摘要:

蚁群算法的改进大多从算法本身入手或与其他算法相结合, 未充分利用待解决问题所包含的信息, 提升效果较为有限. 对此, 提出一种面向对象的多角色蚁群算法. 该算法充分利用旅行商问题(TSP) 对象的空间信息, 采用??-均值聚类将城市划分为不同类别; 同时, 对蚁群进行角色划分, 不同角色的蚁群针对城市类别关系执行各自不同的搜索策略, 增强了蚁群的搜索能力, 较大幅度地提高了求解质量. 每进行一次迭代, 仅各角色最优个体进行信息素更新, 防止算法退化为随机的贪婪搜索. 将精英策略与跳出局部最优相结合可避免算法的停滞. 50 个经典TSP 实例仿真实验表明: 所提出的算法可以在较少的迭代次数内获得或非常接近于问题的已知最优解; 对于大规模TSP 问题所得结果也远超所对比的算法.

摘要:

提出一种高维多目标多方向协同进化算法(HMMCA). 该算法利用目标空间内的一组方向向量将多目标优化问题分解成多个方向进行寻优, 并提出一种混合变异策略以加强算法在每个方向上的收敛能力; 同时, 该算法采用改进的交互式模糊支配和拥挤度估计因子来维护外部归档集的规模, 增强种群的收敛性和分布性. 将该算法与目前性能最好的3 种多目标进化算法在标准测试函数集上进行对比实验, 所得结果表明HMMCA与其他算法相比具有更好的收敛性和分布性

摘要:

针对GPS/INS 组合导航中因观测异常导致系统状态先验信息矩阵失去对称正定性, 及传统等价权函数抗差算法易遇到病态矩阵, 引起滤波性能下降的问题, 提出一种基于奇异值分解的改进抗差UKF 算法. 该算法克服了先验协方差矩阵负定性变化, 通过判断矩阵病态性实现智能选取抗差策略. 最后利用车载实测数据进行验证, 所得结果表明, SVD-UKF 导航解精度稍优于EKF 算法, 改进的抗差策略能够极大减弱单独、连续以及混合的观测异常对导航解的影响, 提高了导航解精度和可靠性.

摘要:

为了解决包含不确定信息的分类学习问题, 提出一种新的适用于不确定类标签数据的迁移支持向量机. 该方法基于结构风险最小化模型, 同时将源领域中所学知识、领域间的共享数据、目标领域中已标定的和不确定的数据纳入学习框架中, 进而实现了源领域和目标领域的知识迁移. 在多种真实数据集上的实验结果表明了所提出方法的有效性.

摘要:

针对最小化制造跨度的差异工件尺寸单批处理机调度问题, 通过将其转化为最小化浪费空间的问题, 采用候选集策略构建分批以减少搜索空间, 利用基于浪费空间的启发式更新信息素, 提出一种改进的最大最小蚁群算法. 此外, 在算法中还引入了一种局部优化策略, 以进一步提高算法的性能. 仿真实验结果表明, 所提出的算法优于其他几种已有算法, 验证了所提出算法的有效性和鲁棒性.

摘要:

针对约束边界粒子在边界区域搜索能力不足的问题, 提出一种基于自适应进化学习的约束多目标粒子群优化算法. 该算法根据不符合约束条件粒子的约束违反程度, 修正优化算法的进化学习公式, 提高算法在约束边界区域的搜索能力; 通过引入一种基于拥挤距离的Pareto 最优解分布性动态维护策略, 在不增加算法复杂度的前提下改进Pareto 前沿的分布性. 实验结果表明, 所提出的算法可以获得具有更好收敛性、分布性和多样性的Pareto 前沿.

摘要:

针对具有大加减速的轴向移动系统, 为有效抑制结构振动和避免控制溢出问题, 将鲁棒边界控制技术与Lyapunov 直接法相结合, 基于结构无限维模型设计鲁棒边界控制器对结构振动进行主动控制. 使用符号函数处理未知扰动, 提高了控制器系统鲁棒性, 并对控制系统的稳定性和一致有界性进行了验证. 仿真结果表明, 所提出的鲁棒边界控制方法能有效抑制结构的振动.

摘要:

针对带有线性等式和不等式约束的无确定函数形式的约束优化问题, 提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法. 该方法利用遗传算法进行全局搜索, 利用同时扰动随机逼近算法进行局部搜索, 算法在每次进化时根据线性约束计算父个体处的梯度投影方向, 以产生新个体, 从而能够严格保证新个体满足全部约束条件. 将上述约束优化算法应用于典型约束优化问题, 其仿真结果表明了所提出算法的可行性和收敛性.

摘要:

针对支持向量数据描述(SVDD) 单类分类方法运算复杂度高的缺点, 提出一种启发式约减支持向量数据描述(HR-SVDD) 方法. 以启发的方式从原有训练集中筛选出部分样本构成约减训练集, 对约减训练集进行二次规划解算, 得到支持向量和决策边界. 通过不同宽度系数高斯核SVDD特征的讨论, 证明了HR-SVDD 的有效性. 人工数据集和真实数据集上的实验结果表明, HR-SVDD 分类精度与传统支持向量数据描述相当, 但具有更快的运算速度和更小的内存占用.

摘要:

针对复杂环境下的视觉目标鲁棒跟踪问题, 模拟人视觉选择注意显著区域的智能特性, 提出一种在线选择目标显著子区域的跟踪方法. 根据中心-周围差异和相对背景的差异提取具有区分性的子区域, 通过跟踪误差分析子区域时序一致性, 选择稳定的显著子区域, 利用子区域局部与目标整体的空间关系估计目标位置. 实验结果表明, 通过动态选择显著的目标子区域, 能够提高对部分遮挡和背景相似干扰影响的适应性.

摘要:

针对编队卫星队形重构问题, 提出一种基于非配置点部分误差控制的联立方法. 首先采用基于Radau 配置点的拉格朗日插值多项式对微分代数方程组进行离散化处理; 然后引入非配置点, 要求避撞条件在非配置点处严格满足, 但不对状态变量在非配置点处的误差估计进行控制, 从而降低离散化后得到的非线性规划命题的求解难度; 最后对3 颗编队卫星的队形重构问题进行测试和仿真并与相应文献中的结果进行了比较, 数值实验结果表明该方法具有更高的求解精度和求解效率.

摘要:

针对现有融合识别算法难以兼顾信息完备性和节点通信数据量的问题, 提出一种基于信号稀疏表示的雷达辐射源信号级融合识别算法. 该方法将接收信号投影到稀疏域并进行压缩, 从而在稀疏域完成融合, 最后利用融合后的稀疏系数进行识别. 该方法既降低了通信数据量, 又较好地保证了信息的完整性. 仿真实验表明, 相对于单一传感器和决策级融合, 所提出的方法可有效提高信号识别性能.

摘要:

提出并研究了一类上层含约束条件且具有模糊决策变量的二层多随从线性规划模型, 利用结构元理论证明了该模型最优解等价于上层含约束条件的二层多随从线性规划模型最优解, 利用Kuhn-Tucker 方法得到了该模型最优解, 并通过数值算例验证了该方法的可行性.

摘要:

借助微分博弈研究由单个制造商与两个零售商组成的供应链系统中长期联合减排和低碳宣传的问题. 在消费者需求受产品减排量和零售商低碳宣传努力影响的情况下, 构建了3 种微分博弈模型. 研究发现, 在一定条件下, 成本分担契约可以实现制造商和零售商利润的Pareto 改善, 而且处于稳定状态时, 随着竞争强度的增加, 制造商和整个供应链系统的利润逐渐上升, 零售商的利润逐渐下降. 最后, 通过算例对模型进行了分析.

摘要:

研究面向犹豫模糊信息的聚类方法. 首先, 定义犹豫模糊相对熵、对称交互熵, 并基于信息论的角度提出一个新的犹豫模糊相似度公式; 然后, 利用相似度公式构造相似系数矩阵, 基于编网聚类方法对犹豫模糊集进行聚类; 最后, 通过算例验证了所提出方法的有效性.

摘要:

针对准则值为扩展灰数形式的风险型多准则决策问题, 提出一种基于扩展灰数Hausdorff 距离的随机多准则决策方法. 首先定义了离散型扩展灰色随机变量及期望值和标准差, 并在Hausdorff 距离的基础上提出了扩展灰数的Hausdorff 距离公式; 然后计算每个方案在各准则下的期望值, 得到期望值决策矩阵; 再根据传统TOPSIS 方法的思想, 提出一种基于TOPSIS 的灰色随机多准则决策方法. 最后, 通过实例验证了所提出方法的合理性和可行性.

摘要:

为了进一步增强灰色预测模型对原始数据的适应能力, 提出一种时变参数GM(1, 1) 幂模型, 通过引入多项式函数描述GM(1, 1) 幂模型的结构参数随时间的动态变化规律. 根据建模样本量的不同, 分3 种情形给出了模型的参数辨识算式, 同时给出了时变参数GM(1, 1) 幂模型白化方程的解析解, 利用积分复合梯形公式将其转化为可用于预测的离散时间响应式, 并提出了参数优化方法. 应用实例表明, 时变参数GM(1, 1) 幂模型比固定参数GM(1, 1) 幂模型具有更高的模拟和预测精度.

摘要:

为了使PID 参数调整不依赖于模型参数, 而是直接基于闭环响应, 首先分析PID 参数对闭环系统性能的影响, 然后以振荡最小、开环增益最大等为基本原则给出一种无模型PID 参数调整方法. 该方法只需要闭环响应曲线中的振荡频率信息, 避免了模型参数辨识误差对调整结果的影响, 简化了参数调节的过程. 最后通过实验验证了所提出方法的有效性.

摘要:

研究一类不完全转移率信息的Markov 跳变奇异系统的H_∞  控制问题, 提出连续Markov 跳变奇异系统的新 型有界实引理, 并将其推广到不完全转移率条件. 进一步设计H_∞  状态反馈控制器, 使得闭环系统在转移率部分未知的条件下随机可容许, 且满足H_∞ 性能gamma. 所得结论涵盖了奇异矩阵模态依赖情形, 且表示为严格线性矩阵不等式形
式, 利于工程实现. 最后, 通过仿真算例表明了所提出方法的有效性和优越性.

摘要:

针对无线传感器网络中随机部署无法实现对重要性不同的目标的优化覆盖控制问题, 利用目标重叠域和贪婪算法设计一种基于目标权重的最优部署算法. 以概率感知模型的传感器节点作为研究对象, 通过标定目标权重确定目标重叠域, 采用贪婪算法选取节点的最优部署范围, 根据指标函数的最小值确定节点的部署位置. 实验结果表明, 所提出的算法能够实现对离散目标的最优覆盖监测, 而且能保证监测节点网络的连通性.

摘要:

研究三阶非线性扩张状态观测器扰动观测性能的优化问题. 首先, 采用系数冻结法固定与观测器状态相关的非线性系数, 利用线性系统的极点配置方法进行频带拓展; 然后, 分析配置后的极点随非线性系数的变化规律, 在此基础上, 提出一种保证扰动观测带宽受系统状态变化影响最小的参数配置方法; 最后, 通过算例和仿真对比表明了所提出参数配置方法的有效性和优越性.

摘要:

针对空间机械臂由地面装调到空间应用过程中重力环境发生变化的问题, 使用滑模控制器对空间机械臂进行控制, 通过将配置特殊的非线性结构-fal 函数引入趋近律的设计中, 提出一种新的基于趋近律的滑模控制方法, 并基于李亚普诺夫理论证明了闭环系统的渐近稳定性. 仿真结果表明该方法能够很好地完成不同重力环境下机械臂的轨迹跟踪控制任务, 并具有较强的鲁棒性.

摘要:

基于联邦滤波的容错组合导航系统通常在判定故障时刻对故障子系统进行整体隔离, 未充分考虑缓变故障影响的渐近变化与状态分量间的差异. 为此, 提出一种基于序贯概率映射的组合导航自适应容错算法. 该算法通过子滤波器新息动态映射建立局部估计状态统计模型, 通过序贯概率比检测在线估计缓变故障影响下的局部状态质量,并据此对融合过程进行自适应调节. 仿真结果表明, 所提出的方法能有效提高组合导航系统对缓变故障的自适应容错调节能力.

摘要:

为了解决弱光环境下人脸检测问题, 研究基于深度信息的人脸快速定位方法. 首先, 使用2D Chamfer Match 方法实现人脸的快速预定位, 并对定位人脸进行区域增长和增强运算; 然后, 使用AdaBoost 算法结合扩展的Harr 特征训练出弱光条件下人脸检测的强分类器, 以实现准确的人脸定位. 实验表明, 在弱光条件下, 基于深度信息实现人脸定位和过滤, 可以减小搜索范围, 加快检测速度, 具有较强的鲁棒性和时效性.

摘要:

研究高阶离散时间线性多智能体系统在有向切换信息拓扑下的状态一致性问题. 首先通过提出的线性变换将该一致性问题转换为相应离散时间线性切换系统的渐近稳定性问题. 然后借助于切换系统稳定性的平均驻留时间方法, 分别得到如下两种情形下该一致性问题可解的充分条件: 1) 信息拓扑集合中的一部分拓扑是可一致的; 2) 信息拓扑集合中所有信息拓扑是可一致的. 最后通过数值仿真验证了所得理论结果的正确性.

摘要:

针对径向基函数(RBF) 网络隐层结构难以确定的问题, 基于自适应共振理论(ART) 网络良好的在线分类特性, 提出一种RBF 网络结构设计算法. 该算法将ART 网络的聚类特性用于RBF 网络结构设计中, 通过对输入向量与已存模式的相似度比较将输入向量进行分类, 确定隐含层节点个数和初始参数, 使网络具有精简的结构. 对典型非线性函数逼近的仿真结果表明, 所提出的结构具有快速的学习能力和良好的逼近能力.

摘要:

针对基本粒子群优化算法(PSO) 容易陷入局部最优点和收敛速度较慢的缺点, 提出在PSO 更新过程中加入两类基于正态分布投点的变异操作. 一类变异用来增强局部搜索能力, 另一类变异用来提高发现全局最优点的能力, 避免所有粒子陷入到一个局部最优点的邻域内. 数值结果表明, 所提出算法的全局搜索能力有显著提高, 并且收敛速度更快.

摘要:

基于零售商回收模式, 运用前景理论探讨了价格敏感随机需求下具有损失厌恶零售商参与的两级闭环供应链定价与协调问题. 首先针对分散式决策, 在两种批发价模式下推导和比较制造商和零售商的最优行为, 分析损失厌恶程度对零售商定价和订货联合决策的影响; 然后通过与集中式决策的对比验证了分散式供应链存在效率损失, 进而设计收益共享契约对分散式供应链进行协调; 最后通过算例验证了以上结论, 并将回收率对最优决策和成员效用的影响进行了灵敏度分析.

摘要:

研究过度自信和需求不确定性对库存系统的影响. 通过引入一个均值增加、方差缩小的变换来定量刻画决策者的过度自信水平, 得到系统最优订货量和最优利润关于过度自信水平和单位缺货惩罚的单调性. 证明随机大的需求会导致较高的最优订货批量, 系统最优订货量在割准则序意义下具有随机单调性, 并给出了比较系统最优订货量的充分或充分必要条件. 进一步, 运用标准化随机变量的变换证明了在高利润环境下系统利润将随着需求可变性的增加而减少.

摘要:

针对模糊市场需求情形, 研究具有损失规避行为零售商的无缺货成本的供应链网络均衡问题. 利用模糊事件的可信性测度理论, 推导具有分段线性效用函数损失规避零售商的模糊期望效用模型, 揭示其凹性性质. 利用变分不等式理论, 描述制造商、零售商和消费者的最优行为, 进而构建网络均衡模型. 为了简化网络均衡条件, 揭示了制造商与零售商内生交易定价机制的等价关系. 最后, 利用数值分析表明了市场需求的模糊性和损失规避系数对网络均衡的影响.

摘要:

根据供应链采购融资的运作流程, 建立并分析基于Stackelberg 博弈的供应链融资模型. 通过数值分析博弈均衡解发现, 在供应商初始资金较小的情况下, 供应链采购融资能够较大幅度地提高供应链绩效; 融资产品的市场情况越好, 即价格或挽回价值越高, 供应链采购融资对于供应链的价值越大; 向市场风险较小的供应商提供采购融资能够使银行获得较大的绩效提高; 供应链采购融资是一种能够实现供应链成员双赢的供应链管理方法.

摘要:

层次分析法(AHP) 是群决策中经常使用的一种方法, 利用AHP进行群决策的过程实质上也是决策者个体偏好集结的过程. 针对如何将不同形式的偏好信息进行有效集结以形成群决策一致性方案的问题, 提出一种通过活用AHP 修订决策方案达到决策者群体的一致性偏好最终得以形成的方法, 在利用决策者的决策信息进行群组划分的基础上明确各个划分的决策偏好差异, 提出了活用AHP 进行群决策一致性形成的方向, 并形成了有效的动态群决策过程．