• <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
    av在线播放精品| 久久国内精品自在自线图片| 午夜福利影视在线免费观看| 纯流量卡能插随身wifi吗| 亚洲第一av免费看| 性高湖久久久久久久久免费观看| 国产精品无大码| 夫妻午夜视频| 下体分泌物呈黄色| tube8黄色片| 欧美激情国产日韩精品一区| 22中文网久久字幕| 最近最新中文字幕免费大全7| 日本爱情动作片www.在线观看| 日韩 亚洲 欧美在线| 精品亚洲成国产av| 高清午夜精品一区二区三区| 视频区图区小说| 伦理电影免费视频| 国产乱来视频区| 日韩欧美一区视频在线观看 | 少妇高潮的动态图| 亚洲欧美成人综合另类久久久| 久久人人爽av亚洲精品天堂 | 亚洲熟女精品中文字幕| 久久6这里有精品| 天堂俺去俺来也www色官网| 亚洲丝袜综合中文字幕| 男的添女的下面高潮视频| 亚洲怡红院男人天堂| 观看美女的网站| 亚洲精品第二区| 联通29元200g的流量卡| 天堂中文最新版在线下载| www.色视频.com| 天堂8中文在线网| 国产中年淑女户外野战色| 联通29元200g的流量卡| freevideosex欧美| 在线观看美女被高潮喷水网站| 国产黄色视频一区二区在线观看| 国产午夜精品一二区理论片| 男女边摸边吃奶| 久久久国产一区二区| 一本久久精品| 成人美女网站在线观看视频| 大话2 男鬼变身卡| 欧美国产精品一级二级三级 | 韩国av在线不卡| 蜜桃亚洲精品一区二区三区| 国产精品人妻久久久久久| 亚洲av中文字字幕乱码综合| 一级毛片aaaaaa免费看小| 日韩成人伦理影院| 亚洲人成网站在线播| 女性被躁到高潮视频| 日韩欧美精品免费久久| 欧美日韩国产mv在线观看视频 | 久久精品国产亚洲网站| 九九爱精品视频在线观看| 中文字幕人妻熟人妻熟丝袜美| 丝袜喷水一区| 亚洲欧美日韩另类电影网站 | 嘟嘟电影网在线观看| 国产成人a区在线观看| 熟女av电影| 五月开心婷婷网| 色网站视频免费| 国产精品成人在线| 成人国产av品久久久| 一级av片app| 亚洲人成网站在线播| 成年免费大片在线观看| 精品人妻偷拍中文字幕| 深夜a级毛片| 国产亚洲最大av| 一级毛片我不卡| av.在线天堂| 99视频精品全部免费 在线| 国产白丝娇喘喷水9色精品| 国产精品福利在线免费观看| 国产成人精品婷婷| 爱豆传媒免费全集在线观看| 精品一区二区免费观看| 黄片wwwwww| 精品午夜福利在线看| 色哟哟·www| 成人特级av手机在线观看| 成人漫画全彩无遮挡| 欧美日韩视频高清一区二区三区二| 免费观看无遮挡的男女| 国产精品久久久久成人av| 狂野欧美白嫩少妇大欣赏| 极品教师在线视频| 丝袜喷水一区| 中国美白少妇内射xxxbb| 人妻夜夜爽99麻豆av| 日韩制服骚丝袜av| 多毛熟女@视频| videossex国产| av在线app专区| 99视频精品全部免费 在线| 少妇人妻 视频| 97超视频在线观看视频| 久久6这里有精品| 在线免费十八禁| 国产中年淑女户外野战色| 午夜精品国产一区二区电影| 丝袜喷水一区| 人妻一区二区av| 中文资源天堂在线| av在线观看视频网站免费| 成人18禁高潮啪啪吃奶动态图 | 日本与韩国留学比较| 久久人人爽av亚洲精品天堂 | 日韩中文字幕视频在线看片 | 深夜a级毛片| 国产成人免费无遮挡视频| 久久久久久人妻| 黄色日韩在线| 一级毛片电影观看| 纯流量卡能插随身wifi吗| 成人亚洲欧美一区二区av| 18禁裸乳无遮挡动漫免费视频| 99久国产av精品国产电影| 精品一品国产午夜福利视频| 这个男人来自地球电影免费观看 | 国产成人精品婷婷| 免费黄色在线免费观看| 国产毛片在线视频| 精品久久久久久电影网| 日本一二三区视频观看| 国产午夜精品一二区理论片| 日本wwww免费看| 亚洲精品国产av成人精品| 美女中出高潮动态图| 日韩av不卡免费在线播放| 亚洲av电影在线观看一区二区三区| 国产69精品久久久久777片| 成人高潮视频无遮挡免费网站| 在线观看一区二区三区| 日韩亚洲欧美综合| kizo精华| 高清日韩中文字幕在线| 在线免费观看不下载黄p国产| 91狼人影院| 欧美bdsm另类| 国产精品嫩草影院av在线观看| 日韩欧美一区视频在线观看 | 观看美女的网站| 99久久人妻综合| 永久网站在线| 人人妻人人添人人爽欧美一区卜 | 国产亚洲5aaaaa淫片| 日韩成人av中文字幕在线观看| 狠狠精品人妻久久久久久综合| 欧美最新免费一区二区三区| 国产精品欧美亚洲77777| 国产亚洲一区二区精品| 亚洲第一区二区三区不卡| 国产亚洲午夜精品一区二区久久| 中文字幕亚洲精品专区| 国产高潮美女av| 18禁在线播放成人免费| 国产成人a区在线观看| freevideosex欧美| 国语对白做爰xxxⅹ性视频网站| 黄色欧美视频在线观看| 亚洲天堂av无毛| 好男人视频免费观看在线| 日本欧美视频一区| av免费观看日本| 午夜福利影视在线免费观看| 久久久久久久久久成人| 亚洲自偷自拍三级| 亚洲av不卡在线观看| 在线天堂最新版资源| 色哟哟·www| 久热久热在线精品观看| 三级国产精品欧美在线观看| av在线播放精品| 国产日韩欧美在线精品| 在线观看一区二区三区| 午夜激情福利司机影院| 亚洲成人av在线免费| 国产亚洲欧美精品永久| 久久久久国产精品人妻一区二区| 少妇 在线观看| av在线观看视频网站免费| 男女下面进入的视频免费午夜| 免费播放大片免费观看视频在线观看| 日韩三级伦理在线观看| 免费大片18禁| 夜夜骑夜夜射夜夜干| 女的被弄到高潮叫床怎么办| 日韩欧美一区视频在线观看 | 国产精品99久久久久久久久| 午夜福利在线观看免费完整高清在| 亚洲成人中文字幕在线播放| 一本色道久久久久久精品综合| 在线观看三级黄色| 亚洲,一卡二卡三卡| 美女高潮的动态| 少妇的逼水好多| 寂寞人妻少妇视频99o| 成人国产麻豆网| 丝袜脚勾引网站| 一个人看视频在线观看www免费| 色婷婷av一区二区三区视频| 国产69精品久久久久777片| 欧美区成人在线视频| av一本久久久久| 欧美成人午夜免费资源| 久久99精品国语久久久| 久久午夜福利片| 18+在线观看网站| 成人国产麻豆网| 欧美xxxx性猛交bbbb| 人人妻人人澡人人爽人人夜夜| 国产精品三级大全| 丝瓜视频免费看黄片| 午夜福利高清视频| 国产精品久久久久成人av| 亚洲性久久影院| 黑人高潮一二区| 干丝袜人妻中文字幕| 永久网站在线| 亚洲国产最新在线播放| 国产伦在线观看视频一区| 亚洲精品色激情综合| 男人狂女人下面高潮的视频| 亚洲国产高清在线一区二区三| 欧美日韩视频高清一区二区三区二| 在线观看一区二区三区激情| 视频区图区小说| 在线免费观看不下载黄p国产| 黑丝袜美女国产一区| 丰满迷人的少妇在线观看| 新久久久久国产一级毛片| 日本与韩国留学比较| 日本欧美国产在线视频| 一个人看的www免费观看视频| 夫妻午夜视频| 黄色欧美视频在线观看| 99久久中文字幕三级久久日本| 国产乱来视频区| 免费观看av网站的网址| 91精品国产国语对白视频| 午夜免费观看性视频| 99久久精品热视频| 亚洲精品国产av蜜桃| 精品人妻偷拍中文字幕| 国产精品熟女久久久久浪| 国产在线免费精品| 黄色怎么调成土黄色| 精品视频人人做人人爽| 国产精品av视频在线免费观看| 人妻系列 视频| 国产精品久久久久久久电影| 久久6这里有精品| 国产精品国产av在线观看| 中国三级夫妇交换| 久久精品国产亚洲av天美| 久久久亚洲精品成人影院| 一区二区三区免费毛片| 日韩,欧美,国产一区二区三区| 国产精品国产三级国产av玫瑰| 亚洲av综合色区一区| 日韩欧美 国产精品| 久久国产亚洲av麻豆专区| 国产在线男女| 精品久久国产蜜桃| 成人综合一区亚洲| 99久久中文字幕三级久久日本| 如何舔出高潮| 国产精品国产三级专区第一集| 王馨瑶露胸无遮挡在线观看| 少妇高潮的动态图| 亚洲色图综合在线观看| 久久精品国产亚洲av涩爱| 精品久久久久久久久av| 一级爰片在线观看| 日本vs欧美在线观看视频 | 亚洲性久久影院| 国产男女内射视频| 久久精品国产鲁丝片午夜精品| 蜜臀久久99精品久久宅男| 色婷婷久久久亚洲欧美| 日本-黄色视频高清免费观看| av在线播放精品| 在线播放无遮挡| 97超视频在线观看视频| 国产大屁股一区二区在线视频| 最黄视频免费看| 国产在视频线精品| 99热这里只有是精品50| 亚洲精品日韩在线中文字幕| av又黄又爽大尺度在线免费看| 天天躁日日操中文字幕| 国产欧美日韩一区二区三区在线 | 一区二区三区免费毛片| 久久久久久久亚洲中文字幕| 亚洲欧美精品自产自拍| 色哟哟·www| 国产69精品久久久久777片| 看十八女毛片水多多多| 美女国产视频在线观看| 亚洲欧美清纯卡通| 国产伦精品一区二区三区四那| 婷婷色麻豆天堂久久| 在线观看美女被高潮喷水网站| 特大巨黑吊av在线直播| 久久国产精品大桥未久av | 午夜激情久久久久久久| 一级黄片播放器| 看十八女毛片水多多多| 国产精品人妻久久久影院| 天堂俺去俺来也www色官网| 亚洲av二区三区四区| 自拍欧美九色日韩亚洲蝌蚪91 | 国产黄片美女视频| 高清不卡的av网站| 国产成人freesex在线| 狂野欧美激情性xxxx在线观看| 美女中出高潮动态图| 中国三级夫妇交换| 国产一区有黄有色的免费视频| 精品久久久久久电影网| 久久精品国产鲁丝片午夜精品| 日韩中字成人| 特大巨黑吊av在线直播| 久久精品国产自在天天线| 天堂俺去俺来也www色官网| 日韩人妻高清精品专区| 国产精品熟女久久久久浪| 人妻一区二区av| 国产成人91sexporn| 亚洲aⅴ乱码一区二区在线播放| 国产 一区 欧美 日韩| 亚洲av日韩在线播放| 国产视频首页在线观看| 纯流量卡能插随身wifi吗| 肉色欧美久久久久久久蜜桃| 久久久久人妻精品一区果冻| 亚洲国产成人一精品久久久| 三级国产精品欧美在线观看| 日韩强制内射视频| 亚洲av在线观看美女高潮| 纵有疾风起免费观看全集完整版| 舔av片在线| 亚洲图色成人| 亚洲av日韩在线播放| 色视频在线一区二区三区| 久久久久久久大尺度免费视频| 久久久国产一区二区| 韩国高清视频一区二区三区| 九九在线视频观看精品| 日本猛色少妇xxxxx猛交久久| 欧美3d第一页| 夜夜看夜夜爽夜夜摸| 丰满乱子伦码专区| 最近最新中文字幕大全电影3| 久久久久久伊人网av| 亚洲人成网站在线播| 26uuu在线亚洲综合色| 建设人人有责人人尽责人人享有的 | 日韩欧美一区视频在线观看 | 国产人妻一区二区三区在| 高清黄色对白视频在线免费看 | videos熟女内射| 国产精品av视频在线免费观看| 国产爽快片一区二区三区| 欧美bdsm另类| 纯流量卡能插随身wifi吗| 国产一区二区在线观看日韩| 久久精品国产亚洲av天美| 草草在线视频免费看| 久久精品国产a三级三级三级| 草草在线视频免费看| av线在线观看网站| 亚洲欧洲国产日韩| 亚洲国产精品国产精品| 国产精品一及| 美女中出高潮动态图| 高清av免费在线| 久久精品熟女亚洲av麻豆精品| 国产精品免费大片| 午夜视频国产福利| 一级二级三级毛片免费看| 日韩成人伦理影院| av国产精品久久久久影院| 九草在线视频观看| 亚洲婷婷狠狠爱综合网| 国产有黄有色有爽视频| 国产淫片久久久久久久久| 我的老师免费观看完整版| 麻豆成人午夜福利视频| 日韩一本色道免费dvd| 亚洲精品第二区| 亚洲真实伦在线观看| 欧美3d第一页| 日韩精品有码人妻一区| 老师上课跳d突然被开到最大视频| www.色视频.com| 老女人水多毛片| 18禁裸乳无遮挡动漫免费视频| 一级爰片在线观看| 一级毛片电影观看| 欧美人与善性xxx| 啦啦啦中文免费视频观看日本| 免费看光身美女| 少妇猛男粗大的猛烈进出视频| 亚洲欧美日韩东京热| 在线观看免费高清a一片| av福利片在线观看| 中文字幕精品免费在线观看视频 | 久久人人爽人人片av| 国产精品成人在线| 内地一区二区视频在线| 亚洲国产精品专区欧美| 国产一区有黄有色的免费视频| 午夜激情久久久久久久| 国产精品不卡视频一区二区| 亚洲欧美日韩卡通动漫| 99视频精品全部免费 在线| 99久国产av精品国产电影| 久久久久久九九精品二区国产| 久久人人爽人人片av| 欧美日韩在线观看h| 久久久久久久国产电影| 亚洲伊人久久精品综合| 国产 一区 欧美 日韩| 啦啦啦在线观看免费高清www| 99久久精品一区二区三区| 中国国产av一级| 伊人久久精品亚洲午夜| 能在线免费看毛片的网站| 制服丝袜香蕉在线| 少妇熟女欧美另类| 国产一区二区在线观看日韩| 观看免费一级毛片| 精品久久久久久久久av| 欧美人与善性xxx| 国产免费视频播放在线视频| 十八禁网站网址无遮挡 | 国产精品嫩草影院av在线观看| 国产伦精品一区二区三区四那| a级一级毛片免费在线观看| 永久免费av网站大全| 一二三四中文在线观看免费高清| 亚洲精华国产精华液的使用体验| 2018国产大陆天天弄谢| 乱码一卡2卡4卡精品| 少妇被粗大猛烈的视频| 在线免费观看不下载黄p国产| 在线看a的网站| 一本久久精品| .国产精品久久| 久久97久久精品| 性高湖久久久久久久久免费观看| 国产亚洲精品久久久com| 久久久亚洲精品成人影院| 亚洲成人一二三区av| 日本wwww免费看| 夜夜爽夜夜爽视频| 免费大片18禁| 大陆偷拍与自拍| 国产人妻一区二区三区在| 久久99蜜桃精品久久| 女的被弄到高潮叫床怎么办| 亚洲精品乱久久久久久| 午夜视频国产福利| av在线播放精品| 国产精品久久久久久久电影| 亚洲精品第二区| 美女主播在线视频| 一级爰片在线观看| 丰满迷人的少妇在线观看| 性高湖久久久久久久久免费观看| 美女cb高潮喷水在线观看| 国产高潮美女av| 啦啦啦啦在线视频资源| 久久久久久伊人网av| 国产伦精品一区二区三区四那| 色视频在线一区二区三区| 黑丝袜美女国产一区| 简卡轻食公司| 精华霜和精华液先用哪个| 老女人水多毛片| 精品一区在线观看国产| 高清视频免费观看一区二区| 最后的刺客免费高清国语| 国产女主播在线喷水免费视频网站| 成年免费大片在线观看| 国产精品一及| 亚洲精品一二三| 免费观看无遮挡的男女| 成人毛片60女人毛片免费| 三级国产精品片| 九九久久精品国产亚洲av麻豆| 久久婷婷青草| 高清不卡的av网站| 高清黄色对白视频在线免费看 | 国产精品人妻久久久久久| 91久久精品国产一区二区成人| 寂寞人妻少妇视频99o| 国产视频内射| 一级毛片 在线播放| 亚洲人成网站在线观看播放| 亚洲欧美日韩卡通动漫| 大香蕉久久网| 久久99热这里只频精品6学生| av国产久精品久网站免费入址| 国产欧美日韩精品一区二区| 亚洲国产欧美在线一区| 97在线人人人人妻| 亚洲欧美精品专区久久| 三级国产精品片| 亚洲精品日韩在线中文字幕| 久久久久国产精品人妻一区二区| 男女啪啪激烈高潮av片| av不卡在线播放| 夜夜看夜夜爽夜夜摸| 久久国内精品自在自线图片| 黄色一级大片看看| 色视频在线一区二区三区| 亚洲,欧美,日韩| 色视频在线一区二区三区| 99re6热这里在线精品视频| 色视频在线一区二区三区| 亚洲无线观看免费| 丰满乱子伦码专区| 国产午夜精品一二区理论片| 又粗又硬又长又爽又黄的视频| 亚洲国产日韩一区二区| 久久国内精品自在自线图片| 欧美日韩在线观看h| 国产精品麻豆人妻色哟哟久久| 久久影院123| 人人妻人人澡人人爽人人夜夜| 日本欧美国产在线视频| 免费观看a级毛片全部| 精品人妻一区二区三区麻豆| 男女国产视频网站| 亚洲经典国产精华液单| 国产 精品1| 亚洲av成人精品一二三区| 亚洲av中文字字幕乱码综合| 嫩草影院入口| 2022亚洲国产成人精品| 又爽又黄a免费视频| 在线观看国产h片| 插逼视频在线观看| 三级国产精品片| 中国三级夫妇交换| 一个人看视频在线观看www免费| 一本一本综合久久| 最黄视频免费看| av专区在线播放| 91精品伊人久久大香线蕉| 国产高潮美女av| 内地一区二区视频在线| 国产精品爽爽va在线观看网站| 99精国产麻豆久久婷婷| 三级国产精品片| 各种免费的搞黄视频| 国产成人一区二区在线| 日韩亚洲欧美综合| 在线观看一区二区三区| 久久毛片免费看一区二区三区| 欧美日韩国产mv在线观看视频 | 亚洲欧美一区二区三区国产| 久久久成人免费电影| 国产伦理片在线播放av一区| 亚洲四区av| 最黄视频免费看| a级一级毛片免费在线观看| 王馨瑶露胸无遮挡在线观看| 免费人妻精品一区二区三区视频| 99热这里只有是精品50| 高清不卡的av网站| 亚洲一区二区三区欧美精品| 国产 一区 欧美 日韩| 亚洲精品久久午夜乱码| 国内少妇人妻偷人精品xxx网站| 99久久人妻综合| 成人影院久久| 国产熟女欧美一区二区| 极品教师在线视频| 免费av中文字幕在线| 人体艺术视频欧美日本| 一级av片app| 国产亚洲午夜精品一区二区久久| 成人亚洲欧美一区二区av| 妹子高潮喷水视频| 在线观看三级黄色| 久久久久久久久久久免费av| 国产视频内射| 又粗又硬又长又爽又黄的视频| 久久精品国产亚洲av涩爱| 欧美日韩国产mv在线观看视频 | 在线观看免费高清a一片| 热re99久久精品国产66热6| 汤姆久久久久久久影院中文字幕| 久久精品久久久久久久性| 国产免费福利视频在线观看| 国产成人aa在线观看| 只有这里有精品99| 少妇熟女欧美另类| 亚洲国产av新网站| 97在线人人人人妻| 日本猛色少妇xxxxx猛交久久| 久久久精品免费免费高清| 一级二级三级毛片免费看| 黄色一级大片看看|