• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種基于高維粒子群算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化研究

    2017-03-04 21:34:52黃余
    現(xiàn)代電子技術(shù) 2017年3期
    關(guān)鍵詞:粒子群算法結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)

    黃余

    摘 要: 為克服傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)在運(yùn)算過程的不足,提出一種基于高維粒子群算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法。通過在高維PSO算法中引入隨機(jī)變化的加速常數(shù)來獲得最優(yōu)權(quán)值,對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化和訓(xùn)練,再將優(yōu)化好的高維BP神經(jīng)網(wǎng)絡(luò)運(yùn)用到交通事件自動(dòng)檢測(cè)中,通過檢測(cè)訓(xùn)練算法,并對(duì)訓(xùn)練后的數(shù)據(jù)進(jìn)行分類測(cè)試,把分類測(cè)試的結(jié)果與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和經(jīng)典事件檢測(cè)算法比較。結(jié)果顯示,經(jīng)過優(yōu)化后的高維粒子群BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)率、算法性能均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)算法和經(jīng)典算法,其中97,50個(gè)測(cè)試樣本中僅有2個(gè)測(cè)試樣本與應(yīng)該達(dá)到的數(shù)值不一致,其他樣本都滿足測(cè)試要求,并且平均優(yōu)化測(cè)試時(shí)間是傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)檢測(cè)時(shí)間的一半,因此,優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)算法的性能十分優(yōu)越。

    關(guān)鍵詞: 高維BP神經(jīng)網(wǎng)絡(luò); 粒子群算法; 神經(jīng)網(wǎng)絡(luò); 結(jié)構(gòu)優(yōu)化

    中圖分類號(hào): TN711?34; TP311 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2017)03?0157?03

    Research on a neural network structure optimization method based on

    high?dimensional particle swarm optimization

    HUANG Yu1, 2

    (1. College of Computer Science, Chongqing University, Chongqing 400044, China; 2. Yibin Vocational and Technical College, Yibin 644003, China)

    Abstract: In order to eliminate the shortcomings of the traditional BP neural network in the operation process, a neural network optimization method based on the high?dimensional particle swarm optimization algorithm is proposed. The acceleration constant with random variation is introduced into the high?dimensional PSO algorithm to acquire the optimal weight to optimize and train the BP neural network. The optimized high?dimensional BP neural network is applied to the automatic detection of the traffic incident. The trained data is performed with class test with the detection and training algorithm, and its result is compared with those tested with the traditional BP neural network algorithm and classical event detection algorithm. The results show that the detection rate and performance of the algorithm optimized with high?dimensional particle swarm optimization BP neural network algorithm are better than those optimized with BP neural network algorithm and classical algorithm, the values of 2 test samples are different with the expected values of 97 and 50 test samples, the rest samples can meet the test requirement, and the average optimal testing time is half of the detection time of the traditional BP neural network. The optimized BP neural network algorithm has excellent performance.

    Keywords: high?dimensional BP neural network; particle swarm optimization; neural network; structure optimization

    0 引 言

    目前關(guān)于高維多目標(biāo)優(yōu)化問題的理論和方法大都限于少數(shù)幾種算法,如NSGA?II算法,粒子群優(yōu)化(PSO)算法。粒子群優(yōu)化算法是Kennedy等受到飛鳥集群活動(dòng)的啟發(fā)而提出的一類新興的基于集群智能優(yōu)化算法[1?5]。相比進(jìn)化算法,PSO具有易于實(shí)現(xiàn)和收斂速度快等優(yōu)勢(shì)。近年來PSO在多目標(biāo)優(yōu)化領(lǐng)域的研究上取得了較大進(jìn)展[6?9],在神經(jīng)網(wǎng)絡(luò)訓(xùn)練、復(fù)雜函數(shù)優(yōu)化、圖像處理、工業(yè)系統(tǒng)優(yōu)化等領(lǐng)域應(yīng)用廣泛[10],PSO在特性的函數(shù)優(yōu)化問題上更是發(fā)揮著重要作用,這些特性函數(shù)通常具備維數(shù)高、非線性、規(guī)模大、非凸和不可微等特點(diǎn),一般計(jì)算方法運(yùn)算困難。針對(duì)粒子群優(yōu)化算法的優(yōu)點(diǎn)以及傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)存在的諸如較慢的收斂速度、較低的學(xué)習(xí)效率,并且在計(jì)算過程中較難計(jì)算出局部極小值等問題[11?14],提出一種基于高維粒子群算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法,結(jié)合二者優(yōu)點(diǎn)使其更好地應(yīng)用于實(shí)際中。

    1 基于高維PSO算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化

    1.1 高維PSO算法簡(jiǎn)介

    粒子群算法是一種集群行為的計(jì)算方法,在不局限于二維空間,考慮高維時(shí),即是高維PSO算法。設(shè)搜索空間為[D]維,粒子集群是由[M]個(gè)粒子組成,其中,第[i]個(gè)粒子的空間位置表示為[Xi=xi1,xi2,…,xiD,i=][1,2,…,M,]其飛行速度應(yīng)表示為[Vi=][vi1,vi2,…,viD。]將空間位置和飛行速度數(shù)值代入優(yōu)化目標(biāo)函數(shù)中,從而計(jì)算出用于衡量[x]優(yōu)劣的適應(yīng)值。假設(shè)粒子[i]搜索到的最優(yōu)位置為[Pi=pi1,pi2,…,piD,]整個(gè)粒子群搜索到的最優(yōu)位置記為[PK=pK1,pK2,…,pKD。]此時(shí),對(duì)于每一代粒子,其第[d]維[1≤d≤D]的速度和位置根據(jù)式(1),式(2)迭代:

    [vktt+1=ut?vitt+c1r1pid-xidt+c2r2pid-xidt] (1)

    [xidt+1=xidt+vidt+1] (2)

    [ut=umax-umax-umintitmax] (3)

    式中:[ut]代表慣性權(quán)值數(shù)值,一般為線性慣性權(quán)值,慣性權(quán)值的作用是提高粒子群算法的全局、局部?jī)?yōu)化能力;[t]代表現(xiàn)在的迭代次數(shù);[itmax]代表迭代的最大次數(shù);[c1]和[c2]代表學(xué)習(xí)因子;[r1,r2]代表在[0,1] 范圍內(nèi)變化的兩個(gè)隨機(jī)數(shù)值。

    粒子位置的更新如圖1所示。

    1.2 BP神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上一般由輸入層、隱含層、輸出層三層構(gòu)成,屬于多層前饋神經(jīng)網(wǎng)絡(luò),包括輸入信號(hào)前向傳遞和誤差反向傳播兩個(gè)過程。BP神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用在各種預(yù)測(cè)模型中。網(wǎng)絡(luò)結(jié)構(gòu)一般只需單個(gè)隱含層就能以任意精度逼近任意有理函數(shù)。訓(xùn)練樣本的輸入、輸出向量的維數(shù)分別決定了網(wǎng)絡(luò)的輸入、輸出層神經(jīng)節(jié)點(diǎn)個(gè)數(shù),典型的只有單個(gè)隱含層、單個(gè)輸出的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    在圖2中,[xi=x1,x2,…,xn]代表一組BP神經(jīng)網(wǎng)絡(luò)的輸入向量;[y]代表一組BP神經(jīng)網(wǎng)絡(luò)的目標(biāo)輸出值;[wij]代表輸入層和隱含層兩層級(jí)之間的連接權(quán)值;[wj1]代表隱含層和輸出層兩層級(jí)之間的連接權(quán)值。[aj,b]分別為隱含層和輸出層的節(jié)點(diǎn)閾值。若設(shè)隱含層節(jié)點(diǎn)個(gè)數(shù)為[m,]則[j=1,2,…,m=1,]在輸入信號(hào)前向傳遞過程中,[xi]從輸入層逐層傳輸?shù)诫[含層和輸出層,由傳輸過程中各層連接權(quán)值矢量、閾值矢量和相應(yīng)的激勵(lì)函數(shù)計(jì)算,得出輸出層的預(yù)測(cè)輸出值[Y,]若預(yù)測(cè)值[y]與目標(biāo)值[Y]之間有誤差,則誤差部分轉(zhuǎn)入反向逐層傳遞,沿誤差減小的方向調(diào)整網(wǎng)絡(luò)各層連接的權(quán)值、閾值。反復(fù)執(zhí)行以上過程,使得BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值不斷逼近實(shí)際輸出值。

    1.3 PSO算法的優(yōu)化

    在實(shí)驗(yàn)過程中,種群的中間粒子更容易得到全局最優(yōu)位置而不是PSO算法中的所有粒子。因此,本文基于PSO算法并采用慣性因子[σ,]慣性因子更容易追蹤種群中最優(yōu)粒子的位置并確保速度連續(xù)變化,即粒子下一時(shí)段的運(yùn)行速度是在上一時(shí)段運(yùn)行速度的基礎(chǔ)上迭代產(chǎn)生的,提高了PSO算法的性能,該優(yōu)化算法稱為帶慣性項(xiàng)的粒子群算法。采用慣性因子[σ]后,新的粒子速度公式為:

    [Vidt+1=σVidt+c1r1Pid-Xidt+c2r2Pgd-Xidt] (4)

    優(yōu)化后的PSO算法更容易找到最優(yōu)位置。在最優(yōu)位置找尋過程中,如果粒子探索的程度是在新的方向則被稱為探測(cè),而仍然在原始軌跡搜索則稱為開發(fā)。探測(cè)和開發(fā)是找尋最優(yōu)位置的必經(jīng)過程,調(diào)整粒子探測(cè)和開發(fā)程度可以更好地找尋最優(yōu)位置并達(dá)到優(yōu)化效果。所以,常將隨機(jī)變化的加速常數(shù)[c1]和[c2]應(yīng)用到帶慣性項(xiàng)的粒子群算法,代表粒子向個(gè)體極值和全局極值推進(jìn)過程中的隨機(jī)加速權(quán)值,從而動(dòng)態(tài)改變探測(cè)和開發(fā)所占的比例,使其盡快找到全局最優(yōu)位置,該優(yōu)化算法稱為引入慣性項(xiàng)和隨機(jī)加速常數(shù)的粒子群算法。其中,加速常數(shù)[c1]和[c2]定義為:

    [c1=random(a)+tTmax] (5)

    [c2=random(b)-tTmax] (6)

    式中:[random(a)]和[random(b)]代表系統(tǒng)隨機(jī)生成的數(shù);[t,Tmax]代表當(dāng)前進(jìn)化代數(shù)和最大進(jìn)化代數(shù)。

    1.4 BP網(wǎng)絡(luò)權(quán)值優(yōu)化方法

    由BP網(wǎng)絡(luò)的三層結(jié)構(gòu)可知,用[ujht]代表輸入層和隱含層的網(wǎng)絡(luò)權(quán)值,[wkj(t)]代表隱含層和輸出層的網(wǎng)絡(luò)權(quán)值,[θk]代表輸出節(jié)點(diǎn)閾值,[θj]代表隱含層節(jié)點(diǎn)閾值。具體更新公式如下:

    [wkjt+1=wkjt+αδkHj] (7)

    [ujht+1=ujht+αkσjIh] (8)

    [θKt+1=θKt+βδk] (9)

    [θjt+1=θjt+βσj] (10)

    式中:[Hj]代表隱含層節(jié)點(diǎn)[j]的輸出信號(hào);[Ih]代表輸入層節(jié)點(diǎn)[h]的輸入信號(hào);[δk]代表輸出層節(jié)點(diǎn)[k]的誤差;[σj]代表隱含層節(jié)點(diǎn)[j]的誤差;[α, β]代表學(xué)習(xí)參數(shù),參數(shù)取值范圍為0.1~0.9。

    1.5 高維粒子群BP的算法實(shí)現(xiàn)

    高維粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)需要確定網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),根據(jù)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)確定粒子搜索空間的維數(shù),即粒子長(zhǎng)度,以誤差均方值作為基準(zhǔn)調(diào)節(jié)BP網(wǎng)絡(luò)中的權(quán)值和閾值,以粒子群優(yōu)化的適應(yīng)度函數(shù)作為BP網(wǎng)絡(luò)誤差的反傳函數(shù),據(jù)此建立誤差均方值與粒子群優(yōu)化的適應(yīng)度函數(shù)的對(duì)等關(guān)系,目標(biāo)函數(shù)的表達(dá)式如下:

    [fi=1Nk=1Nyk-ymk2] (11)

    式中:[N]代表總訓(xùn)練樣本數(shù);[fi]代表目標(biāo)函數(shù)的誤差平方和;[y(k)]代表目標(biāo)函數(shù)的目標(biāo)輸出值;[ym(k)]代表目標(biāo)函數(shù)的實(shí)際輸出值。

    改進(jìn)粒子群算法尋優(yōu)的具體步驟如下:

    (1) 初始化粒子群參數(shù)。初始化粒子群規(guī)模、最大迭代次數(shù)[Tmax、]學(xué)習(xí)因子[c1]和[c2、]慣性權(quán)重[wmax]和[wmin]在特定位置與速度范圍內(nèi)隨機(jī)初始化位置向量和速度向量。

    (2) 初始化BP神經(jīng)網(wǎng)絡(luò)。由實(shí)際情況確定BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),并建立下一步運(yùn)算的網(wǎng)絡(luò)模型,進(jìn)一步明確粒子維度。

    (3) 輸入網(wǎng)絡(luò)訓(xùn)練樣本。通過步驟(1),步驟(2)初始化的位置向量輸入網(wǎng)絡(luò)訓(xùn)練樣本,確定網(wǎng)絡(luò)的權(quán)值和閾值,計(jì)算出期望輸出的誤差均方值和實(shí)際輸出的誤差均方值,由二者的誤差均方值可以得到粒子群的適應(yīng)度函數(shù)。在粒子群適應(yīng)度函數(shù)的基礎(chǔ)上結(jié)合位置和慣性因子可以計(jì)算粒子新的運(yùn)動(dòng)位置和運(yùn)動(dòng)速度。

    (4) 迭代運(yùn)算。確定每個(gè)粒子的個(gè)體極值和全局極值:粒子[i]的適應(yīng)度值[fi]與個(gè)體最優(yōu)值[Pbest]比較,如果小于[Pbest]則取代它作為當(dāng)前的個(gè)體最優(yōu);適應(yīng)度值[fi]與全局極值[gbest]比較, 如果小于[gbest]則取代它作為當(dāng)前的全局最優(yōu)。當(dāng)停止迭代時(shí),會(huì)得到粒子在全局的最優(yōu)位置,此時(shí)需要把該數(shù)值作為BP網(wǎng)絡(luò)的最后權(quán)重值,映射為BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。

    (5) 將樣本數(shù)據(jù)源中訓(xùn)練樣本輸入到已確定的網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練,用測(cè)試樣本做預(yù)測(cè)。

    2 高維粒子群BP算法實(shí)例仿真

    高維粒子群BP算法仿真實(shí)驗(yàn)的實(shí)驗(yàn)數(shù)據(jù)采集自沈陽(yáng)市和平區(qū)易發(fā)生交通擁堵的某一路段,采集方式是在測(cè)試車輛上安裝激光測(cè)距儀和 GPS設(shè)備,采樣時(shí)間設(shè)置為2 s,采樣時(shí)間段為早、中、晚高峰期三小時(shí)的時(shí)間區(qū)間,并多次測(cè)量采集數(shù)據(jù),選擇每組中發(fā)生事件的實(shí)驗(yàn)數(shù)據(jù)為6 rain,參照上述標(biāo)準(zhǔn)共采集150組樣本數(shù)據(jù),把樣本數(shù)據(jù)歸一化。將100組訓(xùn)練數(shù)據(jù)、50組測(cè)試數(shù)據(jù)輸入到Matlab進(jìn)行運(yùn)算,電腦內(nèi)存為8 GB,利用本文的高維粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法訓(xùn)練,最后將測(cè)試樣本分類判別,檢驗(yàn)最后的計(jì)算性能。部分原始樣本數(shù)據(jù)見表1。

    設(shè)置高維粒子群算法的參數(shù),其中,種群數(shù)量設(shè)置為[m=30,]維數(shù)設(shè)置為[D=12×13+13×4+4=212,]加速因子設(shè)置為[c1=c2=1.50,]慣性因子設(shè)置為[ω=0.720,]速度最大值[Vmax=1,]速度最小值[Vmin=-1,]位置最大值為5,位置最小值為?5,最大迭代次數(shù)[N=100。]當(dāng)計(jì)算循環(huán)過程達(dá)到終止迭代次數(shù)時(shí)則終止計(jì)算。

    通常采用交通事件的檢測(cè)率(DR)、平均檢測(cè)時(shí)間(MTTD)、誤判率(FAR)評(píng)價(jià)交通事件自動(dòng)檢測(cè)的算法效率。通過采用本文優(yōu)化的計(jì)算方法對(duì)采集到的數(shù)據(jù)進(jìn)行分類訓(xùn)練等一系列計(jì)算分析,并將最終分析結(jié)果和經(jīng)典事件檢測(cè)算法、BP神經(jīng)網(wǎng)絡(luò)算法比較。結(jié)果表明,經(jīng)過優(yōu)化后的高維粒子群BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)率、算法性能均優(yōu)于經(jīng)典算法和BP神經(jīng)網(wǎng)絡(luò)算法,其中97,50個(gè)測(cè)試樣本中僅有2個(gè)測(cè)試樣本與應(yīng)該達(dá)到的數(shù)值不一致,其他樣本都滿足測(cè)試要求,并且平均優(yōu)化測(cè)試時(shí)間是傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)檢測(cè)時(shí)間的一半,結(jié)果對(duì)比見表2。

    3 結(jié) 語(yǔ)

    本文基于高維粒子群算法的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化方法,改進(jìn)了傳統(tǒng)運(yùn)算方法的檢測(cè)時(shí)間長(zhǎng)、收斂速度慢的缺點(diǎn),且容易實(shí)現(xiàn),是一種新興的群智能優(yōu)化算法,優(yōu)化全面,適用范圍廣泛,具有較高的精度和較好的擬合性能。

    參考文獻(xiàn)

    [1] 姚爾果,閆秋粉,南振岐,等.基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型研究[J].佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,31(1):107?109.

    [2] 謝錚桂,鐘少丹,韋玉科.改進(jìn)的粒子群算法及收斂性分析[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(1):46?49.

    [3] 閏紀(jì)如.粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測(cè)中的應(yīng)用[D].杭州:浙江工業(yè)大學(xué),2013.

    [4] 劉洪波,王秀坤,孟軍.神經(jīng)網(wǎng)絡(luò)基于粒子群優(yōu)化的學(xué)習(xí)算法研究[J].小型微型計(jì)算機(jī)系統(tǒng),2005,26(4):638?640.

    [5] 胡衛(wèi)東,曹文貴.基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性評(píng)價(jià)中的應(yīng)用[J].湖南理工學(xué)院學(xué)報(bào)(自然科學(xué)版),2014,27(2):71?77.

    [6] 劉坤,譚營(yíng),何新貴.基于粒子群優(yōu)化的過程神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,47(2):238?244.

    [7] 徐以山,曾碧,尹秀文,等.基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2009,45(35):233?235.

    [8] 張德慧,張德育,劉清云,等.基于粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)[J].計(jì)算機(jī)工程與設(shè)計(jì),2015,36(5):1322?1328.

    [9] 肖俊生,任諱龍,李文濤.基于粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)漏鋼預(yù)報(bào)的研究[J].計(jì)算機(jī)測(cè)量與控制,2015,23(4):1302?1305.

    [10] 沈?qū)W利,張紅巖,張紀(jì)鎖.改進(jìn)粒子群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2010(2):57?61.

    [11] 江麗,王愛平.基于粒子群與BP混合算法的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法[J].計(jì)算機(jī)應(yīng)用,2012,32(z2):13?15.

    [12] 徐大明,周超,孫傳恒,等.基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的水產(chǎn)養(yǎng)殖水溫及pH預(yù)測(cè)模型[J].漁業(yè)現(xiàn)代化,2016,43(1):24?30.

    [13] 許兆美,劉永志,楊剛,等.粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的激光銑削質(zhì)量預(yù)測(cè)模型[J].紅外與激光工程,2013,42(9):2370?2374.

    [14] 關(guān)玉梅,李清江,張淑瑋,等.基于粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型研究[J].計(jì)算機(jī)光盤軟件與應(yīng)用,2013(3):150?151.

    猜你喜歡
    粒子群算法結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    電力市場(chǎng)交易背景下水電站優(yōu)化調(diào)度研究
    基于粒子群算法的產(chǎn)業(yè)技術(shù)創(chuàng)新生態(tài)系統(tǒng)運(yùn)行穩(wěn)定性組合評(píng)價(jià)研究
    基于Hyperworks Inspire的結(jié)構(gòu)拓?fù)鋬?yōu)化設(shè)計(jì)
    科技視界(2016年18期)2016-11-03 20:33:59
    淺析人力資源結(jié)構(gòu)優(yōu)化的策略
    中韓貿(mào)易結(jié)構(gòu)優(yōu)化策略探析
    醫(yī)療保險(xiǎn)制度的經(jīng)濟(jì)社會(huì)效應(yīng)和結(jié)構(gòu)優(yōu)化探究
    交通堵塞擾動(dòng)下多車場(chǎng)車輛路徑優(yōu)化
    商(2016年5期)2016-03-28 18:10:26
    車輛調(diào)度問題的全局—局部最優(yōu)信息比粒子群算法研究
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    国产成人a∨麻豆精品| 少妇熟女欧美另类| 亚洲精品456在线播放app| 麻豆精品久久久久久蜜桃| 麻豆精品久久久久久蜜桃| 精品99又大又爽又粗少妇毛片| 在线亚洲精品国产二区图片欧美 | 极品少妇高潮喷水抽搐| 精品亚洲成国产av| 成人综合一区亚洲| 午夜视频国产福利| 日韩,欧美,国产一区二区三区| 国产欧美亚洲国产| 午夜福利在线观看免费完整高清在| 91午夜精品亚洲一区二区三区| 亚洲精品乱码久久久久久按摩| 亚洲美女黄色视频免费看| 亚洲av成人精品一二三区| 国产一区二区在线观看av| 大片电影免费在线观看免费| av天堂久久9| 高清不卡的av网站| 中文字幕精品免费在线观看视频 | 国产欧美日韩综合在线一区二区 | 亚洲精品成人av观看孕妇| 欧美3d第一页| av黄色大香蕉| 成人午夜精彩视频在线观看| 精品少妇黑人巨大在线播放| 老司机影院毛片| 中文天堂在线官网| 国产 一区精品| 国产成人91sexporn| 有码 亚洲区| 天美传媒精品一区二区| 亚洲欧美日韩卡通动漫| 99久久精品国产国产毛片| 国产视频内射| 亚洲图色成人| 成年女人在线观看亚洲视频| 欧美人与善性xxx| 高清午夜精品一区二区三区| 国产黄色免费在线视频| 日韩中字成人| 国产精品人妻久久久影院| 成人18禁高潮啪啪吃奶动态图 | 亚洲电影在线观看av| 人妻夜夜爽99麻豆av| av播播在线观看一区| 日本vs欧美在线观看视频 | 赤兔流量卡办理| 尾随美女入室| 国产成人精品福利久久| 精品熟女少妇av免费看| 婷婷色麻豆天堂久久| 亚洲欧洲国产日韩| 欧美国产精品一级二级三级 | 亚洲中文av在线| 两个人的视频大全免费| 一区在线观看完整版| 免费不卡的大黄色大毛片视频在线观看| tube8黄色片| 日韩在线高清观看一区二区三区| 伊人久久精品亚洲午夜| 免费观看在线日韩| 91aial.com中文字幕在线观看| 99热网站在线观看| 成人影院久久| 亚洲国产最新在线播放| 亚洲欧美日韩另类电影网站| 蜜桃久久精品国产亚洲av| 欧美97在线视频| 亚洲欧美日韩东京热| 永久网站在线| 久久国产乱子免费精品| 亚州av有码| 亚洲国产精品一区三区| 国产在视频线精品| 久久精品久久久久久久性| 亚洲av成人精品一区久久| 人妻一区二区av| 永久网站在线| 国产欧美日韩综合在线一区二区 | 久久99热6这里只有精品| 国产色爽女视频免费观看| 日日摸夜夜添夜夜添av毛片| 国产有黄有色有爽视频| 国产黄频视频在线观看| 亚州av有码| 高清不卡的av网站| 亚洲人与动物交配视频| 99久久人妻综合| 亚洲精品一二三| 肉色欧美久久久久久久蜜桃| 亚洲精品,欧美精品| 亚洲一级一片aⅴ在线观看| 成人漫画全彩无遮挡| 免费观看的影片在线观看| 国产精品久久久久久精品古装| 免费少妇av软件| 国产成人freesex在线| 国产免费一级a男人的天堂| 久久久午夜欧美精品| 22中文网久久字幕| 国产 一区精品| 如日韩欧美国产精品一区二区三区 | 亚洲va在线va天堂va国产| 亚洲天堂av无毛| 免费播放大片免费观看视频在线观看| 成人18禁高潮啪啪吃奶动态图 | 成人18禁高潮啪啪吃奶动态图 | 综合色丁香网| 狂野欧美激情性bbbbbb| 精品视频人人做人人爽| 亚洲中文av在线| 欧美精品一区二区大全| 日韩精品有码人妻一区| 嫩草影院新地址| 国产黄色视频一区二区在线观看| 久久久a久久爽久久v久久| 日本黄色日本黄色录像| 亚洲欧美精品专区久久| 亚洲精品国产成人久久av| 中文乱码字字幕精品一区二区三区| 欧美日韩亚洲高清精品| 日韩一区二区视频免费看| 日产精品乱码卡一卡2卡三| 久久久久久久久大av| 91久久精品国产一区二区三区| 国内精品宾馆在线| 国产一区有黄有色的免费视频| 大陆偷拍与自拍| 国产亚洲5aaaaa淫片| 免费观看a级毛片全部| 亚洲美女视频黄频| 美女cb高潮喷水在线观看| av黄色大香蕉| 欧美最新免费一区二区三区| 观看av在线不卡| 综合色丁香网| 人妻系列 视频| 久久久久久久久久久丰满| 日本91视频免费播放| 赤兔流量卡办理| 人体艺术视频欧美日本| 亚洲精品,欧美精品| 中文字幕人妻丝袜制服| 免费黄色在线免费观看| 国内精品宾馆在线| 亚洲成人一二三区av| 国产亚洲av片在线观看秒播厂| 日韩视频在线欧美| 亚洲在久久综合| 免费观看在线日韩| 少妇被粗大猛烈的视频| 九色成人免费人妻av| 免费大片18禁| 成人无遮挡网站| 欧美精品亚洲一区二区| 蜜桃久久精品国产亚洲av| 80岁老熟妇乱子伦牲交| 大陆偷拍与自拍| 中文字幕久久专区| 一区二区三区免费毛片| 99久久综合免费| 亚洲精品456在线播放app| 人人妻人人看人人澡| 在线精品无人区一区二区三| 精品一区二区三区视频在线| 国产亚洲5aaaaa淫片| 国内揄拍国产精品人妻在线| 青春草亚洲视频在线观看| 亚洲高清免费不卡视频| 国产精品伦人一区二区| 男人添女人高潮全过程视频| 久久久久久久大尺度免费视频| 亚洲av男天堂| 成人亚洲精品一区在线观看| 久久热精品热| 亚洲精品视频女| 一级毛片 在线播放| 亚洲欧洲精品一区二区精品久久久 | 国产黄色免费在线视频| 精品午夜福利在线看| 一区二区三区乱码不卡18| 久久精品久久久久久久性| 中文字幕人妻熟人妻熟丝袜美| 夜夜爽夜夜爽视频| 久久精品国产亚洲av涩爱| 国产黄片美女视频| 纵有疾风起免费观看全集完整版| 色婷婷av一区二区三区视频| 色哟哟·www| 午夜影院在线不卡| 国产成人免费无遮挡视频| 国产 精品1| 欧美 亚洲 国产 日韩一| 曰老女人黄片| 乱系列少妇在线播放| 亚洲国产欧美在线一区| 青青草视频在线视频观看| 亚洲欧美清纯卡通| 免费看日本二区| 亚洲精华国产精华液的使用体验| 国产精品99久久久久久久久| 欧美日韩综合久久久久久| 日产精品乱码卡一卡2卡三| 自拍欧美九色日韩亚洲蝌蚪91 | 99热这里只有精品一区| 日韩成人伦理影院| 纵有疾风起免费观看全集完整版| 看非洲黑人一级黄片| 精品国产露脸久久av麻豆| 中文乱码字字幕精品一区二区三区| 亚洲av免费高清在线观看| 久久99热6这里只有精品| 国产一级毛片在线| 国产在线视频一区二区| www.色视频.com| 成年人午夜在线观看视频| 国产伦理片在线播放av一区| 搡女人真爽免费视频火全软件| 人妻人人澡人人爽人人| 性色av一级| av专区在线播放| 交换朋友夫妻互换小说| 极品人妻少妇av视频| 亚洲欧美日韩卡通动漫| 国产精品久久久久久久久免| 亚洲中文av在线| 日日撸夜夜添| 日韩成人av中文字幕在线观看| 国产在视频线精品| 亚洲av在线观看美女高潮| 大陆偷拍与自拍| 亚洲av成人精品一二三区| 成人无遮挡网站| 晚上一个人看的免费电影| 国产精品人妻久久久久久| 如日韩欧美国产精品一区二区三区 | 建设人人有责人人尽责人人享有的| h视频一区二区三区| 亚洲综合精品二区| 一级二级三级毛片免费看| 黄色一级大片看看| 日韩av在线免费看完整版不卡| 国产成人91sexporn| 人人妻人人添人人爽欧美一区卜| 亚洲美女搞黄在线观看| 午夜视频国产福利| 一级av片app| 两个人免费观看高清视频 | 日韩精品免费视频一区二区三区 | 丁香六月天网| 国产男女超爽视频在线观看| 黑人高潮一二区| 99九九在线精品视频 | 国产精品福利在线免费观看| 在线观看美女被高潮喷水网站| 欧美精品国产亚洲| √禁漫天堂资源中文www| 国产欧美日韩综合在线一区二区 | av卡一久久| 亚洲精品第二区| 国产老妇伦熟女老妇高清| 蜜桃在线观看..| 久久人妻熟女aⅴ| 人人妻人人爽人人添夜夜欢视频 | 哪个播放器可以免费观看大片| 我要看日韩黄色一级片| 丰满饥渴人妻一区二区三| 国产毛片在线视频| 日日撸夜夜添| 韩国高清视频一区二区三区| 欧美三级亚洲精品| 九色成人免费人妻av| 少妇熟女欧美另类| 在线播放无遮挡| 狠狠精品人妻久久久久久综合| 在线观看人妻少妇| 亚洲国产精品一区二区三区在线| 人妻制服诱惑在线中文字幕| 久久久久久久久久成人| 久久热精品热| a级毛片免费高清观看在线播放| 秋霞在线观看毛片| 久久精品国产亚洲av涩爱| 69精品国产乱码久久久| 亚洲成人手机| 一级爰片在线观看| 亚洲精品自拍成人| 亚洲av电影在线观看一区二区三区| 国产精品蜜桃在线观看| 高清午夜精品一区二区三区| 在线观看三级黄色| 国产亚洲一区二区精品| 日本黄色日本黄色录像| 欧美xxxx性猛交bbbb| 国产高清三级在线| 欧美亚洲 丝袜 人妻 在线| 18禁在线无遮挡免费观看视频| 女的被弄到高潮叫床怎么办| 狂野欧美激情性bbbbbb| 人妻 亚洲 视频| 如日韩欧美国产精品一区二区三区 | 大又大粗又爽又黄少妇毛片口| 自拍偷自拍亚洲精品老妇| 免费久久久久久久精品成人欧美视频 | 我的女老师完整版在线观看| 国模一区二区三区四区视频| 亚洲av成人精品一区久久| 国产真实伦视频高清在线观看| av国产精品久久久久影院| 亚洲国产精品成人久久小说| 成年人午夜在线观看视频| 国产日韩欧美视频二区| 中文字幕免费在线视频6| 久久女婷五月综合色啪小说| 欧美日韩在线观看h| 美女主播在线视频| 成人漫画全彩无遮挡| 一级毛片 在线播放| 春色校园在线视频观看| 中文字幕久久专区| 亚洲av国产av综合av卡| 美女内射精品一级片tv| 99热这里只有是精品50| freevideosex欧美| 国产精品久久久久久av不卡| 91成人精品电影| 亚洲av日韩在线播放| 中国国产av一级| 国产深夜福利视频在线观看| 在线精品无人区一区二区三| 欧美精品一区二区免费开放| 午夜福利影视在线免费观看| 久久av网站| 国产精品秋霞免费鲁丝片| 成年人午夜在线观看视频| 精品一区二区三卡| 国产一区二区三区av在线| 久久韩国三级中文字幕| 少妇精品久久久久久久| 国产成人精品无人区| 精品少妇久久久久久888优播| 久久久久久久亚洲中文字幕| 永久免费av网站大全| 人妻夜夜爽99麻豆av| 日产精品乱码卡一卡2卡三| 国产极品粉嫩免费观看在线 | 日韩不卡一区二区三区视频在线| 99热全是精品| 欧美精品人与动牲交sv欧美| 插阴视频在线观看视频| www.av在线官网国产| 美女xxoo啪啪120秒动态图| 日韩精品免费视频一区二区三区 | 热re99久久精品国产66热6| 亚洲国产精品一区二区三区在线| 欧美性感艳星| 高清在线视频一区二区三区| 日韩av在线免费看完整版不卡| 久久97久久精品| 免费少妇av软件| 自拍偷自拍亚洲精品老妇| 午夜福利视频精品| 久久国产精品男人的天堂亚洲 | 97超碰精品成人国产| 99热网站在线观看| 最近的中文字幕免费完整| 国产高清不卡午夜福利| 18禁在线播放成人免费| 午夜影院在线不卡| 哪个播放器可以免费观看大片| 国产精品熟女久久久久浪| 色5月婷婷丁香| 在线观看三级黄色| 在线观看免费高清a一片| 水蜜桃什么品种好| 在线观看www视频免费| 丝袜喷水一区| 国产亚洲5aaaaa淫片| 在线 av 中文字幕| 亚洲成人av在线免费| 中国国产av一级| tube8黄色片| 人人妻人人澡人人看| 美女视频免费永久观看网站| 亚洲精品日韩在线中文字幕| 久久午夜福利片| 中文资源天堂在线| 国产精品国产三级国产av玫瑰| 亚洲国产色片| 欧美日本中文国产一区发布| 99久久精品一区二区三区| 成人毛片a级毛片在线播放| 91久久精品电影网| 亚洲国产精品一区三区| 久久国产精品男人的天堂亚洲 | 久久精品国产亚洲网站| 久久久久国产网址| √禁漫天堂资源中文www| 亚洲国产精品国产精品| av播播在线观看一区| 亚洲av免费高清在线观看| av有码第一页| 中国国产av一级| 精品亚洲成国产av| 五月伊人婷婷丁香| 国产淫片久久久久久久久| 三级经典国产精品| 一级毛片电影观看| 日本91视频免费播放| 欧美日韩精品成人综合77777| 国产日韩欧美视频二区| av.在线天堂| 日日爽夜夜爽网站| 人妻一区二区av| 欧美另类一区| 久久国产精品男人的天堂亚洲 | 亚洲不卡免费看| 亚洲精品亚洲一区二区| videossex国产| 免费看光身美女| 777米奇影视久久| 亚洲av在线观看美女高潮| 日本av免费视频播放| 麻豆成人午夜福利视频| 国产黄片美女视频| 国产精品一区二区在线不卡| 丝瓜视频免费看黄片| 亚洲熟女精品中文字幕| a级毛色黄片| 最新的欧美精品一区二区| 精品久久久精品久久久| 国产又色又爽无遮挡免| 亚洲av国产av综合av卡| 国产成人免费观看mmmm| 欧美3d第一页| 日韩一本色道免费dvd| 久久 成人 亚洲| 伦精品一区二区三区| 国产男人的电影天堂91| 午夜激情福利司机影院| 国产爽快片一区二区三区| 在线观看免费日韩欧美大片 | 男女国产视频网站| 精品一区二区三卡| 国产精品人妻久久久影院| 中文字幕人妻熟人妻熟丝袜美| 哪个播放器可以免费观看大片| av免费观看日本| 国产精品99久久99久久久不卡 | 一级av片app| 91午夜精品亚洲一区二区三区| 亚洲欧美清纯卡通| 亚洲中文av在线| 国产亚洲最大av| 在线观看一区二区三区激情| 少妇人妻 视频| 久热久热在线精品观看| 一区二区三区精品91| 下体分泌物呈黄色| 成人亚洲精品一区在线观看| 国产综合精华液| 秋霞伦理黄片| 亚洲av男天堂| 久久精品国产亚洲av天美| 久久久久久久久久久久大奶| 美女福利国产在线| 一个人看视频在线观看www免费| 黄色毛片三级朝国网站 | 国产伦精品一区二区三区视频9| 极品教师在线视频| 91aial.com中文字幕在线观看| 麻豆乱淫一区二区| 亚洲精品自拍成人| 国产精品99久久99久久久不卡 | 亚洲欧美日韩东京热| 人人澡人人妻人| 中国美白少妇内射xxxbb| 噜噜噜噜噜久久久久久91| 80岁老熟妇乱子伦牲交| 欧美少妇被猛烈插入视频| 久久国产精品男人的天堂亚洲 | 天天操日日干夜夜撸| a级毛色黄片| 亚洲怡红院男人天堂| 日韩精品免费视频一区二区三区 | 国产极品粉嫩免费观看在线 | 午夜视频国产福利| 亚洲精品国产色婷婷电影| 日韩欧美一区视频在线观看 | av在线老鸭窝| 日日撸夜夜添| 精品亚洲成a人片在线观看| 亚洲综合色惰| 久久久久久久久久久丰满| av免费观看日本| 国产精品久久久久久精品古装| 日日啪夜夜撸| 97精品久久久久久久久久精品| 男女啪啪激烈高潮av片| 精品人妻熟女av久视频| 日韩av在线免费看完整版不卡| 最近2019中文字幕mv第一页| 日韩一本色道免费dvd| 黄色视频在线播放观看不卡| 日韩av不卡免费在线播放| 久久精品夜色国产| 日韩av不卡免费在线播放| 久久久久国产精品人妻一区二区| 亚洲精品亚洲一区二区| 97精品久久久久久久久久精品| 亚洲精品视频女| 少妇熟女欧美另类| 久久99精品国语久久久| 日本黄色片子视频| 深夜a级毛片| 啦啦啦啦在线视频资源| 一区二区av电影网| 欧美变态另类bdsm刘玥| 大片免费播放器 马上看| 日韩一本色道免费dvd| 久久久久久人妻| 亚洲国产欧美在线一区| 亚洲欧美日韩东京热| 老司机影院成人| 亚洲熟女精品中文字幕| 中文字幕久久专区| 国产av国产精品国产| 在线看a的网站| 晚上一个人看的免费电影| 又粗又硬又长又爽又黄的视频| 99国产精品免费福利视频| 国内精品宾馆在线| 婷婷色综合大香蕉| h视频一区二区三区| 久久国产亚洲av麻豆专区| 22中文网久久字幕| av线在线观看网站| 久久ye,这里只有精品| 99精国产麻豆久久婷婷| 色视频www国产| 爱豆传媒免费全集在线观看| 不卡视频在线观看欧美| 中文乱码字字幕精品一区二区三区| 69精品国产乱码久久久| 久久这里有精品视频免费| av卡一久久| 国产黄色免费在线视频| 91成人精品电影| 欧美日韩视频高清一区二区三区二| 久久国产精品大桥未久av | 人人妻人人澡人人看| 少妇被粗大的猛进出69影院 | 日韩中文字幕视频在线看片| 精品少妇黑人巨大在线播放| 亚洲国产色片| 日本wwww免费看| 少妇被粗大的猛进出69影院 | 亚洲精品色激情综合| 国产成人freesex在线| 中文乱码字字幕精品一区二区三区| 国产一区二区在线观看日韩| 自线自在国产av| av免费观看日本| 久久久久久久久久久丰满| 国产一区亚洲一区在线观看| h视频一区二区三区| 成人18禁高潮啪啪吃奶动态图 | 日韩视频在线欧美| 中国国产av一级| 女人久久www免费人成看片| 精品久久久精品久久久| 纵有疾风起免费观看全集完整版| 99热6这里只有精品| 国产熟女午夜一区二区三区 | 秋霞伦理黄片| 亚洲情色 制服丝袜| 国产在线免费精品| 国模一区二区三区四区视频| 亚洲国产精品一区二区三区在线| 一级黄片播放器| 日本午夜av视频| 丝瓜视频免费看黄片| 大码成人一级视频| 蜜桃在线观看..| 久久 成人 亚洲| 午夜福利在线观看免费完整高清在| 欧美日韩av久久| 69精品国产乱码久久久| 老女人水多毛片| av一本久久久久| 日韩熟女老妇一区二区性免费视频| 久久午夜福利片| 久久久久久久久久久久大奶| 亚洲成人一二三区av| 久久久久久伊人网av| 大又大粗又爽又黄少妇毛片口| 国产日韩一区二区三区精品不卡 | 日韩一区二区视频免费看| 高清av免费在线| 欧美日本中文国产一区发布| 老司机亚洲免费影院| 亚洲美女黄色视频免费看| 精品亚洲成国产av| 99九九线精品视频在线观看视频| 99精国产麻豆久久婷婷| 美女cb高潮喷水在线观看| 男人舔奶头视频| 午夜精品国产一区二区电影| 日日撸夜夜添| 赤兔流量卡办理| 91精品伊人久久大香线蕉|