摘要:

首先梳理了编队控制研究的脉络, 介绍了3 种经典的编队控制方法, 即跟随领航者法、基于行为法和虚拟结构法的研究思想; 接着综述了近年来发展的, 包容了上述3 种方法且基于图论的编队控制理论的研究成果, 包括多智能体系统图论的建模, 基于代数图论和基于刚性图论的多智能体编队控制律设计、编队构型变换等方面的研究成果; 然后从图论结果出发, 回顾了与编队控制密切相关的一致性、聚集/同向、群集/蜂拥和包络控制的最新进展; 最后, 为了促进多智能体系统在实际中的应用, 指出了多智能体编队控制研究中有待解决的若干问题.

摘要:

为了探讨风险态度、现实约束对决策行为的影响, 建立了具有预算约束、损失约束、需求依赖于价格、基于条件风险价值(CVaR) 准则的价格-订单量决策模型, 并给出了模型最优解与约束条件有效阀值求解方法. 研究结果表明, 条件风险价值对损失约束比对预算约束的敏感程度高, 而不同约束的高敏感区域位置不同; 风险规避程度越高, CVaR 对约束值的弹性系数越低; 预算约束值的提高降低了边际贡献率, 风险规避程度越高, 降低幅度越大.

摘要:

针对供应链中核心制造商对产能约束的多个零部件供应商的“末位惩罚”问题, 构建基于安全多方计算的多个供应商协同模型, 并分析了分散决策和供应商协同决策下各个成员的最优决策. 通过Monte Carlo 模拟仿真方法和数例分析表明, 采用基于安全多方计算的供应链信息共享机制, 可在保护供应商的私有产能信息不公开的同时还能进行集中决策, 从而明显降低供应商的损失成本和整个供应链的全局损失成本, 最终让供应链达到帕累托改善.

摘要:

定义了二元联系数的加性运算法则, 给出了几种新的算术集结算子, 即二元联系数加权算术平均(BCNWAA)算子、二元联系数有序加权平均(BCNOWA) 算子和二元联系数混合集结(BCNHA) 算子, 提出了一种基于二元联系数的准则权重信息不完全确定的群决策方法. 该方法利用BCNWAA算子和BCNHA算子对二元联系数准则值进行集结; 利用二元联系数准则值的方差和准则权重的随机性, 通过构建优化模型确定最优准则权重. 最后, 通过实例分析表明了该方法的可行性和有效性.

摘要:

针对移动传感器网络中的目标跟踪问题, 以及现有控制策略在保持网络拓扑结构连通性和降低能量消耗方面存在的不足, 提出一种基于蜂拥控制的移动传感器网络目标跟踪算法. 首先, 利用网络中部分节点检测目标, 并使用卡尔曼一致性滤波算法估计目标的状态, 在获得比较精确的估计状态的同时降低能量消耗; 然后, 在蜂拥控制下传感器网络始终保持拓扑结构连通性和目标对网络可见, 同时避免节点之间发生碰撞. 仿真结果验证了所提出算法的有效性.

摘要:

研究机会式频谱接入技术中次用户对可利用频谱进行探测和接入策略的优化问题. 通过引入事件的概念, 将含有可数无限状态的原问题转化为包含有限个事件的决策问题. 从性能灵敏度的角度出发, 分析不同策略下平均传输率的差异, 给出了基于事件策略的性能差分公式. 以此为基础, 通过合理的近似, 设计了基于事件的策略迭代算法. 仿真示例验证了所提出算法的有效性和近似处理的合理性.

摘要:

在样本规模有限的情况下, 为了提高算法的鲁棒优化性能, 提出一种基于时变(随迭代次数变化) Sigmoid 函数的鲁棒粒子群优化算法. 采用拟蒙特卡罗积分方法近似估计有效目标函数, 以时变Sigmoid 函数为基础, 设计各代各样本规模的选取概率. 迭代前期, 样本规模期望值较小, 加快了算法探索速度; 迭代后期, 样本规模期望值较大, 提高了算法的开发精度. 标准测试函数仿真结果显示, 所提出方法具有较优的鲁棒优化性能.

摘要:

研究信息值为区间灰数, 指标权重未知的动态风险决策问题, 提出一种基于累积前景理论和灰靶思想的决策方法. 该方法定义了区间灰数的距离测度和排序方法; 以各指标值的平均值作为参照点计算各时段的前景矩阵; 通过WAA算子将动态前景矩阵集结为静态前景矩阵; 在此基础上求解基于极大熵思想的规划模型得出各指标权重.
构造正负椭球灰靶模型, 根据各方案的正负靶心综合距对方案进行排序. 最后, 通过算例分析结果验证了该方法更加符合决策者的心理行为.

摘要:

针对一类输入和输出受约束且具有多胞结构的离散LPV 系统, 提出一种基于多面体不变集的鲁棒模型预测控制(RMPC) 算法. 选取一系列收敛于原点的离散状态点, 计算每个状态的反馈控制率, 构建相应的多面体不变集. 在每一个采样时刻, 确定包含当前状态的最小多面体不变集, 通过计算与相邻两个多面体不变集的位置关系, 执行连续的状态反馈控制率. 仿真结果表明, 相比椭圆不变集离线RMPC算法, 所提出算法扩大了系统的稳定区域, 取得了保守性较小的结果.

摘要:

提出一种面向演进数据流数据的分类方法, 在有效利用相邻演进窗内数据间相似性信息的基础上, 通过引入反例信息, 构建一种面向演进数据流的增强型演进分类器优化目标函数, 从而推导出面向演进数据流的分类方法.该方法在保有最大间隔原则和全局优化特性的同时, 充分考虑了反例信息对待解分类平面的影响. 在模拟和真实数据集上进行实验, 结果表明了所提出方法的有效性.

摘要:

针对多无源传感器多维分配数据关联模型在构造关联代价时, 未充分考虑位置估计不确定性所引入的误差问题, 提出一种基于信息散度的数据关联算法. 将伪量测信息的概率密度函数与真实观测数据的最大后验概率密度函数之间的差异性信息作为关联代价, 并分别采用Kullback-Leibler 散度和对称Kullback-Leibler 散度来量化该差异.仿真分析结果表明, 该算法具有良好的关联性能, 其关联代价能更精准地反映数据关联的可能性程度.

摘要:

针对一类非线性离散时间系统给出最优预见控制器设计方法. 首先运用非线性控制系统直接控制方法的思想, 将非线性反馈部分作为形式输入, 使得系统成为“形式上”的线性系统; 然后, 针对该线性系统, 利用最优预见控制的基本方法设计最优预见控制器; 最后, 利用形式输入与实际输入的关系得到非线性离散时间系统的最优预见控制器. 证明了如果形式线性系统满足一定的可镇定和可检测条件, 则闭环系统是渐近稳定的. 数值仿真结果表明了控制器的有效性.

摘要:研究线性多智能体系统的领航跟随一致性问题. 假设每个多智能体系统只能得到其邻域的输出测量信息, 在此条件下, 讨论多智能体在有向固定网络拓扑和无向切换网络拓扑两种情况下的一致性问题. 针对这两种情况, 提出含有一种分布式观测器的一致性控制算法. 应用Lyapunov 稳定性理论证明了若单个多智能体系统是可镇定和可检测的, 且网络连接拓扑只需满足简单的结构, 则系统能够达到领航跟随一致性. 仿真结果验证了理论分析的正确性.

摘要:

针对复杂环境下的多变量工业过程在线故障检测问题, 提出基于集成核主分量分析的解决方法. 该方法首先求出样本映射后的无限维空间的多组近似基, 将主分量分析问题特征向量的解空间限定在近似基张成空间求解; 然后集成特征向量和特征值, 并计算Hotelling ??2 统计量和平方预报误差; 最后据此判断检测结果. 该方法对Tennessee Eastman 过程故障检测样本进行测试, 并与其他两种方法进行对比. 测试结果表明了所提出方法的有效性.

摘要:

针对一阶最优性必要条件跟踪法优化间隔较长的缺点, 提出一种基于输出反馈的显式实时优化方法. 对系统进行不同工况下的离线优化, 经函数拟合得到最优控制输入与输出变量的显式回归模型, 直接应用于实时优化, 避免了在线梯度估计. 研究一个连续搅拌釜式反应器的反应过程, 并对比两种方法的优化效果, 结果验证了所提出方法的实际使用效果

摘要:

借鉴仿生学原理, 基于大脑皮层结构提出一种新型侧抑制神经网络(S-LINN) 模型. 通过模拟大脑皮层内锥体神经元和抑制神经元的连接特点, 在多层结构的S-LINN 的不同层神经元之间引入跨越连接, 同时在隐含层内神经元之间进行信息的侧向抑制传输. 引入的两种连接机制有效地提高了网络处理问题的能力, 与其他网络相比能够以更精简的结构较好地解决实际问题. 通过对乳腺癌诊断数据集和异或问题的求解, 表明了S-LINN 网络不但能够获得较高的训练精度, 而且具有更强的泛化能力.

摘要:

热轧板坯的出库问题是连铸-热轧生产中一个重要的组合优化问题, 然而在学术界还很少见到对该问题的研究. 对此, 提出了热轧板坯出库问题总移动次数的一个下界, 开发了一个极小化总移动次数的树搜索算法. 该算法包括一个生成初始解的贪婪算法和一个基于复合移动的递归搜索. 大量的实验和分析表明, 该树搜索算法能在较短的时间内给出板坯出库问题的满意解, 具有重要的理论意义和应用价值.

摘要:

提出一种基于改进马氏距离的模拟电路故障诊断方法. 根据被测电路的拓扑结构进行可测性分析, 利用测试矩阵确定规范模糊组, 从而得到单故障假设下的可分潜在故障元件. 将马氏距离根据模拟电路的特性作出改进, 并应用于模拟电路潜在故障元件的诊断. 利用测点特征值的改进马氏距离对潜在元件进行划分, 减少可疑故障元件的类别, 在诊断分类时达到提高速度的效果. 实验表明, 所提出的方法对模拟电路软故障诊断速度较快, 具有较好的模拟电路故障诊断测试效果.

摘要:

数据降维和特征表示是解决时间序列维灾问题的关键技术和重要方法, 它们在时间序列数据挖掘中起基础性作用. 鉴于此, 提出一种新的时间序列数据降维和特征表示方法, 利用正交多项式回归模型对时间序列实现特征提取, 结合特征序列长度对时间序列的拟合分析结果, 运用奇异值分解方法对特征序列进一步降维处理, 进而得到保存大部分信息且维数更低的特征序列. 数值实验结果表明, 新方法可以在维度较低的特征空间下取得较好的数据挖掘聚类和分类效果.

摘要:

在自适应带宽均值移动算法的基础上, 引入粒子滤波, 提出一种新的目标跟踪方法. 该方法通过更新带宽矩阵以适应目标尺度的变化; 采用加权和方法融合定位检测结果, 使跟踪不易陷入局部最优状态; 对粒子进行收敛采样, 维持粒子多样性, 减小累积误差; 提出一种目标扩展搜索策略, 用于目标丢失后重新搜索跟踪目标. 实验结果表明, 所提出的跟踪方法在复杂场景中表现出了较好的鲁棒性, 且跟踪轨迹平滑.

摘要:

提出一种基于随机黑洞粒子群算法(RBH-PSO) 和逐步淘汰策略的多目标粒子群优化(MRBHPSO-SE) 算法. 利用RBH-PSO 全局优化能力强和收敛速度快的优点逼近Pareto 最优解; 为了避免拥挤距离排序策略的缺陷, 提出逐步淘汰策略, 并将其应用到下一代粒子的选择策略中. 同时, 动态选择领导粒子, 运用动态惯性权重系数和变异操作
来增强种群全局寻优能力, 以及避免早熟收敛. 利用具有不同特点的测试函数进行验证, 结果表明, 与同类算法相比, 该算法具有较高的精度并兼顾优化解的多样性.

摘要:

如何评价智能优化算法在有限时间内所得解的质量, 是计算智能基础研究和工程实践中都亟待解决的问题. 受序优化思想启发, 针对连续优化问题, 提出一种评价智能优化算法解质量的方法. 首先利用聚类方法对解记录均匀化分区, 然后根据适应度值分布计算对准概率作为解质量评价指标. 通过对均匀采样、非均匀采样、粒子群算法和遗传算法的寻优结果进行实验表明了所提出方法的有效性.

摘要:

为了实现水下机器人带有剩余浮力影响的欠驱动深度控制, 将垂直面控制划分为定速航行控制和深度控制. 采用成熟的S 面速度控制器保证速度控制稳定, 着重解决深度控制问题. 引入虚拟控制量, 使剩余浮力影响下的深度偏差映射为目标纵倾角, 通过设计俯仰控制器实现对目标纵倾角的跟踪. 稳定性分析表明, 所研究的欠驱动深度控制是稳定的, 且对于参数估计的偏差不敏感. 仿真实验结果表明, 所提出的方法能够抵抗剩余浮力的影响, 深度控制准确, 并具有良好的鲁棒性.

摘要:

探究离散线性参数变化(LPV) 重复过程的l₂-l_∞ 动态输出反馈控制问题. LPV 重复过程是一类复杂的时变2D 系统. 对于整个参数变化空间, 传统方法是基于二次稳定框架设计过程的控制器, 具有较大的保守性. 这里利用参数依赖Lyapunov 函数, 设计离散LPV 重复过程的参数依赖鲁棒l₂-l_∞  动态输出反馈控制器, 可确保闭环离散LPV 重复过程沿通道渐近稳定, 且具有一定的l₂-l_∞  扰动抑制水平. 最后, 仿真结果验证了所提出方法的有效性.

摘要:

针对大部分两轮非完整移动机器人轮轴中心与几何中心不重合的特点, 提出一种多机器人协调编队控制算法. 构造队形参数矩阵确定编队形状, 根据领航机器人和相关队形参数生成虚拟机器人, 把编队控制分解为跟随机器人对虚拟机器人的轨迹跟踪. 建立虚拟机器人与跟随机器人之间误差系统模型, 利用Lyapunov 理论设计相应控制器, 从而实现队形保持和变换. 应用microsoft robotics developer studio 4(MRDS4) 搭建3D 仿真平台, 设计3 组实验, 结果进一步验证了所提出方法的有效性.

摘要:

基于区间数相离度理论和熵值理论, 探讨了一类多阶段多属性三端点区间数型群决策中的动态属性权重、动态专家权重和阶段权重问题, 提出了多阶段属性权重确定方法和阶段内专家权重的计算方法. 计算出属性权重、阶段内专家权重和阶段权重, 并利用区间数贴近度方法生成最终的群决策方案排序. 应用实例分析结果表明, 所提出的决策方法具有较好的可行性和合理性.