摘要:

炼钢-连铸生产中会出现某一台转炉或精炼炉故障, 目前已有的重调度方法没有考虑多重精炼或只进行了仿真研究, 难以有效应用到具有多重精炼的钢厂, 而采用人工调整方式则容易导致炉次等待时间过长或断浇. 为此,通过引入炉次生产状态参数, 建立0-1 混合整数规划重调度模型, 提出由“未加工”炉次的设备指派、“未加工”炉次的开工时间优化和浇铸时间调整3 部分组成的重调度方法. 将该方法应用于某钢铁厂炼钢-连铸生产调度过程的实际工程应用验证了所提出方法的有效性.

摘要:

针对知识化制造系统生产环境的不确定性, 构建一个基于多Agent 的知识化动态调度仿真系统. 为了保证设备Agent 能够根据当前的系统状态选择合适的中标作业, 提出一种基于聚类-动态搜索的改进??学习算法, 以指导不确定生产环境下动态调度策略的自适应选择, 并给出算法的复杂性分析. 所提出的动态调度策略采用顺序聚类以降低系统状态维数, 根据状态差异度和动态贪婪搜索策略进行学习. 通过仿真实验验证了所提出动态调度策略的适应性和有效性.

摘要:

设计一种解决带容量约束车辆路径问题的混合分散搜索算法. 在基本分散搜索的基础上, 保留参考集更新策略和组合策略的全局搜索能力. 采用随机插入法作为解的多样性产生方法, 以扩大搜索空间, 避免陷入局部最优.应用简化的变邻域搜索作为改进策略进行局部开发, 引入邻域半径减少策略提高开发效率. 对改进后的新种群实施精英保留策略, 保证算法收敛. 实验结果分析表明, 混合分散搜索算法优于所对比的算法, 寻优能力可靠.

摘要:

提出一种三态协调搜索多目标粒子群优化算法. 该算法提出的三态指导粒子选择策略可以很好地协调算法的局部和全局搜索能力, 且算法改进了传统的外部档案保存机制, 同时引入3 种突变因子, 使获得的非劣解具有更好的分散性. 通过对标准测试函数的求解, 并与其他经典多目标优化算法比较, 表明了新算法在收敛性和多样性方面均有较大的优越性. 最后分析了区域划分系数对所提出算法性能的影响.

摘要:

针对新颖全局和声搜索(NGHS) 算法过早收敛的问题, 提出自适应全局和声搜索(AGHS) 算法. 引入差分向量范数定义和声记忆库多样性, 给出新的位置更新策略, 排除变异操作. 以和声记忆库多样性信息为指导动态产生新和声, 提高算法对解空间信息开发的能力, 避免算法因过早收敛、易陷入局部最优的不足. AGHS算法操作更简单,需要设置的参数更少, 将其与目前文献中较优的几种改进HS 算法、PSO 算法和GA算法进行性能测试, 测试结果表明AGHS算法具有较高的寻优精度和较快的收敛速度.

摘要:

针对群决策偏好集结中违反Pareto 最优性的情况, 设计一种基于群组判断几何离差的同质性集结方法. 该方法在集结前进行几何离差测试, 以确定个体决策信息的离差水平. 离差较小时, 可基于几何平均集结; 对于离差较大且修正复杂度较高的决策信息, 采用主成分分析(PCA) 从高维决策信息中提取大多数相关信息, 在不依赖主观分析的情况下进行加权集结. 仿真实验表明, 所提出的方法能够在不违背Pareto 最优性的基础上集结离差较大的群决策信息.

摘要:

研究一类扩展结构大系统分散有限时间鲁棒关联镇定问题. 扩展结构大系统是在原结构系统上增加新子系统而构成的, 在原系统分散控制律确定不变的情况下, 设计新加入子系统的鲁棒分散控制律, 使扩展后的系统仍能保持有限时间关联稳定. 利用LMI 方法推导此类系统基于状态反馈和输出反馈的分散有限时间关联镇定的充分条件, 并给出扩展子系统的相应控制器的设计方法. 最后通过仿真实验表明了所提出方法的可行性和有效性.

摘要:

提出一种基于空间自适应划分的多目标优化算法. 为了增强种群的收敛性和多样性, 多维搜索空间被划分成多个网格, 网格内的粒子通过共享“引导”粒子的经验信息调整自身的速度和位置, 并引入年龄观测器实时记录引导粒子对Pareto 解集所做的贡献, 及时更新引导粒子, 以增强算法的全局搜索能力. 对多目标测试函数以及环境经济调度问题进行了仿真实验, 实验结果表明, 所提出算法能对解空间进行更加全面、充分的探索, 快速找到一组分布具有较好的逼近性、宽广性和均匀性的最优解集合.

摘要:

针对增量型极限学习机(I-ELM) 中存在大量降低学习效率及准确性的冗余节点的问题, 提出一种基于Delta 检验(DT) 和混沌优化算法(COA) 的改进式增量型核极限学习算法. 利用COA的全局搜索能力对I-ELM 中的隐含层节点参数进行寻优, 结合DT 算法检验模型输出误差, 确定有效的隐含层节点数量, 从而降低网络复杂程度, 提高算法的学习效率; 加入核函数可增强网络的在线预测能力. 仿真结果表明, 所提出的DCI-ELMK 算法具有较好的预测精度和泛化能力, 网络结构更为紧凑.

摘要:

针对复杂场景文本难以有效分割的问题, 提出一种复杂场景文本分割方法. 首先, 使用简单的线性迭代聚类(SLIC) 算法将原始图像分割为若干局部区域, 并在其区域邻接图上构建图割模型; 然后, 采用高斯混合模型(GMMs) 和支持向量机(SVM) 后验概率模型对场景文本进行建模, 并引入每个局部区域与模型之间的匹配度用于计算似然能. 为了增强GMMs的鉴别力, 在参数学习中引入模型性能描述子, 自适应地获得模型参数. 实验结果表明,所提出的算法能够较好地处理复杂场景文本分割问题, 文本的识别率得到了明显的提升.

摘要:

针对连通二部图结构下的一阶多智能体系统, 考虑有无时滞两种情形下多智能体的加权分组一致问题. 设计一类基于竞争关系的分散协调控制协议, 利用矩阵论和代数图论等有利工具, 使得在该控制协议下, 多智能体系统均可全局收敛到任意指定的加权一致状态. 针对系统存在时滞的情形, 运用圆盘定理和广义奈氏准则, 得到系统达到收敛时可能容忍的最大时延上界. 仿真实例较好地验证了所得出结论的正确性.

摘要:

研究多智能体系统的多目标多任务分配问题, 考虑任务之间的时序关系, 建立分布式任务分配模型. 扩展了一致性包算法(CBBA), 按优先级将目标任务归入不同层级, 各智能体在构建任务包和任务路径时, 只将分配过高阶段任务的目标添加至相应的任务包和任务路径中, 从而保证目标任务时序约束的同时, 保持了CBBA算法的特性. 与多任务分配问题经典算法的比对实验表明, 所提出的改进算法求解结果稳定可靠, 运行时间优于经典算法.

摘要:

针对卫星姿态跟踪系统, 在无扰动和有扰动的情况下, 利用双曲正切函数和辅助系统设计两个有限时间饱和控制器. 双曲正切函数可以严格地保证卫星姿态跟踪系统的控制输入是有界的. 通过李雅普诺夫理论可以证明, 系统在两个控制器的作用下既是渐近稳定的又是有限时间稳定的, 系统可以快速收敛到平衡点. 数值仿真进一步表明了所提出的有限时间控制器的有效性.

摘要:共用模式下合理的空托盘调配能够提高托盘的利用率、降低运输成本、减少资源浪费。基于托盘共用模式，以公路和铁路运输为主要运输方式对空托盘调配决策方案进行优化研究。对空托盘调配的运输网络的节点进行拆分，细化节点处的作业模式。综合考虑各种影响空托盘调运的因素，针对实际运输特点，以包括装运费用、库存费用和租赁费用在内的总的调配费用最小为目标构建优化模型，同时结合客户对空托盘的时间约束构建路径运送时间优化模型。利用ILOG Cplex数学优化软件对模型求解。最后通过算例分析验证了共用模式下该模型的可行性及优越性。

摘要:

基于传统的逼近理想解排序法(TOPSIS) 思想, 运用区间直觉模糊数的欧氏距离, 给出区间直觉模糊数相对于最大区间直觉模糊数的贴近度公式, 并给出区间直觉模糊数贴近度所具有的优良性质, 这些性质表明贴近度作为排序指标是合理的. 通过与文献中有关区间直觉模糊数排序法的对比分析, 表明基于贴近度的排序方法具有更高的区分能力. 运用新的排序指标提出一种区间直觉模糊多属性决策方法, 并通过实例表明了所提出方法的有效性．

摘要:

考虑闭环供应链的差别定价问题, 制造商回收废旧产品, 并生产新产品和再制造产品, 再制造率随机. 采用Stackelberg 博弈方法, 研究集中决策和分散决策下相应产品的最优定价, 给出供应链各成员的最优利润. 结果表明:若制造商对产品延迟定价, 则集中决策下回收价格高于分散决策, 而销售价格均低于分散决策; 当零售商的保守利润不低于一定值时, 集中决策下总利润不低于分散决策, 制造商可以采用改进的两部定价契约协调供应链.

摘要:

针对目标跟踪中传感器故障导致滤波发散或者滤波精度不高的问题, 提出一种自适应无迹卡尔曼滤波(UKF) 算法. 该算法在滤波过程中, 根据自适应估计原理引入自适应矩阵因子, 实时调整系统状态向量和量测新息向量的协方差, 以满足无迹卡尔曼滤波算法的最优性条件, 并采取措施对滤波发散的情况进行判断和抑制. 与传统UKF和已有自适应UKF算法相比, 该自适应UKF算法显著提高了滤波精度和数值稳定性, 且具有应对传感器故障的自适应能力. 仿真实验结果表明了所提出算法的有效性.

摘要:

针对经典联合树推理算法的信息传播共享和推理时间等问题, 提出一种高效联合树推理算法. 该算法基于获得的证据信息和查询节点对原始的网络结构化简, 然后在化简后的网络结构上进行联合树推理. 在信息传递过程中, 该算法可以实现不同证据下的信息共享. 经仿真验证, 高效联合树算法能够在保证准确率的同时, 以更短的时间作出诊断推理. 基于现场收集的数据, 建立水泥回转窑故障诊断系统模型并应用改进的算法实现了精准且快的故障诊断.

摘要:

为了提高粒子群算法的优化能力, 提出一种新的量子衍生粒子群优化算法. 该方法采用多比特量子系统的基态概率幅对粒子编码, 基于自身最优粒子和全局最优粒子确定旋转角度, 采用基于张量积构造的多比特量子旋转门实施粒子的更新. 在每步迭代中, 只需更新粒子的一个量子比特相位, 即可更新该粒子上的所有概率幅. 标准函数极值优化的实验结果表明, 所提出算法的单步迭代时间较长, 但优化能力较同类算法有大幅度提高.

摘要:

迭代动态规划(IDP) 作为一种求解非线性问题的离散算法, 其寻优精度和收敛速度受到时间段划分的影响. 通常, 时间段划分依赖主观经验, 缺乏科学有效的指导. 针对终端时刻固定的动态优化问题, 提出一种自适应变步长IDP 算法, 综合考虑控制变量与目标函数值的变化, 对时间段数量、长度和切换点进行优化. 将该方法应用于间歇过程优化, 结果表明其能够智能分配时间段数量与长度, 可有效提升寻优精度.

摘要:

针对目前无线传感器网络研究中网络能量利用率低和通信链路不可靠等问题, 提出一种基于最优刚性图的网络拓扑优化算法. 该算法通过建立包含链路质量和能量两方面内容的链路权值函数来构建链路可靠性强、能量利用率高的网络拓扑结构. 研究结果表明, 所构建的拓扑具有平均节点度低和链路性能好等优越特性. 仿真结果表明, 与现有拓扑控制算法相比, 所提出的算法能够更有效地减少能量消耗, 从而延长网络寿命.

摘要:

针对离散Hopfield 神经网络(DHNN) 结构复杂的问题, 提出一种基于贡献率的结构优化算法. 该算法利用奇异值分解方法对连接权值进行设计, 进而利用贡献率的方法对DHNN进行结构优化. 优化后的网络降低了DHNN结构的复杂程度, 使网络具有类似生物神经网络的稀疏结构, 实现了DHNN网络结构的优化. 最后, 通过水质评价和数字识别对该算法进行验证, 表明了所提出算法的有效性和可行性, 同时, 还验证了其对于大规模DHNN的有效性和适用性.

摘要:

高速高精度伺服控制系统中, 预估观测器可以消除反馈信号的相位延迟和采样噪声. 但由于伺服控制系统通常采用比例-积分-微分(PID) 控制器进行反馈调节, 即使与预估观测器结合使用, 仍不能满足高速高精度系统环路性能的需要. 针对此问题, 引入一种基于预估器观测器的二自由度控制器算法, 并给出其在焊线机??-?? 平台直线电机速度控制器中的设计方法. 仿真和实验结果表明, 所提出的算法不仅可以保证系统控制的精度, 而且能够提高系统的速度和位置跟随特性.

摘要:

在随机有限集框架下提出了当杂波和漏检存在时基于最优子模式分配距离的多目标联合检测与估计(JDE) 误差界. 此处的JDE 是指同时估计目标个数和存活目标状态. 算例1 展示了该误差界随传感器检测概率和杂波密度的变化趋势; 算例2 利用多假设跟踪, 概率假设密度(PHD) 和势PHD 滤波器对该误差界的有效性进行了验证.

摘要:

传感网感知节点部署的随机性以及节点能耗殆尽、损坏退出等问题使网络中存在覆盖洞, 利用移动节点来修补覆盖空洞是当前较为可行的方法. 假定网络在静态节点和移动节点处混合, 并且在节点感知半径异构的情况下,研究如何通过移动节点重定位来修复感知覆盖洞, 同时兼顾移动距离或能耗最小以及修复后的感知覆盖率最大化来优化感知覆盖性能. 针对移动节点覆盖洞修补规划的NP-hard 问题, 结合遗传算法, 提出一种覆盖洞修补算法来求解最优解. 仿真实验结果表明, 所提出的算法相比于同类算法能够更有效地修补漏洞并兼顾节点能耗以及感知覆盖率.

摘要:

采用自抗扰控制技术解决网络化无刷直流电机转速控制系统的时延补偿问题. 首先, 建立含有时变网络诱导时延的无刷直流电机控制系统模型, 并将时变时延引起的不确定动态描述为系统模型的不确定性; 然后, 设计自抗扰控制器, 对时延引起的不确定动态进行动态线性化补偿, 从而消除时变时延对系统性能的影响; 最后, 通过仿真研究表明了所设计的自抗扰补偿方法的有效性和优越性.

摘要:

针对集成学习中的准确性和差异性平衡问题, 提出一种基于信息论的选择性集成核极端学习机. 采用具有结构简单、训练简便、泛化性能好的核极端学习作为基学习器. 引入相关性准则描述准确性, 冗余性准则描述差异性,将选择性集成问题转化为变量选择问题. 利用基于互信息的最大相关最小冗余准则对生成的核极端学习机进行选择, 从而实现准确性和差异性的平衡. 基于UCI 基准回归和分类数据的仿真结果验证了所提出算法的优越性.

摘要:

在灰色Verhulst 模型建模机理的基础上, 考虑相关因素对系统预测精度的影响, 构建一种新型灰色Verhulst 模型. 分析该模型参数在系统特征序列与相关因素序列经数乘变换前后的量化关系, 并分析数乘变换对该新模型建模精度的影响程度. 研究结果表明, 新型灰色Verhulst 模型的建模精度与系统相关因素序列的数乘变换有关, 而与系统特征序列的数乘变换无关. 研究结论认为, 利用数乘变换可降低该模型的建模复杂性.

摘要:

针对非等间距GM(1,1) 模型的预测问题, 提出一种优化初始条件的方法. 以非等间距一阶累加生成序列各分量的加权平均作为优化的初始值, 根据新信息优先原理, 将一阶累加生成序列的序数序列的单位化序列中各分量作为权重, 利用原始序列与模拟序列误差平方和最小的原则确定初始条件中的时间参数, 建立优化的非等间距GM(1,1) 模型. 最后, 通过算例验证了所提出的非等间距优化模型的有效性和可行性, 同时表明了该优化模型可以提高预测精度.

摘要:

在有限采样情况下, 研究具有时滞的多输入单输出受控自回归系统的参数辨识和时滞估计问题. 当采样次数少于未知变量数时, 描述系统的方程组是欠定的, 对其目标函数求解是NP-hard 问题, 传统方法无法有效辨识出系统参数. 受压缩感知理论的启发, 基于参数向量所具有的稀疏特性, 提出一种新的阈值正交匹配追踪算法辨识系统的参数和时滞. 仿真实验表明, 所提出的算法能在少量采样时有效地辨识系统参数、估计未知时滞, 同时验证了算法的有效性.

摘要:

针对偏好具有冲突性且权重信息完全未知的直觉模糊多属性群体决策问题, 提出一种基于多目标决策的求解方法. 首先, 建立以决策方案差异程度和决策成员偏好冲突程度为目标函数的多目标决策模型; 然后, 利用极小极大方法求解该模型, 得到各方案的属性权重和决策成员权重, 据此确立最优方案; 最后, 通过数值算例表明了该方法的有效性.