摘要:

在介绍量子进化算法(QEA)的原理,特点和基本流程的基础上,重点综述QEA 的改进,包括改进基本算子,引入新算子,改变种群规模,扩展为并行算法和构造新型算法框架等.介绍了QEA 的应用研究,进而提出了QEA 在理论,算法,组合优化,多目标优化与约束优化,不确定优化及应用方面的若干进一步的研究内容.

摘要:

针对协同微粒群算法不能保证收敛到局部或全局最优值的问题,提出一种改进协同微粒群算法(ICPSO),并证明了该算法能以概率1收敛于全局最优解.应用ICPSO建立一类非线性对象的神经网络辨识模型,并对系统的模糊神经网络自适应控制器的参数进行了离线和在线优化.仿真结果表明,ICPSO能提高系统的建模精度,增强模型的泛化能力,而且由ICPSO训练的控制器可以达到良好的控制效果.

摘要:

针对当前机动目标跟踪领域中多模型算法存在的问题,提出一种基于粒子滤波的模型自适应机动目标跟踪算法.首先,依据前一时刻每个粒子采用的模型状态和模型间的状态转移概率,实现对当前时刻模型的采样;然后,将采样模型用于对当前粒子的预测,并根据当前时刻得到的量测数据实现对预测粒子权值的度量;最后,通过重采样策略和概率最大化原则完成对模型的合理选择和状态的有效估计.仿真实验验证了该算法的有效性.

摘要:

拣选作业的效率直接影响自动化立体仓库系统的整体效益.为满足客户货单动态变化的需求,分析了自动化仓库单存/取机对多巷道固定货架拣选操作的工作特点,构建了含装箱约束条件的多目标货物拣选路径问题的数学模型,并提出一种带选择算子,插入点操作和动态自适应调整算法参数的改进蚁群算法.实验表明,该算法具有较好的全局寻优能力,收敛速度快,是解决货物拣选路径优化问题的有效算法.

摘要:

针对具有多个特征指标的多传感器目标识别问题,提出一种基于双基点法的信息融合方法.该方法根据指标隶属度矩阵将多传感器目标识别问题转化为多目标决策问题.通过定义熵权和相对接近度,改进了传统的双基点法,从而给出目标识别算法.该方法利用熵权较好地避免了目标识别受主观因素的影响,特别适用于具有多个特征属性的多个目标的识别.仿真实例验证了所提出算法的有效性和可操作性.

摘要:

将Jiao法直接应用于最小二乘支持向量回归机上的效果并不理想,为此采用不完全抛弃的策略,提出了改进的Jiao法,并将其应用于最小二乘支持向量回归机.数据集测试的结果表明,基于改进Jiao法的稀疏最小二乘支持向量回归机,无论在支持向量个数和训练时间上都取得了一定的优势.与其他剪枝算法相比,在不丧失回归精度的情况下,改进的Jiao法可大大缩短训练时间.另外,改进的Jiao法同样适用于分类问题.

摘要:

依据系统对模拟量实时控制的要求,提出了基于控制微元的统计自适应增量控制方法,给出了量化控制状态统计图的获取方法,分别找出了扩展控制微元的统计稳定系数,平均统计状态偏差,统计趋势,统计超调,尾偏差等参数与调节增量之间的关系,确定了统计控制策略及其最优化条件,给出了统计预测自适应记忆增量控制器的设计方案.该方法易于微处理器编程,运算速度快,可,高效率实现对模拟量的精确控制.

摘要:

研究离散时间跳变线性二次(JLQ)模型的直接自适应最优控制问题.将强化学习的理论和方法应用于JLQ模型,设计基于Q 函数的策略迭代算法,以优化系统性能.在系统参数以及模态跳变概率未知的情况下,Q 函数对应的参数矩阵,可通过观察给定策略下系统行为,应用递归最小二乘算法在线估计.基于此参数矩阵,可构造出新的策略使得系统性能更优.该算法可收敛到最优策略.

摘要:

针对最小二乘支持向量机用于在线建模时存在的计算复杂性问题,提出一种动态无偏最小二乘支持向量回归模型.该模型通过改进标准最小二乘支持向量机结构风险的形式消除了偏置项,得到了无偏的最小二乘支持向量机,简化了回归系数的求解.根据模型动态变化过程中核函数矩阵的特点,设计了基于Cholesky分解的在线学习算法.该算法能充分利用历史训练结果,减少计算复杂性.仿真实验表明了所提出模型的有效性.

摘要:

为解决柔性机械手非最小相位的控制问题以及克服运动中的抖振,采用积分流形和奇异摄动理论,将柔性机械手系统分解为快慢两个子系统.对于慢变子系统,设计一种基于一阶鲁棒微分估计器的二阶滑模控制策略,使其轨迹跟踪期望值,对于快变子系统,采用频率成形滤波器设计动态补偿器来抑制弹性振动,并基于线性二次型最优控制方法给出相应的最优控制规律,使系统的输出快速趋于稳定.仿真结果表明了该控制策略的有效性.

摘要:

考虑一类非线性不确定系统的变论域模糊预测控制问题.根据跟踪误差在线调整伸缩因子,使变论域模糊系统一致逼近被控对象中的未知干扰和不确定因素.通过引入鲁棒自适应控制器,消除了模糊建模误差,提高了系统的动态性能.基于泰勒展开的非线性预测控制律,避免了繁重的计算负担.基于Lyapunov 理论,给出了伸缩因子的σ调整律,并证明了闭环系统一致最终有界.最后,将该算法用于空天飞行器(ASV)姿态控制系统的设计,仿真结果表明了该算法的有效性.

摘要:

针对复杂产品方案设计中属性信息的不完全性和不确定性,研究了方案设计中多指标灰区间数关联决策计算方法,提出一种基于灰色系统理论的多指标灰区间数关联决策模型.该模型通过引入灰区间数序列的范数实现多指标决策矩阵的规范化处理,构建了综合考虑灰色信息的正负理想区间方案,利用方案的优属度从整体性的角度获得最优决策方案.最后,通过大型水轮机的方案设计,验证了该模型的有效性和实用性.

摘要:

提出一种基于约束转换方法的建立暂态稳定约束最优潮流(OTC)的算法.运用函数转换技术等价变换OTS为半无限优化(SIP)问题,转换后的SIP问题与常规的最优潮流(OPF)具有相同的维数;基于有效集策略设计了转换后SIP问题的迭代法,该方法减少了子问题中不等式约束的个数.电力系统的2个数值仿真例子验证了所提出算法的有效性.

摘要:

传感器节点的组织和路由对无线传感器网络（WSN）目标跟踪算法的性能有重大影响.为此,针对具有簇-树型网络拓扑结构的WSN,首先给出集中式粒子滤波跟踪算法(CPFTA)实现的具体步骤;然后提出一种分布式粒子滤波跟踪算法(DPFTA),构建性能评价体系,通过仿真实验给出两种跟踪算法的定量比较,结果表明DPFTA 的跟踪精度稍低于CPFTA,但能大幅度减少通信开销,而且具有更小的跟踪反应时间;最后仿真分析了传感器覆盖密度和检测阈值对跟踪算法性能的影响.

摘要:

针对一类非线性奇异摄动系统,建立基于T-S 模糊模型的模糊奇异摄动系统模型,通过Lyapunov 方法和Schur补定理,研究其H_∞ 滤波问题. 将系统H_∞ 滤波器设计归结为求解一组与摄动参数ε无关的线性矩阵不等式,从而避免由ε引起数值求解的病态问题.所获得的滤波器使闭环系统渐近稳定并能达到给定的H_∞ 性能指标.该方法适用于标准和非标准非线性奇异摄动系统,仿真实例表明了所提出方法的有效性.

摘要:

提出一种求解动态优化问题的多群体单变量边缘分布算法(MUMDA).首先,利用多个概率模型,(对应多个群体)将搜索空间分成几个部分,通过对不同区域的搜索或探索将好解进行迁移,扩大搜索空间,增加种群多样性,跟踪最优解的变化;然后,利用对UMDA 收敛性的证明分析了所提出算法的有效性;最后,对两个动态优化问题进行仿真计算,并与传统UMDA 和基于随机迁移的UMDA(iUMDA)进行了比较,结果表明,MUMDA能快速适应环境的变化,跟踪最优解.

摘要:

为解决对当前形势估计不足以及对未来情况预测的问题,采用图形模型中动态贝叶斯网络(DBN)建立突发威胁体感知的模型,利用DBN的状态转移网络,观测转移网络及DBN的学习和推理算法,实现了对突发威胁体的动态感知.提出一种基于图形模型动态感知下的多架无人机航迹协同规划方法,并据此实现多无人机飞行航迹协同规划.仿真结果表明了这种基于图形模型动态感知下的多架无人机协同方法的正确性和可行性.

摘要:

讨论具有连续资源的单机成组排序问.这一模型中同一组内的工件不允许分开加工,各工件组的安装时间是所消耗资源的非负减少连续函数,工件的加工时间是开工时间的严格减少函数.针对满足资源消耗总量限制条件下极小化最大完工时间的问题,以及在满足最大完工时间限制条件下极小化资源消耗总量的问题,讨论了最优排序的某些特征,分别给出了求解最优资源分配的方法.最后通过数值例子表明了所提出方法的正确性和有效性.

摘要:

针对遗传算法难以解决多峰函数优化的问题,提出一种基于双变异算子的免疫网络算法.该算法借鉴免疫系统的克隆选择和免疫网络理论,采用双变异算子提高算法的全局和局部搜索能力.利用动态网络抑制策略保持种群的多样性,自适应地调节抗体群的规模.仿真结果表明,该算法能有效地改善种群的多样性,较好地实现全局优化与局部优化的有机结合,具有更强的多峰函数优化能力.

摘要:

提出一种基于集对分析的多属性决策方法.该方法具有如下特点:能够有效处理决策过程中的不确定因素;基于可能势的联系数排序能够准确反映联系数间的同一对立程度,并能利用联系数的差异度对排序结果进行稳定性分析;用联系数决策矩阵的概念来刻画备选方案与正,负理想方案组成集对的同一对立程度,并以此为依据实现多属性决策.实例计算表明,该方法是求解不确定多属性决策问题的一种有效工具.

摘要:

针对并行机调度中的不确定工件加工时间,提出用粗糙变量表示不确定量,并由此建立该问题的粗糙期望值规划模型.提出一种应用于调度问题的进化规划算法,改进了针对并行机问题的编码方式和变异方法.采用粗糙模拟的方法计算个体的适应值"即粗糙期望估计值,并加以不同规模的算例进行仿真实验.仿真结果表明,改进进化规划算法得到的解优于遗传算法得到的解.

摘要:

采用依参数Lyapunov 函数方法,对一类含不确定参数的连续线性系统进行鲁棒稳定控制器设计.通过引入合适的松弛变量扩大参数寻优空间,从而降低系统设计的保守性.此外,为进一步增加系统设计的自由度,对上述松弛变量进行参数化,从而获得保守性更低的稳定条件.仿真结果表明,所提出的控制器设计方法与现有方法相比对不确定参数具有更好的鲁棒性.

摘要:

提出一种保持群体多样性的多目标遗传算法.该算法采用一种基于信息熵的测度,以衡量群体在多目标空间下的多样性,并利用该测度将群体当前的进化状态,多样性,与算法的运行机制相关联,设计了若干种增强算法探索力度的策略,有效地开拓了算法的搜索范围,提高了进化过程中群体的多样性,防止了算法早熟收敛.对所提出算法的计算复杂度进行了理论分析.仿真实验表明,所提出的算法具有较好的收敛性能和分布特性.