摘要:

以应用传感器网络进行分布式估计为研究背景, 对卡尔曼一致滤波问题进行综述. 系统地介绍了各种卡尔
曼一致滤波算法, 其中包括几种典型的基础算法、自适应估计算法、优化算法以及带丢包、带牵制控制等滤波算法.
最后, 对卡尔曼一致滤波算法的进一步研究方向进行了展望.

摘要:

利用条件风险值理论研究具有风险规避特性的闭环供应链的优化与协调问题. 首先, 建立了随机市场需求
下由单个风险规避零售商与单个风险规避制造商组成的两阶闭环供应链的条件风险值模型, 以及基于条件风险值的
收益共享费用共担契约下的最优订购量和最优批发价格决策模型; 然后在对模型进行分析的基础上, 揭示了制造商
和零售商的风险规避水平对最优订购量、批发价格、条件风险值及闭环供应链协调的影响; 最后通过一个算例验证
了所得的结论.

摘要:

针对粗糙集中求属性核和属性约简存在的问题, 首先给出了改进的差别矩阵定义, 进而提出一种基于改进
差别矩阵的核增量式更新算法, 用于解决对象动态增加情况下核的更新问题; 同时, 为了降低现有增量式属性约简算
法的时间、空间复杂度, 提出一种不存储差别矩阵的高效属性约简算法, 用于处理对象动态增加情况下属性约简的
更新问题. 理论分析及实验结果均表明了所提出算法的有效性和可行性.

摘要:

针对大规模定制模式下的供应链调度优化问题, 首先将供应链调度优化问题进行数学规划建模, 并通过一
些定义将模型映射为有向图, 以便于智能搜索算法的应用; 然后, 结合遗传算法全局搜索能力强与粒子群算法收敛速
度快的特点, 进行优势互补, 构造了一种混合算法; 最后, 运用混合算法对供应链优化调度问题模型进行求解. 通过与
其他算法进行比较, 所得结果表明混合算法有着更好的整体性能.

摘要:

作为一种群决策, 人员面试决策具有其特殊性, 即容易存在舞弊现象. 为了剔除无效决策, 提高人员面试决
策的质量, 构建了剔除无效决策的灰色群决策模型. 首先使用区间灰数效用变换算子对决策数据进行标准化处理, 提
出了考虑决策者对指标有偏好理解时无效决策的甄别模型; 然后对有效决策进行无偏化处理并进行信息集结, 再由
区间灰数的灰色关联度计算方法对被面试人进行评价; 最后通过一个实例表明了该模型的可行性和有效性.

摘要:

在给出数据流定义的基础上, 从理论上分别针对传输控制协议(TCP) 和用户数据包协议(UDP) 提出了基
于数据流的Internet 网络控制系统(INCS) 延时模型. 数据流的定义描述了INCS 中所有数据流的输入和输出特性, 网
络延时模型描述了TCP 和UDP协议的传输延时特性. 此外, 提出了基于Transit-Stub 的INCS 延时测量模型, 并通过
实验验证了基于数据流的INCS 延时模型的正确性. 分析了INCS 中不同类型的数据流适用的传输协议, 从而为设
计INCS 提供了理论依据.

摘要:

针对电力负荷的时变、变结构和非线性等特点, 提出一种动态模糊粒神经网络算法. 该算法采用粒计算商
空间理论和模糊神经网络技术对电力负荷进行建模. 将椭圆基函数和模糊??
− 完备性作为在线参数分配机制, 避免了
初始化选择的随机性. 根据模糊规则和输入变量的重要性, 对每条规则的输入变量宽度实施在线自适应调整, 从而实
现了负荷参数和结构同时辨识. 实验结果表明了所提出方法的可行性和有效性.

摘要:

针对复杂非线性系统的控制问题, 采用数据驱动的控制策略, 将具有本质自适应能力的即时学习算法与具
有强鲁棒性的滑模预测控制相结合, 设计了一种基于即时学习的滑模预测(LL-SMPC) 控制方法. 该方法在在线局部
建模的基础上, 采用滑模预测控制律求取最优控制量, 具有较强的自适应和抗干扰能力, 并采用分层递阶搜索策略,
避免了求解Diophantine 方程, 有效减少了计算量, 提高了搜索效率. 仿真结果验证了所提出算法的有效性.

摘要:

针对软件项目风险应对计划中风险应对措施的优选问题, 提出一种区间优化模型. 该模型基于项目视角, 以
风险应对成本和风险水平最小化为目标, 结合考虑风险管理者的风险偏好, 选出满意的风险应对措施组合. 考虑到风
险概率和风险损失等参数难以给出精确值, 模型采用区间数来表示风险概率和风险损失信息. 针对模型的求解, 利用
区间数距离定义和区间数排序规则, 给出一种迭代求解算法. 案例分析表明了该模型和算法的有效性和可操作性.

摘要:

在分析大规模无等待流水调度问题特点的基础上, 提出了利用相邻工件间完工时间距离求最小化完工时间
的方法; 通过研究工件插入和工件对的交换对最小化完工时间的影响, 提出一种邻域迭代搜索算法, 该算法降低了求
解完工时间的时间复杂度, 大大提高了算法效率; 为避免算法在邻域搜索过程中陷入局部最优, 将变邻域结构算法的
思想应用于其中. 仿真结果表明, 所提出的算法能高效率解决大规模无等待流水调度问题, 所得结果令人满意.

摘要:

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价, 提出一种基于量子行为特性的粒子群
优化(QPSO) 和拥挤距离排序的多目标量子粒子群优化(MOQPSO-CD) 算法. MOQPSO-CD 利用QPSO 快速接近真
实的Pareto 最优解, 同时引入高斯变异算子以增强解的多样性. 采用拥挤距离排序的方法对外部存储器中最优解进
行更新和维护, 使得从中选择的具有全局最优的领导粒子能够引导粒子群最终找到真实的Pareto 最优解. 仿真结果
表明, MOQPSO-CD 具有更好的收敛性和更均匀的分布性.

摘要:

在分析生物共生关系的基础上, 将兼性寄生行为的机制嵌入粒子群算法中, 构建了一种由宿主群和寄生群
两个种群组成的粒子群算法—–PSOPB. 该算法中两个种群间隔一定的迭代次数并按个体适应度的大小排序, 相互
交换粒子. 为了体现“优胜劣汰”的生物进化法则, 宿主群中适应度较差的一半粒子被淘汰, 而由重新初始化的粒子代
替以维持群体规模不变. 标准测试函数的仿真结果表明了PSOPB 算法的有效性.

摘要:

基于面贴式永磁同步电机(SPMSM) 的数学模型, 提出了反步控制与滑模变结构方法相结合的控制策略, 增
强了控制器的快速响应性和对外界扰动的抑制能力, 滑模面中的积分作用可保证给定速度的无静差跟踪; 同时设计
了扩张状态观测器(ESO) 以实时估计控制系统的外界负载扰动, 及时调整控制量, 有效减小滑模变结构中的趋近率
参数. 理论分析及仿真结果验证了该控制方法的有效性.

摘要:

针对参数在一个联合椭圆不确定集中变化的情形, 建立了一个具有概率约束的鲁棒投资组合模型, 并将其
转化为可由内点算法求解的含线性矩阵不等式(LMI) 约束的凸规划问题. 应用实际交易数据对所提出的模型进行数
值实验和比较, 结果表明此模型能够获得具有更好财富增长率的投资策略, 并能有效地分散最优投资组合的风险.

摘要:

针对多元时间序列模式匹配的方法难以高效、准确地刻画序列相似程度的问题, 在考虑变量的量纲和特征
差异的基础上, 对多元时间序列进行多维分段拟合; 然后, 选取各个变量维度上拟合线段的倾斜角和时间跨度作为模
式的描述方式, 提出一种基于动态时间弯曲(DTW) 的多元时间序列趋势距离匹配方法. 实验结果表明, 所提出的模
式匹配方法对由连续型变量组成、时间跨度较大且体现一个连续、完整动作过程的多元时间序列, 具有较好的匹配
效果.

摘要:

针对一类模态依赖时延的网络控制系统, 研究其??∞ 控制问题. 基于马尔可夫跳变理论, 通过构造随机
的Lyapunov-Krasovskii 函数, 基于自由权重矩阵方法, 得到??∞ 指标约束下闭环系统随机稳定的充分条件, 并给出了
马尔可夫模态依赖的状态反馈??∞ 控制器的设计方法. 仿真实例验证了该设计方法的有效性.

摘要:

通过研究样本对分析(SPA) 方法, 提出一种抗SPA方法非对称最不重要位(LSB) 信息隐藏算法—–ALRS 算
法. 首先, 分析相邻像素结构体的性质; 然后, 从理论上证明能够找到一个单调的修复图像像素统计特性的相邻像素
结构体序列. 实验结果表明, 该算法不仅能够有效抵抗SPA统计分析方法, 而且其算法实现简单, 计算量小, 性能优于
其他算法.

摘要:

以分布估计算法(EDA) 的角度, 从理论上指出, 具有量子行为的粒子群优化算法(QPSO) 本质上是EDA算
法与原始粒子群算法(SPSO) 的综合. 针对进化类算法普遍遇到的过早熟问题, 将协同搜索策略引入传统的QPSO 算
法, 提出了具有量子行为的协同粒子群优化算法(MQPSO). 通过实验确定了最适合MQPSO算法的通信频率以及子
种群大小. 实验结果表明, 该算法较QPSO 及SPSO 算法具有更快的收敛速度和更强的搜索精度, 其优势在高维优化
问题中更为明显.

摘要:

提出一种改进S 变换和相关向量机相结合的电能质量扰动分类法. 首先通过引入调节因子构建时频分辨率
可控的改进S 变换, 从而提取各类扰动信号的时频特性; 然后利用层次分类法与最小输出编码法构建贝叶斯相关向
量机多级分类树模型, 实现电能质量扰动信号的分类与识别. 研究表明, 该方法能在强噪声背景下获得高精度的扰动
分类识别率, 具备比S 变换更高的时频分析能力, 较支持向量机需要更少的相关向量数目, 测试时间更短.

摘要:

针对现有离散化算法难以兼顾计算速度和求解质量这一难题, 提出一种新的基于类别属性关联程度最大化
监督离散化算法. 该算法考虑了类别、属性值的空间分布特征, 根据类别与属性之间的内在联系构造离散化框架, 使
离散化后类别和属性的关联程度最大. 实验结果表明, 基于类别属性关联程度最大化离散算法在保证计算速度的前
提下能有效提高分类精度, 减少分类规则个数.

摘要:

提出一种神经网络与变结构融合的控制策略用于非线性机器人控制, 该方案利用神经网络来自适应补偿不
确定模型, 并通过变结构控制器消除逼近误差. 考虑到局部泛化网络的不足, 根据其状态空间的划分, 分别对3 个区
间采用神经网络与变结构的分级与集成控制. 该方案能在控制阶段初期及网络逼近区域外使两种控制器共同起作用
以保持系统的强鲁棒性, 基于Lyapunov 理论证明了闭环系统的全局稳定性. 仿真结果进一步表明了该方法的优越性.

摘要:

在传感器识别性能不理想的情况下, 其给出的属性信息质量较低, 传统的冲突度量难以客观地对它们之间
的相异程度进行定量描述. 为此, 定义了一种新的冲突度量, 该度量可以很好地对来自同类和异类目标的属性信息进
行区分. 在新冲突度量的基础上, 采用多维分配算法实现了属性信息相关. 理论分析和仿真实验均表明了所提出的基
于新冲突度量的属性信息相关算法的有效性.

摘要:

提出一种强基因模式组织算法, 给出了强基因模式、连续模式以及对称模式的定义, 使用节约法提取强基
因模式. 设计了选择、变异和模式重组算子, 同时建立了以运输成本为目标、具有时间窗等约束的车辆路径问题模
型. 将该算法与改进的遗传算法、改进的差分进化算法和节约法对模型进行仿真实验. 结果表明, 强基因模式的应用
及模式重组算子大大缩小了解的搜索空间, 提高了算法的收敛速度和解的精度, 其性能优于其他3 种算法.

摘要:

针对自衡对象, 提出一种基于期望模型的PID 自整定方法, 该方法无需被控对象的数学模型. 利用
Maclaurin 展开技术, 给出了PID 控制器的整定公式; 并通过开环阶跃响应, 实现了PID 控制器的无模型自整定. 仿真
结果表明, 利用该自整定方法所得的PID 能有效地提高高阶被控对象的系统性能; 即使在噪声环境下, 该方法仍具有
很好的鲁棒性.

摘要:

针对动态多目标优化问题, 提出一种基于Pareto 解集关联与预测的动态多目标进化算法(LP-DMOEA), 设
计了基于超块的Pareto 解集关联方法. 该方法能够动态维护若干描述Pareto 解变化规律的时间序列, 通过对新环境
下的Pareto 解集进行预测来生成初始种群. 将LP-DMOEA 应用于非劣分类遗传算法(NSGA2), 并对3 类标准测试函
数进行了实验, 所得结果表明该方法能够有效求解动态优化问题.

摘要:

针对二阶自相关过程, 分别采用有限马氏链内嵌法和积分法给出了Shewhart 型修正控制图和残差控制图平
均运行链长的计算方法, 并通过其数值结果的比较分析, 得到结论: 当自相关过程系数均为正值时, 修正图的性能较
好; 当过程系数均取负值时, 残差图较为适用; 当过程系数符号相异时, 两图性能可采用所给方法具体比较. 该结论为
控制图的选择和应用提供了理论依据.

摘要:

针对模式分类问题, 提出一种具有磁场效应的??- 间隔核学习机(??-MKLM), 旨在寻求一个具有磁场效应的
最优超平面, 受其吸引, 使得一类模式离该平面的距离尽可能的小, 而另一类模式受其排斥, 离该平面的间隔尽可能
的大, 从而最大可能地实现模式分类. 通过引入一个可调节的磁场强度??, 减小一类模式的数据分布, 从而提升分类
性能. 分别采用人工数据和实际数据进行实验, 所得结果显示, ??-MKLM在一类和二类模式分类上的性能均优于或等
同于相关方法.

摘要:

传统的支持向量回归算法因基于批量训练方法而无法适应浸出过程在线建模实时性的要求. 在分析研究一
种基于矢量基学习的支持向量回归算法的基础上, 提出了基于矢量基学习的浸出过程在线建模方法. 利用贝叶斯证
据框架优化模型参数, 分析新样本矢量与矢量空间的夹角, 从而推导出该样本是否为基矢量. 将该方法应用于浸出过
程浸出率的预测, 实验结果表明, 该方法不但能很好地跟踪浸出率的变化趋势, 而且显著地缩短了运算时间.

摘要:

海洋机器人在近水面低速航行时, 由于海浪的作用将产生横摇运动. 依据减摇鳍减摇原理和变结构控制理
论, 针对海浪波浪力作用的特点, 在水下机器人横摇解耦模型的基础上, 提出一种带有自适应机制的改进积分滑模控
制器的设计. 仿真结果表明, 改进后的积分型滑模控制器在消除稳态误差的基础上, 进一步提高了减摇效率.

摘要:

距离测度是案例检索的关键问题, 它直接影响案例检索精度. 针对距离测度进行研究, 提出一种基于微粒群
方法的自学习距离测度, 并将该自学习距离测度引入案例推理中, 使案例推理在处理由相关属性表述的案例时有了
合理的解决方法, 从而扩展了案例推理的应用范围. 最后, 利用实际数据与UCI 数据对基于新距离测度的案例推理技
术进行了仿真实验, 实验结果表明, 与其他方法相比,该方法可以提高案例检索的准确性.