摘要:

针对交互式进化计算的研究进展进行综述. 首先对其求解模式及特点进行描述; 然后对其理论、应用与改进研究进行系统分析, 并深入讨论了交互式进化计算中的不确定性; 最后指出了今后需要进一步研究的问题.

摘要:

研究含有不确定性的输入多采样率控制系统的鲁棒预测控制问题, 提出了基于??∞ 性能的鲁棒预测控制算法. 该算法采用线性矩阵不等式(LMI)的方法, 得出闭环多采样率系统具有??∞性能指标的上界??, 并给出保证闭环系统鲁棒稳定的判据. 仿真结果表明了该算法的有效性.

摘要:

在假定制造商的单位生产成本是关于提前期的减函数的前提下, 将提前期视为可控决策变量, 建立了带有提前期压缩的Newsvendor 型产品供应链协调模型, 讨论了提前期压缩对供应链及其成员收益的影响, 并利用由回购和回扣/惩罚所组成的联合契约实现了供应链的协调. 数值仿真分析结果验证了结论的正确性.

摘要:

针对准则权系数不完全确定, 方案的准则值为区间直觉模糊数的随机多准则决策问题, 提出一种基于记分函数的直觉随机多准则决策方法. 首先定义离散型区间直觉随机变量、记分函数以及记分期望值和记分标准差; 然后构造方案集记分期望值的最优线性规划模型得出最优权向量, 进而求得方案集的联合直觉随机变量分布和综合记分标准期望区间值, 再利用可能度方法确定方案排序; 最后, 算例分析结果表明了该方法的可行性和合理性.

摘要:

针对具有带宽约束的网络控制系统, 讨论了在随机通信逻辑调度策略下系统的稳定性问题. 将基于时倚泊松过程的随机通信逻辑引入系统中, 建立了泊松强度与系统估计偏差之间的函数关系. 利用随机点过程方法, 证明了系统状态的更新时刻具有Markov 特性, 进而将系统转化为Markov 跳变系统. 利用随机稳定性理论, 得到系统几乎处处稳定和均方渐近稳定的充分条件. 仿真算例表明了该调度策略的有效性.

摘要:

均值漂移谱聚类(MSSC) 算法为模式识别聚类任务提供了一种较新的方案. 然而由于其内嵌均值漂移过程的时间复杂度与样本容量呈平方关系, 其在大数据集环境的实用性受到大大削弱. 利用快速压缩集密度估计器(FRSDE) 替代Parren 窗密度估计式(PW) 并融合基于图的松弛聚类(GRC) 方法, 提出了快速均值漂移谱聚类(FMSSC) 算法. 相比原MSSC, 该算法的总体渐进时间复杂度与样本容量呈线性关系, 并具有自适应性和便捷性.

摘要:

针对目前多机器人协作围捕过程中收敛速度慢、稳定性差、定位精度低的问题, 提出一种新的围捕策略. 设计出Cross-EKF 定位算法, 对目标位置的后验估计协方差进行交叉计算, 以取得最小协方差区域. 以区域边缘点到均值中心最大距离为半径, 构建收敛圆, 将对动态点的收敛扩展为对动态面的收敛. 实验结果表明, 系统能快速平稳地收敛该圆, 从而实现对目标的精确围捕, 该方法具有较高的实用价值.

摘要:

提出了支付值为区间直觉模糊集的矩阵对策定义及其解的概念, 将求解局中人的极大-极小与极小-极大策略问题转化为求解一对辅助的非线性多目标规划, 进而转化为一对易于求解的原始-对偶线性规划. 数值实例表明了所提方法的有效性和实用性. 所提出的区间直觉模糊集矩阵对策理论与方法既是对经典矩阵对策理论的发展, 又可为解决其他带有区间直觉模糊信息的对策问题提供新的途径.

摘要:

本体决策模型选择的最佳手段是使计算机在理解决策问题和决策模型自身能力的基础上进行. 通过领域本体, 决策问题和决策模型可以具备被计算机自动理解的形式化语义. 在理解决策问题语义的基础上, 系统可选择对应的求解模型类别并获取决策问题内在需求, 进而根据对应的候选模型语义对其具备的能力进行评估, 选择最适合于决策问题的决策模型. 最后, 实例分析结果表明了这种模型选择方法是有效且可行的.

摘要:

研究了无线传感器网络在受限移动能力条件下的重新部署问题. 针对节点的运动模型为跳跃式移动, 提出一种基于遗传算法的重新部署算法. 算法以节点的跳跃方向为遗传算法的基因, 适用度函数同时考虑了最大化覆盖率和最小化移动总距离. 仿真实验表明, 在各向同性的感测模型中, 此算法优于文献[8] 提出的FBSD 算法, 能实现节点的最优运动规划, 并且在有向感测模型中, 此算法也能有效提高网络覆盖率.

摘要:

为了克服粒子群优化算法容易陷入局部最优而发生早熟收敛的问题, 提出一种基于进化停滞周期的局部变异粒子群优化算法. 算法引入进化停滞周期和近期全局最优位置的概念, 使粒子的飞行受近期全局最优位置影响, 并在种群进化停滞时对随机选中的局部粒子执行变异操作, 增加种群多样性, 扩大搜索范围, 提高求解质量. 算法用种群进化停滞周期代替多样性度量, 避免了多样性计算引起的高计算复杂度. 对于几个常用基准函数的仿真结果验证了算法的合理性和有效性.

摘要:

在灰色系统缓冲算子公理体系下, 利用反函数定理构造了两类新强化缓冲算子, 并研究其特性及各种强化缓冲算子之间的内在关系, 有效地解决了冲击扰动系统数据序列建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题. 将缓冲算子的构造与函数联系起来, 从而推广了缓冲算子的类型.

摘要:

针对如何通过附加的方法对多目标化问题进行理论分析, 提出并证明了选择附加函数的3 个前提条件. 提出一种多目标化进化算法, 根据种群中个体的多样性度量进行多目标化, 并采用改进的非劣分类遗传算法对构造所得的多目标优化问题进行多目标优化. 在静态和动态两种环境下进行算法性能验证, 结果表明, 在种群多样性保持、处理欺骗问题、动态环境下的适应能力等方面, 所提算法明显优于其他同类算法.

摘要:

基于TDMA方式的无线网状网中, 链路调度对网络性能起着重要作用. 针对固定顺序的待调度链路集, 提出求解最优调度周期的启发式算法; 基于链路顺序对算法性能的影响, 从全局优化的角度对全网链路进行排序, 提出基于遗传算法的最优链路调度机制. 仿真结果表明, 该算法能快速收敛于全网链路的最小调度周期, 具有比现有算法更高的传输效率和更低的实施复杂度.

摘要:

针对固定单信标情况下水下机器人纯距离导航非线性系统的能观性和稳定性, 给出了理论分析和证明. 在导航系统稳定性分析基础上, 提出一种保证滤波器渐近稳定的新方法, 并提出固定单信标情况下的保证导航系统能观的机器人机动方案和路径. 最后, 仿真实验结果表明了该方法的有效性.

摘要:

作为多无人机系统应用的一项关键技术, 任务分配是一个多维互异离散变量的优化问题. 采用混合整数线性规划方法构造优化函数, 并利用群智算法中的粒子群算法来求最优解, 这样可以解决多无人机的任务分配问题. 针对互异性要求进行必要的算法改进. 数值仿真实验表明, 该粒子群算法可以迅速找到优化函数的最优解, 从而高效地实现多无人机的任务分配.

摘要:

提出一种未知环境下基于有先验知识的滚动??学习机器人路径规划算法. 该算法在对??值初始化时加入对环境的先验知识作为搜索启发信息, 以避免学习初期的盲目性, 可以提高收敛速度. 同时, 以滚动学习的方法解决大规模环境下机器人视野域范围有限以及因??学习的状态空间增大而产生的维数灾难等问题. 仿真实验结果表明, 应用该算法, 机器人可在复杂的未知环境中快速地规划出一条从起点到终点的优化避障路径, 效果令人满意.

摘要:

通过直觉模糊覆盖概念将覆盖粗糙集模型进行推广, 提出一种基于直觉模糊覆盖的直觉模糊粗糙集模型. 首先, 介绍了直觉模糊集、直觉模糊覆盖和直觉模糊逻辑算子等概念; 然后, 利用直觉模糊三角模和直觉模糊蕴涵, 构建两对基于直觉模糊覆盖的下直觉模糊粗糙近似算子和上直觉模糊粗糙近似算子; 最后, 给出了这些算子的基本性质并研究了它们之间的对偶性.

摘要:

介绍一种有效的空间目标电磁特征提取与识别方法. 首先通过处理目标多个姿态角的平均距离像, 在双谱变换的基础上, 生成目标姿态角的双距离像; 然后计算双距离像矩阵的特征值, 得到一个融合特征矢量, 以此为判决依据对空间目标进行分类识别; 最后, 通过大量实测数据验证, 该方法对空间目标能作出正确判决, 统计识别正确率高于常用的前向(BP) 神经网络分类方法.

摘要:

设计了一种改进的蚁群算法, 将蚁群系统(ACS) 与最大最小蚂蚁系统(MMAS) 相结合, 在状态转移规则中引入时间窗跨度与服务等待时间因素, 并在算法的不同阶段采用不同的信息素蒸发策略以防止算法陷入局部最优. 使用路径内2-opt 优化方法以及路径间2-opt* 优化方法对每次迭代过程所得到的最优解进行局部优化. 通过对相关文献实验数据的测试结果表明, 该算法在求解效果及运算效率上优于遗传算法与禁忌搜索算法.

摘要:

为解决多输入系统Wang-Mendel(WM) 建模过程中输入量取舍困难和未选用的输入量影响模型精度的问题,通过引入前一时刻输出作为当前时刻输入的一部分对WM建模方法进行了改进; 在此基础上建立多步递推模糊预测模型. 同时, 为了减少有约束预测控制优化的求解时间, 提出一种利用模糊控制器分担控制量及控制增量约束的模糊预测复合控制策略. 通过对回转窑煅烧温度模型的仿真, 验证了建模和控制方法的有效性.

摘要:

混合逻辑动态(MLD) 框架为处理约束预测控制不可行和优先级问题提供了新的方法, 但其优化算法求解计算量大, 求解时间长. 通过在目标函数中引入新的惩罚项改进优化算法, 将混合整数二次规划(MIQP) 问题转化为二次规划(QP) 进行求解, 减少了计算工作量, 提高了求解效率. 通过在Wood-Berry塔上的仿真分析, 获得了良好的控制性能, 分析结果表明了该方法的有效性.

摘要:

传统Unscented 卡尔曼滤波器(UKF) 要求系统噪声和量测噪声必须是互不相关的. 针对此局限性, 研究了一类带相关噪声的非线性离散系统UKF 设计方法. 基于最小均方误差估计和正交变换, 给出了噪声相关UKF滤波递推公式, 并采用Unscented 变换(UT) 来计算系统状态的后验分布. 所设计的UKF 有效解决了传统UKF 在噪声相关条件下非线性滤波失效的问题, 拓展了UKF 的应用范围. 最后, 仿真实例表明了所设计UKF 的有效性.

摘要:

针对确定连续时间(DCT) 方法在研究最小主元分析(MCA) 学习算法时, 存在严格限制条件而较难实现的问题, 基于确定离散时间(DDT) 方法, 研究了AMEX MCA学习算法的收敛条件. 理论分析表明, 只有在算法的学习因子和输入信号的自相关矩阵满足一定条件时, AMEX MCA学习算法才能收敛到系统的总体最小二乘解. 最后, 仿真结果表明了收敛条件的正确性.

摘要:

提出一种核主成分分析法(KPCA), 用于电力系统暂态稳定评估(TSA) 模型中的输入向量特征提取, 并利用粒子群优化算法(PSO) 对核函数参数进行优化设置. 以EPRI36 系统为例, 对基于支持向量机(SVM) 分类的暂态稳定评估模型进行仿真, 结果表明该方法不仅得到了良好的预测精度, 而且大大降低了输入空间的维数.

摘要:

针对基于适应值的选择交叉机制在优化具有欺骗性的最大团问题中性能退化的问题, 提出一种新的基于匹配交叉的Memetic 算法. 该算法提出交叉匹配度的概念, 用来估计两个体交叉所能获得的最佳适应值. 通过匹配度的计算对交叉方向的选择进行控制, 保证了交叉操作以较大的概率生成新的优良模式. 在40 个最大团问题标准算例上的测试结果表明, 新算法优于目前在最大团问题求解中性能最好的多阶段动态局部搜索算法.

摘要:

GM(1, 1) 模型是处理贫信息数据序列的有效工具, 也是灰色理论体系中应用广泛、具有基础性地位的一类重要模型. 从一个新的视角—-残差的角度, 对该模型的有效性和使用范围进行分析. 结果表明, GM(1, 1) 除了对指数衰减趋0 的序列实现+∞上的拟合外, 对算术级数序列和指数增加的序列拟合效果不佳, 残差分布是不均匀的, 且有不断扩大的趋势.

摘要:

针对安装3 个位移传感器的六极径向主动磁轴承, 研究了基于坐标变换的位移传感器容错控制算法; 在电流分配矩阵重构法的基础上, 提出了基于坐标变换的执行器容错控制算法; 并将这两种算法结合, 提出了基于坐标变换的位移传感器和执行器容错控制算法; 最后, 在一个两自由度径向主动磁轴承实验台上对该容错控制算法进行了实验研究. 实验结果表明, 采用新容错控制算法可以最多在1 个传感器故障和3 个励磁线圈同时故障的情况下实现转子的稳定悬浮.

摘要:

评估属性的选择是安全评估中的一个重要问题, 目前常用的标准通常会造成评估节点过多, 从而影响评估模型的可用性和准确性. 目前的属性约简算法通常会产生多个结果, 而在安全评估中这些算法并未给出结果选择的准则. 针对信息安全评估的具体问题, 根据粗糙集的理论和方法提出一种安全属性的近似约简算法. 该算法以互信息和冗余协同系数作为冗余属性的度量, 根据实际情况设定具体的阀值参数, 从而可以得到不同规模的约简属性集以及更加简洁有效的安全评估模型.

摘要:

采用最坏情况下条件风险(WCVaR) 作为市场风险度量指标, 建立了多置信水平下的极小化WCVaR 优化模型. 在随机变量为离散界约束分布的假设下, 运用多目标决策方法和最优化对偶理论将具有Min-Max 结构的复杂模型转化为常规的单目标线性规划问题. 应用该模型建立发电商电能分配策略, 并采用蒙特卡洛模拟测试了模型的有效性.

摘要:

针对文本无关话者辨别多分类目标和大训练样本情况, 将经典Logistic 回归模型进行多元化变形, 并叠加L2 惩罚因子以提高模型泛化能力. 将最优目标负对数Logistic 公式对偶化, 并利用序列最小优化算法进行模型训练, 速率优于传统多元核Logistic 回归训练算法. 实验显示, 该模型构建简单, 训练算法快捷, 且识别率优于经典支持向量机与二元核Logistic 回归模型所生成的“一对一”多分类方法.