的曲线，从曲线中选择满足精度要求的模型中的摄像机数量和相应的优化配置。3显示，在35个实验中，改进的CPSO算法的实验结果相对于IPSO算法的结果得到改善，并且CPSO算法可以收敛到最佳值的次数得到改善。且算法的平均值更接近最优解。文算法的性能有所提高。4比较了当群体的大小为30时各种算法的结果。表显示在相同的迭代次数下，通过改进的CPSO算法求解的最优解更接近系统值。论多相冷库阵列的设计具有多参数，多约束，计算复杂度高等特点。是理论上战略优化的复杂问题。找绝对精确的最优解决方案通常需要非常大量的计算。实现过程中必须考虑算法的性能。文提出了一种新的混合智能预测模型：将近似集理论与特征量和SVM监督学习相结合，探索成像参数数据中的明显和潜在模式，算法混沌PSO用于优化SVM设置。验结果表明，与传统方法相比，所提出的预测优化方法是可行和有效的，预测优化效果优于不降低近似集理论和PSO处理功能的模型。乱。
本文转载自
冷凝器价格 http://www.china-iceage.com