• <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
    看片在线看免费视频| 亚洲国产毛片av蜜桃av| 长腿黑丝高跟| 又大又爽又粗| 国产高清videossex| 成人精品一区二区免费| 韩国精品一区二区三区| 久久久久久国产a免费观看| 亚洲成av人片免费观看| 日本一本二区三区精品| 久久香蕉精品热| 欧美黑人精品巨大| 丝袜美腿诱惑在线| 国产成人欧美在线观看| 国产成+人综合+亚洲专区| 欧美一区二区精品小视频在线| 国产精品久久久人人做人人爽| 亚洲欧美一区二区三区黑人| 婷婷丁香在线五月| 免费无遮挡裸体视频| 成人三级黄色视频| 91av网站免费观看| 亚洲第一欧美日韩一区二区三区| 岛国在线观看网站| 国产真人三级小视频在线观看| 国内毛片毛片毛片毛片毛片| 免费在线观看亚洲国产| 亚洲avbb在线观看| 免费看日本二区| 天天躁狠狠躁夜夜躁狠狠躁| 草草在线视频免费看| 久久久久久久久久黄片| 最近最新中文字幕大全免费视频| 一本一本综合久久| 国产成人啪精品午夜网站| 国产99久久九九免费精品| 丁香六月欧美| 免费一级毛片在线播放高清视频| 女人爽到高潮嗷嗷叫在线视频| 色婷婷久久久亚洲欧美| 久久香蕉精品热| 精品人妻1区二区| 一区二区日韩欧美中文字幕| 亚洲av成人av| а√天堂www在线а√下载| 成人手机av| 在线av久久热| 中文字幕最新亚洲高清| 99久久99久久久精品蜜桃| 老熟妇仑乱视频hdxx| www.999成人在线观看| 在线观看免费日韩欧美大片| 丁香六月欧美| 亚洲 国产 在线| 欧美激情极品国产一区二区三区| 午夜老司机福利片| 亚洲国产日韩欧美精品在线观看 | 欧美日韩中文字幕国产精品一区二区三区| 亚洲欧美激情综合另类| 日本熟妇午夜| 国产精品久久久久久精品电影 | 在线观看www视频免费| 亚洲第一青青草原| 亚洲成av人片免费观看| 在线国产一区二区在线| 18禁观看日本| 国产精品自产拍在线观看55亚洲| 久久草成人影院| av电影中文网址| 国产男靠女视频免费网站| 亚洲狠狠婷婷综合久久图片| 亚洲免费av在线视频| 国产亚洲精品av在线| 99国产极品粉嫩在线观看| 亚洲狠狠婷婷综合久久图片| 免费看日本二区| 中文字幕精品免费在线观看视频| 色在线成人网| 夜夜爽天天搞| 国产久久久一区二区三区| 亚洲欧美精品综合一区二区三区| 宅男免费午夜| 国产精华一区二区三区| 久久久国产成人精品二区| 亚洲精品粉嫩美女一区| 成在线人永久免费视频| 狠狠狠狠99中文字幕| 国产国语露脸激情在线看| 最近最新中文字幕大全电影3 | 丁香欧美五月| 国产一区二区激情短视频| 亚洲七黄色美女视频| 国产欧美日韩一区二区精品| 女人被狂操c到高潮| 精品一区二区三区av网在线观看| 不卡av一区二区三区| 国产精品综合久久久久久久免费| 男女午夜视频在线观看| 一a级毛片在线观看| 国产三级黄色录像| 久久亚洲真实| 国产成人av教育| 精品久久久久久成人av| 日韩大尺度精品在线看网址| 欧美性长视频在线观看| 精品国产超薄肉色丝袜足j| 伊人久久大香线蕉亚洲五| 国产精品久久久久久精品电影 | 久久精品国产综合久久久| 12—13女人毛片做爰片一| 亚洲av日韩精品久久久久久密| 精品一区二区三区四区五区乱码| 岛国在线观看网站| 久久精品夜夜夜夜夜久久蜜豆 | 99在线人妻在线中文字幕| 久久久国产成人免费| 热re99久久国产66热| 91成人精品电影| 一夜夜www| 成人18禁在线播放| 一区二区三区激情视频| 听说在线观看完整版免费高清| 久久久国产成人精品二区| 亚洲av五月六月丁香网| 黄色视频不卡| 欧美一级毛片孕妇| 一边摸一边做爽爽视频免费| 91成年电影在线观看| 亚洲一区高清亚洲精品| 免费无遮挡裸体视频| 亚洲成人国产一区在线观看| 老司机午夜十八禁免费视频| 国语自产精品视频在线第100页| 91麻豆精品激情在线观看国产| 1024手机看黄色片| 精品高清国产在线一区| 亚洲精品久久成人aⅴ小说| 久久精品91无色码中文字幕| 高潮久久久久久久久久久不卡| 熟女电影av网| 久久精品aⅴ一区二区三区四区| 他把我摸到了高潮在线观看| 中文字幕人妻丝袜一区二区| 亚洲精品中文字幕一二三四区| 国产欧美日韩一区二区精品| svipshipincom国产片| 韩国av一区二区三区四区| 精品国产超薄肉色丝袜足j| 久久狼人影院| 欧美性猛交╳xxx乱大交人| 成年人黄色毛片网站| 日本三级黄在线观看| 亚洲专区字幕在线| 12—13女人毛片做爰片一| 在线观看一区二区三区| 丝袜美腿诱惑在线| 特大巨黑吊av在线直播 | 在线观看日韩欧美| 亚洲专区字幕在线| 国产私拍福利视频在线观看| 免费在线观看黄色视频的| 一本大道久久a久久精品| 亚洲精品久久成人aⅴ小说| 欧美成狂野欧美在线观看| 午夜日韩欧美国产| 91麻豆精品激情在线观看国产| 操出白浆在线播放| 久久国产精品影院| 变态另类丝袜制服| 欧美国产日韩亚洲一区| 99国产极品粉嫩在线观看| 亚洲aⅴ乱码一区二区在线播放 | 精品电影一区二区在线| 老鸭窝网址在线观看| 50天的宝宝边吃奶边哭怎么回事| 久久人人精品亚洲av| 老鸭窝网址在线观看| 精品国产乱子伦一区二区三区| 女人高潮潮喷娇喘18禁视频| 亚洲五月婷婷丁香| 熟妇人妻久久中文字幕3abv| 天堂动漫精品| 国产成人啪精品午夜网站| 欧美亚洲日本最大视频资源| 夜夜爽天天搞| 久久精品国产综合久久久| 久热这里只有精品99| 国产欧美日韩一区二区精品| 欧美不卡视频在线免费观看 | 久久香蕉激情| 少妇 在线观看| 亚洲精品国产精品久久久不卡| 久久草成人影院| 一区二区三区激情视频| 69av精品久久久久久| 淫妇啪啪啪对白视频| 国产亚洲精品第一综合不卡| 给我免费播放毛片高清在线观看| 黑人操中国人逼视频| 婷婷六月久久综合丁香| 欧美色欧美亚洲另类二区| 亚洲欧美精品综合一区二区三区| 国内毛片毛片毛片毛片毛片| 精品国内亚洲2022精品成人| 丰满的人妻完整版| 国产v大片淫在线免费观看| 中文亚洲av片在线观看爽| a级毛片a级免费在线| 午夜久久久在线观看| 欧美一区二区精品小视频在线| 亚洲av熟女| 国内精品久久久久精免费| 亚洲国产毛片av蜜桃av| 美女 人体艺术 gogo| 白带黄色成豆腐渣| 丝袜美腿诱惑在线| 国产精品野战在线观看| 国产精品免费一区二区三区在线| 两人在一起打扑克的视频| 国产视频一区二区在线看| 国产精品爽爽va在线观看网站 | 啦啦啦免费观看视频1| 欧美成狂野欧美在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 国产亚洲精品第一综合不卡| 欧美人与性动交α欧美精品济南到| 亚洲最大成人中文| 黄色视频不卡| 日本一本二区三区精品| 男女做爰动态图高潮gif福利片| 午夜老司机福利片| 老汉色∧v一级毛片| 亚洲七黄色美女视频| 99精品在免费线老司机午夜| 宅男免费午夜| 欧洲精品卡2卡3卡4卡5卡区| 久久国产乱子伦精品免费另类| 禁无遮挡网站| 侵犯人妻中文字幕一二三四区| a级毛片a级免费在线| 最近最新中文字幕大全电影3 | 人人妻人人澡人人看| 在线十欧美十亚洲十日本专区| 亚洲精品美女久久av网站| 成人亚洲精品av一区二区| 国产爱豆传媒在线观看 | 午夜久久久久精精品| 欧美日本亚洲视频在线播放| 国产成人av教育| 在线观看66精品国产| 久久久精品欧美日韩精品| 九色国产91popny在线| 一级a爱片免费观看的视频| 麻豆成人午夜福利视频| 女同久久另类99精品国产91| 免费人成视频x8x8入口观看| 波多野结衣巨乳人妻| 中文字幕精品免费在线观看视频| 国产午夜精品久久久久久| 欧美国产日韩亚洲一区| av在线播放免费不卡| 国产成人一区二区三区免费视频网站| 丝袜在线中文字幕| 最近最新中文字幕大全免费视频| av电影中文网址| 哪里可以看免费的av片| 精品久久久久久久久久免费视频| 国产欧美日韩一区二区三| 亚洲人成伊人成综合网2020| 免费在线观看影片大全网站| 俺也久久电影网| 亚洲va日本ⅴa欧美va伊人久久| 久久久水蜜桃国产精品网| 丰满人妻熟妇乱又伦精品不卡| 精品电影一区二区在线| 最近在线观看免费完整版| 国产黄片美女视频| 久久久久久久精品吃奶| 91九色精品人成在线观看| 亚洲国产欧洲综合997久久, | 欧美一区二区精品小视频在线| 人成视频在线观看免费观看| 我的亚洲天堂| 日韩免费av在线播放| 久久久久国内视频| 国产精品99久久99久久久不卡| 久久中文字幕一级| 精品高清国产在线一区| 美女高潮到喷水免费观看| 亚洲av电影不卡..在线观看| 日本黄色视频三级网站网址| 欧美另类亚洲清纯唯美| 9191精品国产免费久久| 成人三级黄色视频| 桃红色精品国产亚洲av| 波多野结衣巨乳人妻| 久久99热这里只有精品18| 精品久久久久久久末码| 国产片内射在线| 亚洲熟女毛片儿| 久久久久久国产a免费观看| 九色国产91popny在线| 日本 av在线| 国产亚洲欧美98| 国产精品综合久久久久久久免费| 久久香蕉激情| 国产高清视频在线播放一区| 亚洲一卡2卡3卡4卡5卡精品中文| 色哟哟哟哟哟哟| 99riav亚洲国产免费| 女性被躁到高潮视频| 亚洲人成77777在线视频| 制服人妻中文乱码| 在线观看www视频免费| 12—13女人毛片做爰片一| 久久99热这里只有精品18| 久久久久国内视频| 日日爽夜夜爽网站| 日韩欧美国产一区二区入口| 搡老妇女老女人老熟妇| 黑人欧美特级aaaaaa片| 日韩欧美国产一区二区入口| 日日干狠狠操夜夜爽| 成人18禁高潮啪啪吃奶动态图| 国产一区二区三区视频了| 欧美激情极品国产一区二区三区| 国产极品粉嫩免费观看在线| 色综合婷婷激情| 亚洲中文字幕日韩| 国产三级黄色录像| 成熟少妇高潮喷水视频| 黄网站色视频无遮挡免费观看| 啦啦啦 在线观看视频| 亚洲欧美激情综合另类| 亚洲最大成人中文| 精品人妻1区二区| 老鸭窝网址在线观看| 黄片播放在线免费| 午夜福利高清视频| 亚洲精品美女久久av网站| 最新在线观看一区二区三区| 婷婷精品国产亚洲av| 久久久久久久久久黄片| 无人区码免费观看不卡| 色播在线永久视频| 国产在线观看jvid| 亚洲五月婷婷丁香| 黑人操中国人逼视频| 久久精品aⅴ一区二区三区四区| 禁无遮挡网站| 黑人操中国人逼视频| 亚洲国产看品久久| 俺也久久电影网| 热re99久久国产66热| 国产又色又爽无遮挡免费看| 精品欧美国产一区二区三| av电影中文网址| 亚洲美女黄片视频| 视频在线观看一区二区三区| 黄色a级毛片大全视频| 日韩欧美国产一区二区入口| 69av精品久久久久久| 人人澡人人妻人| 一进一出抽搐gif免费好疼| 日本免费a在线| 天堂影院成人在线观看| 亚洲一区二区三区色噜噜| 视频区欧美日本亚洲| 欧美一级毛片孕妇| 国产一级毛片七仙女欲春2 | 日韩欧美在线二视频| 每晚都被弄得嗷嗷叫到高潮| 精品免费久久久久久久清纯| 久久久久精品国产欧美久久久| 亚洲 国产 在线| av超薄肉色丝袜交足视频| 91老司机精品| 2021天堂中文幕一二区在线观 | 看黄色毛片网站| 宅男免费午夜| 精品国产乱子伦一区二区三区| 99精品欧美一区二区三区四区| 91大片在线观看| 日韩欧美三级三区| 欧美最黄视频在线播放免费| 久久久国产精品麻豆| 精品高清国产在线一区| 精品国产乱码久久久久久男人| 国产伦在线观看视频一区| 欧美日韩亚洲综合一区二区三区_| 黑人操中国人逼视频| 99热只有精品国产| 免费看日本二区| 黄色成人免费大全| 亚洲国产欧洲综合997久久, | 少妇粗大呻吟视频| 国产精品自产拍在线观看55亚洲| svipshipincom国产片| 亚洲 国产 在线| 日韩av在线大香蕉| 日韩大尺度精品在线看网址| 久久国产精品男人的天堂亚洲| 男人操女人黄网站| 欧美国产精品va在线观看不卡| 久久久水蜜桃国产精品网| 99热这里只有精品一区 | 亚洲精品久久国产高清桃花| 在线国产一区二区在线| 一进一出好大好爽视频| 性欧美人与动物交配| 一区二区三区激情视频| 十八禁网站免费在线| 精品日产1卡2卡| 巨乳人妻的诱惑在线观看| 精品久久久久久成人av| 精品乱码久久久久久99久播| 日日爽夜夜爽网站| 免费看美女性在线毛片视频| 免费无遮挡裸体视频| 这个男人来自地球电影免费观看| 999精品在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 婷婷精品国产亚洲av在线| 十分钟在线观看高清视频www| 亚洲真实伦在线观看| 国产av又大| 欧美日韩瑟瑟在线播放| 天堂√8在线中文| 成熟少妇高潮喷水视频| 久久久久久九九精品二区国产 | 国产成人欧美在线观看| 黄色女人牲交| 脱女人内裤的视频| 叶爱在线成人免费视频播放| 欧美日韩精品网址| 制服诱惑二区| 精品人妻1区二区| 精品欧美一区二区三区在线| 午夜福利一区二区在线看| 男女那种视频在线观看| 听说在线观看完整版免费高清| 国内久久婷婷六月综合欲色啪| 亚洲男人天堂网一区| 国产精品电影一区二区三区| 国内毛片毛片毛片毛片毛片| 国产精品99久久99久久久不卡| 大香蕉久久成人网| 日韩精品青青久久久久久| 女人被狂操c到高潮| 国产主播在线观看一区二区| 正在播放国产对白刺激| 久久精品影院6| 91在线观看av| 老鸭窝网址在线观看| 亚洲 欧美 日韩 在线 免费| 中文字幕精品亚洲无线码一区 | 可以在线观看的亚洲视频| 人人妻人人澡欧美一区二区| 亚洲精品国产一区二区精华液| 久久精品国产清高在天天线| 亚洲精品av麻豆狂野| 国产精品自产拍在线观看55亚洲| 亚洲av五月六月丁香网| 最近在线观看免费完整版| 日本五十路高清| 亚洲av电影不卡..在线观看| 国产成年人精品一区二区| 99国产精品99久久久久| av视频在线观看入口| 日本成人三级电影网站| 99精品久久久久人妻精品| 亚洲精品一区av在线观看| 91麻豆av在线| 亚洲精品色激情综合| 中文字幕高清在线视频| 人成视频在线观看免费观看| 欧美亚洲日本最大视频资源| 久久久久久亚洲精品国产蜜桃av| 一进一出好大好爽视频| 一区二区三区国产精品乱码| 人成视频在线观看免费观看| 亚洲精品国产区一区二| 欧美黄色淫秽网站| 18禁国产床啪视频网站| 看黄色毛片网站| 69av精品久久久久久| 国产午夜福利久久久久久| 国内精品久久久久久久电影| 日韩欧美一区视频在线观看| 亚洲精品av麻豆狂野| 一夜夜www| 亚洲三区欧美一区| 午夜激情福利司机影院| 日韩欧美一区视频在线观看| 国产人伦9x9x在线观看| 久久精品影院6| 国产成+人综合+亚洲专区| 亚洲精品久久国产高清桃花| 韩国精品一区二区三区| 国产精品 欧美亚洲| 天堂√8在线中文| 亚洲自偷自拍图片 自拍| 亚洲精品中文字幕一二三四区| 黄网站色视频无遮挡免费观看| 午夜激情福利司机影院| 久热这里只有精品99| 国产激情欧美一区二区| 日本a在线网址| 久久久久久免费高清国产稀缺| 99久久精品国产亚洲精品| 日本 av在线| 99精品在免费线老司机午夜| av视频在线观看入口| 少妇 在线观看| bbb黄色大片| www日本黄色视频网| 淫妇啪啪啪对白视频| 精品国产乱码久久久久久男人| 亚洲人成网站在线播放欧美日韩| 无人区码免费观看不卡| 午夜a级毛片| 国产99久久九九免费精品| 亚洲欧美一区二区三区黑人| 欧美日韩黄片免| 久久精品国产99精品国产亚洲性色| 国产精品,欧美在线| 亚洲午夜理论影院| 免费人成视频x8x8入口观看| 日本免费一区二区三区高清不卡| 精品日产1卡2卡| АⅤ资源中文在线天堂| 国产熟女xx| 高清毛片免费观看视频网站| 国产av在哪里看| 国产久久久一区二区三区| 琪琪午夜伦伦电影理论片6080| 成年版毛片免费区| 黄色片一级片一级黄色片| 啦啦啦免费观看视频1| 成人18禁高潮啪啪吃奶动态图| 久久久国产精品麻豆| 黄色成人免费大全| 很黄的视频免费| 国内揄拍国产精品人妻在线 | 欧美三级亚洲精品| 日韩有码中文字幕| 亚洲精品久久成人aⅴ小说| 国产精品野战在线观看| av超薄肉色丝袜交足视频| 欧美一区二区精品小视频在线| 久久久久国产一级毛片高清牌| 91麻豆精品激情在线观看国产| 亚洲中文日韩欧美视频| 久久天躁狠狠躁夜夜2o2o| 此物有八面人人有两片| 午夜久久久久精精品| 亚洲九九香蕉| 精品国产超薄肉色丝袜足j| 免费看日本二区| 一二三四社区在线视频社区8| 757午夜福利合集在线观看| 久久香蕉激情| 午夜福利欧美成人| 国产激情偷乱视频一区二区| 午夜福利在线观看吧| 免费看a级黄色片| 久久久久久久久免费视频了| 国产高清有码在线观看视频 | 国产精品久久久av美女十八| 人人澡人人妻人| 欧美成人性av电影在线观看| 999久久久国产精品视频| 丰满人妻熟妇乱又伦精品不卡| 天天添夜夜摸| 精品一区二区三区视频在线观看免费| 国产单亲对白刺激| 日韩三级视频一区二区三区| 婷婷精品国产亚洲av| 免费在线观看成人毛片| 岛国视频午夜一区免费看| 天天一区二区日本电影三级| 久99久视频精品免费| 午夜福利一区二区在线看| 9191精品国产免费久久| 两性夫妻黄色片| 99re在线观看精品视频| 久久久久久久久中文| a在线观看视频网站| 国产精品久久久av美女十八| 日日摸夜夜添夜夜添小说| 国产精品久久视频播放| 2021天堂中文幕一二区在线观 | 久久人妻福利社区极品人妻图片| 国产一区二区三区视频了| 精品久久久久久成人av| or卡值多少钱| 亚洲中文字幕一区二区三区有码在线看 | 久久久水蜜桃国产精品网| 午夜激情av网站| 亚洲成a人片在线一区二区| 日本精品一区二区三区蜜桃| 欧美日韩瑟瑟在线播放| 久久这里只有精品19| 亚洲男人天堂网一区| 老熟妇乱子伦视频在线观看| 久久这里只有精品19| 99精品欧美一区二区三区四区| 成人国产综合亚洲| 精品一区二区三区四区五区乱码| 亚洲精品色激情综合| 欧美不卡视频在线免费观看 | 美国免费a级毛片| 国产熟女午夜一区二区三区| 国产av一区二区精品久久| 91九色精品人成在线观看|