• <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
    avwww免费| 中文字幕精品免费在线观看视频| 美女主播在线视频| 在线观看免费日韩欧美大片| 91av网站免费观看| 天堂动漫精品| 他把我摸到了高潮在线观看 | 亚洲五月婷婷丁香| 老鸭窝网址在线观看| 天天添夜夜摸| 国产精品久久久av美女十八| 蜜桃国产av成人99| 午夜两性在线视频| 一二三四在线观看免费中文在| 欧美激情久久久久久爽电影 | 国产高清激情床上av| bbb黄色大片| 国产欧美日韩一区二区精品| 汤姆久久久久久久影院中文字幕| 精品国产乱码久久久久久男人| 大香蕉久久网| 蜜桃在线观看..| 亚洲第一av免费看| 成人av一区二区三区在线看| 亚洲精品国产区一区二| 亚洲欧美精品综合一区二区三区| 国产精品免费视频内射| 黄色视频在线播放观看不卡| 成人永久免费在线观看视频 | 日韩欧美一区视频在线观看| 极品少妇高潮喷水抽搐| 每晚都被弄得嗷嗷叫到高潮| 大型黄色视频在线免费观看| 黄色 视频免费看| 老熟妇仑乱视频hdxx| 黄色成人免费大全| 侵犯人妻中文字幕一二三四区| 亚洲欧美一区二区三区久久| 国产免费视频播放在线视频| 在线播放国产精品三级| 国产成人欧美在线观看 | 免费不卡黄色视频| 久久久精品国产亚洲av高清涩受| 欧美日韩视频精品一区| 又大又爽又粗| 黄色视频,在线免费观看| 捣出白浆h1v1| 成人国产一区最新在线观看| 亚洲精品国产色婷婷电影| 人妻久久中文字幕网| 老司机午夜福利在线观看视频 | 亚洲午夜理论影院| 美国免费a级毛片| 国产成+人综合+亚洲专区| 又黄又粗又硬又大视频| 亚洲av片天天在线观看| 中文字幕av电影在线播放| 亚洲 欧美一区二区三区| 黑人欧美特级aaaaaa片| 成人三级做爰电影| 一级片'在线观看视频| 亚洲国产av影院在线观看| 亚洲av第一区精品v没综合| 高清黄色对白视频在线免费看| 亚洲国产精品一区二区三区在线| 人成视频在线观看免费观看| 欧美在线一区亚洲| 久久99一区二区三区| 大型av网站在线播放| 夜夜爽天天搞| 18在线观看网站| 亚洲av欧美aⅴ国产| 51午夜福利影视在线观看| 久久久久国内视频| 高清毛片免费观看视频网站 | 精品久久蜜臀av无| 国产97色在线日韩免费| e午夜精品久久久久久久| 日韩中文字幕视频在线看片| 亚洲精品国产一区二区精华液| 亚洲avbb在线观看| 中文字幕最新亚洲高清| 91九色精品人成在线观看| 老熟妇乱子伦视频在线观看| 老熟妇仑乱视频hdxx| avwww免费| 国产三级黄色录像| 国内毛片毛片毛片毛片毛片| 亚洲av欧美aⅴ国产| 一级片免费观看大全| 国产福利在线免费观看视频| 1024视频免费在线观看| 午夜精品久久久久久毛片777| 后天国语完整版免费观看| 久久久久精品人妻al黑| 大香蕉久久网| 亚洲av日韩在线播放| 国内毛片毛片毛片毛片毛片| 免费观看av网站的网址| 国产有黄有色有爽视频| 精品国产乱码久久久久久男人| 久久免费观看电影| 亚洲黑人精品在线| 51午夜福利影视在线观看| av网站免费在线观看视频| 如日韩欧美国产精品一区二区三区| av福利片在线| 中文字幕色久视频| 久久精品国产亚洲av高清一级| 欧美精品高潮呻吟av久久| 免费少妇av软件| 久久久国产欧美日韩av| 美女午夜性视频免费| 久久天堂一区二区三区四区| 国产精品九九99| 黄色视频不卡| 欧美日韩亚洲综合一区二区三区_| 天堂中文最新版在线下载| 久久精品成人免费网站| 国产成人影院久久av| 操美女的视频在线观看| 国产亚洲午夜精品一区二区久久| 男女高潮啪啪啪动态图| 国产高清国产精品国产三级| 青青草视频在线视频观看| 真人做人爱边吃奶动态| 国产精品熟女久久久久浪| 久热爱精品视频在线9| 久久精品国产a三级三级三级| 精品国产一区二区三区四区第35| 久久毛片免费看一区二区三区| 人人妻人人爽人人添夜夜欢视频| 久久精品人人爽人人爽视色| 色婷婷久久久亚洲欧美| 激情在线观看视频在线高清 | 国产成人精品久久二区二区免费| 亚洲va日本ⅴa欧美va伊人久久| 国产精品熟女久久久久浪| 欧美成人午夜精品| 中文字幕制服av| 1024香蕉在线观看| 成人亚洲精品一区在线观看| 极品教师在线免费播放| 国产精品成人在线| av片东京热男人的天堂| 国产成人啪精品午夜网站| 男男h啪啪无遮挡| 国产精品免费视频内射| 十八禁高潮呻吟视频| 99国产精品免费福利视频| 国产精品久久久久久人妻精品电影 | 交换朋友夫妻互换小说| 嫁个100分男人电影在线观看| 久久这里只有精品19| 黑人猛操日本美女一级片| 天天躁日日躁夜夜躁夜夜| 亚洲一区中文字幕在线| 久久久精品区二区三区| 国产精品麻豆人妻色哟哟久久| 国产欧美日韩一区二区三| 久久久国产精品麻豆| 久久99一区二区三区| 国产成人av教育| 搡老乐熟女国产| 国产亚洲精品一区二区www | 亚洲一区中文字幕在线| 国产精品影院久久| 亚洲成av片中文字幕在线观看| 免费观看av网站的网址| av福利片在线| 久久国产精品人妻蜜桃| 成年人午夜在线观看视频| 涩涩av久久男人的天堂| 亚洲成人国产一区在线观看| 国产精品av久久久久免费| 久9热在线精品视频| 可以免费在线观看a视频的电影网站| 欧美久久黑人一区二区| 王馨瑶露胸无遮挡在线观看| 12—13女人毛片做爰片一| 午夜福利,免费看| 久久久久久久精品吃奶| 久久久精品国产亚洲av高清涩受| 人人澡人人妻人| 国产精品99久久99久久久不卡| 国产高清视频在线播放一区| 巨乳人妻的诱惑在线观看| 午夜福利,免费看| 天天操日日干夜夜撸| 国产黄色免费在线视频| 精品久久蜜臀av无| 女人爽到高潮嗷嗷叫在线视频| 亚洲欧美一区二区三区久久| 久久久久久久国产电影| 精品乱码久久久久久99久播| 久久亚洲真实| 亚洲国产av新网站| www.熟女人妻精品国产| 亚洲成人手机| 超碰97精品在线观看| 欧美变态另类bdsm刘玥| 大型av网站在线播放| 免费不卡黄色视频| 成人影院久久| 女性被躁到高潮视频| 91成人精品电影| 搡老岳熟女国产| 人妻一区二区av| 免费观看人在逋| 51午夜福利影视在线观看| 一进一出抽搐动态| 免费久久久久久久精品成人欧美视频| 精品高清国产在线一区| 亚洲精品国产区一区二| 久久久欧美国产精品| 亚洲精品粉嫩美女一区| bbb黄色大片| 欧美激情高清一区二区三区| 国产熟女午夜一区二区三区| 搡老乐熟女国产| 中文亚洲av片在线观看爽 | 999久久久国产精品视频| 国产亚洲欧美在线一区二区| 国产欧美日韩一区二区精品| 亚洲综合色网址| 亚洲欧美一区二区三区久久| 美女视频免费永久观看网站| 欧美午夜高清在线| 国产三级黄色录像| 在线观看免费午夜福利视频| 伦理电影免费视频| 在线 av 中文字幕| 国产日韩欧美亚洲二区| 大香蕉久久网| 中文字幕人妻熟女乱码| 法律面前人人平等表现在哪些方面| 热99国产精品久久久久久7| 少妇精品久久久久久久| 亚洲精品国产精品久久久不卡| 国产成人影院久久av| 欧美大码av| 中文亚洲av片在线观看爽 | 十八禁高潮呻吟视频| 国产男女超爽视频在线观看| 99香蕉大伊视频| 欧美精品av麻豆av| 亚洲欧美日韩另类电影网站| 欧美午夜高清在线| 久久精品成人免费网站| 黑人猛操日本美女一级片| 国产精品久久久久久精品电影小说| 国产视频一区二区在线看| 十八禁高潮呻吟视频| 大陆偷拍与自拍| 久9热在线精品视频| 日本av手机在线免费观看| 999久久久精品免费观看国产| 天天影视国产精品| 亚洲人成77777在线视频| 99久久国产精品久久久| 亚洲欧美日韩高清在线视频 | 国产精品偷伦视频观看了| 国产日韩一区二区三区精品不卡| 每晚都被弄得嗷嗷叫到高潮| 国产在线视频一区二区| 欧美乱妇无乱码| 怎么达到女性高潮| 国产高清视频在线播放一区| 十八禁网站免费在线| 丝袜人妻中文字幕| 黄色a级毛片大全视频| 国产欧美日韩一区二区三区在线| 80岁老熟妇乱子伦牲交| 日韩人妻精品一区2区三区| 国产区一区二久久| 99国产精品一区二区三区| 男女无遮挡免费网站观看| 纵有疾风起免费观看全集完整版| 精品午夜福利视频在线观看一区 | 老熟妇仑乱视频hdxx| 性高湖久久久久久久久免费观看| 视频区图区小说| 真人做人爱边吃奶动态| 午夜精品国产一区二区电影| 久久久水蜜桃国产精品网| 如日韩欧美国产精品一区二区三区| 淫妇啪啪啪对白视频| 中文字幕制服av| 国产一区二区激情短视频| 99精品久久久久人妻精品| 美女福利国产在线| 丝瓜视频免费看黄片| 久久精品人人爽人人爽视色| 免费不卡黄色视频| 一本大道久久a久久精品| 少妇精品久久久久久久| 满18在线观看网站| 中文字幕色久视频| 午夜激情av网站| 欧美黄色片欧美黄色片| 国产欧美日韩一区二区精品| 91精品国产国语对白视频| 黑人巨大精品欧美一区二区蜜桃| 久久精品人人爽人人爽视色| 可以免费在线观看a视频的电影网站| 久久精品亚洲精品国产色婷小说| 久久精品熟女亚洲av麻豆精品| 这个男人来自地球电影免费观看| 亚洲情色 制服丝袜| 免费在线观看影片大全网站| 久久久水蜜桃国产精品网| 十分钟在线观看高清视频www| 午夜福利影视在线免费观看| 久久精品aⅴ一区二区三区四区| 1024视频免费在线观看| 久久99热这里只频精品6学生| 韩国精品一区二区三区| 成在线人永久免费视频| 欧美一级毛片孕妇| 手机成人av网站| 亚洲男人天堂网一区| 麻豆国产av国片精品| 搡老熟女国产l中国老女人| 一区二区日韩欧美中文字幕| 桃红色精品国产亚洲av| 日日摸夜夜添夜夜添小说| 国产野战对白在线观看| 黄频高清免费视频| 午夜成年电影在线免费观看| 一区二区三区激情视频| 色94色欧美一区二区| 最新在线观看一区二区三区| 国产亚洲精品一区二区www | 成年动漫av网址| 亚洲天堂av无毛| 91九色精品人成在线观看| 国产不卡av网站在线观看| 日韩人妻精品一区2区三区| 99精品在免费线老司机午夜| 国产深夜福利视频在线观看| 在线 av 中文字幕| 久久久久久久大尺度免费视频| 捣出白浆h1v1| 国产精品亚洲av一区麻豆| 欧美人与性动交α欧美软件| 久久久欧美国产精品| 久久久精品国产亚洲av高清涩受| 高清欧美精品videossex| 日韩欧美一区二区三区在线观看 | 岛国毛片在线播放| 老司机午夜福利在线观看视频 | 国产不卡av网站在线观看| 别揉我奶头~嗯~啊~动态视频| 国产亚洲精品一区二区www | 免费在线观看完整版高清| 亚洲伊人久久精品综合| 黄色成人免费大全| 国产一区二区三区综合在线观看| 日韩一卡2卡3卡4卡2021年| 夜夜骑夜夜射夜夜干| 国产精品国产av在线观看| 午夜老司机福利片| 精品福利观看| 中文字幕人妻丝袜一区二区| 日韩一卡2卡3卡4卡2021年| 亚洲一区中文字幕在线| 中文字幕人妻丝袜一区二区| 两人在一起打扑克的视频| 在线观看免费视频日本深夜| 19禁男女啪啪无遮挡网站| 精品熟女少妇八av免费久了| 免费在线观看视频国产中文字幕亚洲| 日韩欧美三级三区| 国产欧美日韩综合在线一区二区| 久久青草综合色| 国产精品亚洲一级av第二区| 精品国产一区二区三区久久久樱花| 欧美精品av麻豆av| 女人高潮潮喷娇喘18禁视频| 十八禁人妻一区二区| 色综合婷婷激情| 久久天堂一区二区三区四区| 日本vs欧美在线观看视频| 精品国内亚洲2022精品成人 | 中文字幕av电影在线播放| 日本欧美视频一区| 叶爱在线成人免费视频播放| 久久人妻av系列| 在线观看人妻少妇| 99精品久久久久人妻精品| 免费日韩欧美在线观看| 99国产精品免费福利视频| 大片电影免费在线观看免费| 黄色 视频免费看| 天天操日日干夜夜撸| 国产免费视频播放在线视频| 亚洲精品久久成人aⅴ小说| 亚洲国产av影院在线观看| 亚洲成人免费电影在线观看| 久久中文字幕一级| 欧美久久黑人一区二区| 国产又爽黄色视频| 中文字幕人妻熟女乱码| 在线十欧美十亚洲十日本专区| 成年动漫av网址| 国产成人av教育| 欧美成人午夜精品| 免费高清在线观看日韩| 丰满人妻熟妇乱又伦精品不卡| 成人国产一区最新在线观看| 交换朋友夫妻互换小说| 一级毛片精品| 亚洲视频免费观看视频| 国产成人欧美在线观看 | 丝瓜视频免费看黄片| 久久天躁狠狠躁夜夜2o2o| 色综合婷婷激情| 欧美黄色片欧美黄色片| 91麻豆av在线| 亚洲伊人色综图| 高清毛片免费观看视频网站 | 一二三四社区在线视频社区8| 可以免费在线观看a视频的电影网站| 欧美老熟妇乱子伦牲交| 成在线人永久免费视频| 精品第一国产精品| 亚洲国产看品久久| 免费在线观看黄色视频的| 亚洲欧美精品综合一区二区三区| 亚洲精品美女久久av网站| 亚洲欧洲日产国产| 97在线人人人人妻| 国产av又大| 搡老熟女国产l中国老女人| 精品少妇黑人巨大在线播放| 久久久久视频综合| 人人妻,人人澡人人爽秒播| 欧美精品一区二区大全| 咕卡用的链子| 欧美激情 高清一区二区三区| 久久精品国产99精品国产亚洲性色 | 制服诱惑二区| 欧美乱码精品一区二区三区| 国产亚洲精品第一综合不卡| 国产成人精品在线电影| 这个男人来自地球电影免费观看| 制服诱惑二区| 精品久久蜜臀av无| 老司机午夜福利在线观看视频 | 免费在线观看黄色视频的| 久久精品国产综合久久久| 精品一区二区三卡| 99久久国产精品久久久| 国产精品1区2区在线观看. | 91成人精品电影| 久久久久久久精品吃奶| 老司机深夜福利视频在线观看| 这个男人来自地球电影免费观看| 成年人午夜在线观看视频| 一二三四社区在线视频社区8| www.精华液| 国产精品麻豆人妻色哟哟久久| 精品国产乱码久久久久久小说| 亚洲五月色婷婷综合| 国产福利在线免费观看视频| 黑人操中国人逼视频| 国产在线视频一区二区| 伦理电影免费视频| 久久久精品免费免费高清| 欧美另类亚洲清纯唯美| 久久久久久久国产电影| 免费人妻精品一区二区三区视频| 免费在线观看视频国产中文字幕亚洲| 在线天堂中文资源库| 色尼玛亚洲综合影院| 在线观看一区二区三区激情| 制服诱惑二区| 女性被躁到高潮视频| 亚洲精品粉嫩美女一区| 亚洲国产中文字幕在线视频| 在线观看人妻少妇| 日本wwww免费看| 美女视频免费永久观看网站| 中国美女看黄片| 下体分泌物呈黄色| 男女免费视频国产| 国产在视频线精品| 日韩欧美三级三区| 丰满人妻熟妇乱又伦精品不卡| 一个人免费看片子| av片东京热男人的天堂| 老熟妇仑乱视频hdxx| 亚洲熟女精品中文字幕| 亚洲欧美激情在线| a级毛片在线看网站| 国产精品久久久久久精品电影小说| 久久人妻福利社区极品人妻图片| 精品卡一卡二卡四卡免费| 欧美激情 高清一区二区三区| www.精华液| 欧美av亚洲av综合av国产av| 国产成人免费观看mmmm| av线在线观看网站| 视频区图区小说| 亚洲专区中文字幕在线| 欧美成狂野欧美在线观看| 亚洲欧美激情在线| 又大又爽又粗| 在线 av 中文字幕| 日本a在线网址| 精品卡一卡二卡四卡免费| 久久久国产精品麻豆| 日日夜夜操网爽| 另类亚洲欧美激情| 国产精品 欧美亚洲| 国产成人系列免费观看| 18禁裸乳无遮挡动漫免费视频| 欧美av亚洲av综合av国产av| 国产97色在线日韩免费| 日本五十路高清| 欧美日韩一级在线毛片| 午夜视频精品福利| 99香蕉大伊视频| 欧美 日韩 精品 国产| 久久午夜亚洲精品久久| 亚洲三区欧美一区| 国产精品 国内视频| 亚洲五月色婷婷综合| 1024视频免费在线观看| 久热爱精品视频在线9| 视频在线观看一区二区三区| 一级黄色大片毛片| 久久免费观看电影| 亚洲午夜精品一区,二区,三区| 叶爱在线成人免费视频播放| 亚洲国产欧美网| 色94色欧美一区二区| 9191精品国产免费久久| videosex国产| 国产成人免费无遮挡视频| 99精品欧美一区二区三区四区| 久久热在线av| 美女高潮喷水抽搐中文字幕| 制服人妻中文乱码| 搡老岳熟女国产| 自拍欧美九色日韩亚洲蝌蚪91| 日韩成人在线观看一区二区三区| 欧美黄色淫秽网站| 欧美精品高潮呻吟av久久| 女警被强在线播放| 激情视频va一区二区三区| 欧美日韩成人在线一区二区| 日韩一区二区三区影片| 亚洲人成电影观看| 亚洲成人免费电影在线观看| 超色免费av| 久久婷婷成人综合色麻豆| 欧美日韩视频精品一区| 纯流量卡能插随身wifi吗| 精品国产乱码久久久久久小说| 午夜视频精品福利| 日本一区二区免费在线视频| 午夜免费成人在线视频| 国产97色在线日韩免费| 国产亚洲精品第一综合不卡| 18禁裸乳无遮挡动漫免费视频| 美女午夜性视频免费| 一级毛片电影观看| 久久天堂一区二区三区四区| 9色porny在线观看| 久久av网站| 日日摸夜夜添夜夜添小说| 成在线人永久免费视频| 日韩免费高清中文字幕av| 亚洲七黄色美女视频| 老司机在亚洲福利影院| 精品免费久久久久久久清纯 | 777久久人妻少妇嫩草av网站| 1024视频免费在线观看| 不卡一级毛片| 免费人妻精品一区二区三区视频| 免费在线观看影片大全网站| 18禁黄网站禁片午夜丰满| 女人高潮潮喷娇喘18禁视频| 大码成人一级视频| 国产免费av片在线观看野外av| 精品第一国产精品| 国产在线免费精品| 91九色精品人成在线观看| 国产免费福利视频在线观看| 丰满少妇做爰视频| 精品免费久久久久久久清纯 | 妹子高潮喷水视频| bbb黄色大片| 日本欧美视频一区| 色尼玛亚洲综合影院| 91麻豆精品激情在线观看国产 | 久久中文字幕人妻熟女| 热99国产精品久久久久久7| 国产精品久久久久久人妻精品电影 | 在线亚洲精品国产二区图片欧美| 无人区码免费观看不卡 | 一本色道久久久久久精品综合| avwww免费| 人人澡人人妻人| 国产一区二区激情短视频| 两性午夜刺激爽爽歪歪视频在线观看 | 天堂中文最新版在线下载| 老熟妇乱子伦视频在线观看| 亚洲人成电影观看| 在线亚洲精品国产二区图片欧美| 日韩一卡2卡3卡4卡2021年| av在线播放免费不卡| 久久久久视频综合| kizo精华|