食品安全事关人民的身体健康,如何建立可靠的食品流通体系,实现从生产源头到销售终端全程追溯,保障食品质量和安全,具有十分重要的意义.该文利用条形码、QR二维码和RFID等多种物联网技术,对食品生产、加工、贮存、物流运输和销售等环节进行信息化处理,同时结合区块链技术实现了一个去中心化、防篡改的食品溯源系统.该系统包含Web后台管理系统和前端微信小程序,较好地满足了人们对食品安全可溯性的需求.

针对粒子群优化算法容易陷入局部最优、收敛精度不高以及收敛速度较慢的问题,本文提出一种混合分层自主学习量子粒子群优化算法HHQPSO.首先,根据粒子适应度值和迭代次数将种群动态划分为三个阶层:上、下两层粒子分布较少,分别采用局部学习模型和全局学习模型,以增强粒子多样性;中层粒子分布较多,采用混合自适应量子学习模型.其次,在混合量子模型中提出改进差分策略以更新粒子的随机位置,并引入Levy飞行策略以提高算法的收敛精度和收敛速度.最后,分别在9个典型测试函数上对6种改进粒子群算法进行仿真对比实验.实验结果表明,HHQPSO算法在收敛精度、速度和稳定性上均有着较为明显的优势,特别适用于多峰函数寻优.

针对粒子群算法易于陷入早熟、收敛速度慢及收敛精度低的问题,提出了加权变异的WVPSO(WeightedVariation Particle Swarm Optimization)粒子群算法.根据自适应惯性权重和自适应学习因子,平衡了全局搜索和局部搜索能力;基于算术交叉的变异和自然选择机制的替换策略,增加了粒子的多样性,提高了算法的收敛精度;最后加入高斯扰动,使粒子产生震荡,更容易跳出局部最优.仿真实验表明,相比多个具有代表性的群智能进化算法,WVPSO算法在求解精度和收敛速度上效果更佳,并且在高维函数优化问题上具有更好的精度和稳定性.