摘要:

实践中经常会遇到大型计算问题和优化问题, 使得求解问题算法的复杂性、计算量和计算精度等成为突出问题, 特别是大规模非线性多变量系统的辨识. 对此, 提出几个有趣的研究课题: 1) 利用信息滤波技术和多新息辨识理论研究能提高辨识精度的大规模系统辨识理论与方法; 2) 利用递阶辨识原理研究维数高、变量数目多、计算量小的多变量系统递阶辨识方法; 3) 利用鞅收敛理论建立非线性多变量系统辨识方法的收敛理论; 4) 利用并行计算与递阶计算技术提高辨识算法的计算效率, 以解决一类大规模非线性多变量系统的模型化问题.

摘要:

针对离散时间线性系统的周期跟踪问题, 提出一种能够约束控制输入变化速度的变速吸引律, 结合干扰抑制措施构造了理想误差动态, 并由此导出离散重复控制器. 分析表明, 该变速吸引律能使跟踪误差在有限时间内单调收敛至零, 且误差收敛速度可控. 为刻画误差动态行为, 推导了有界扰动下的误差单调收敛域、绝对值收敛域和稳态误差带, 并给出了收敛步数. 针对伺服电机系统的仿真与实验结果验证了所提出控制方案的有效性.

摘要:

对于带有不确定协方差线性相关白噪声的多传感器系统, 利用Lyapunov 方程提出设计协方差交叉(CI) 融合极大极小鲁棒Kalman 估值器(预报器、滤波器、平滑器) 的一种统一方法. 利用保守的局部估值误差互协方差, 提出改进的CI 融合鲁棒稳态Kalman 估值器及其实际估值误差方差最小上界, 克服了用原始CI 融合方法给出的上界具有较大保守性的缺点, 改善了原始CI 融合器鲁棒精度. 跟踪系统的仿真例子验证了所提出方法的正确性和有效性.

摘要:

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.

摘要:

针对多元线性或非线性回归系统, 将耦合辨识思想与带遗忘因子有限数据窗辨识理论相结合, 提出一种耦合带遗忘因子有限数据窗递推最小二乘辨识算法. 该算法每次递推计算时既不涉及矩阵求逆运算, 又可以克服数据饱和现象, 因此, 该算法不仅计算效率高, 而且可以快速地跟踪时变参数, 获得精确的参数估计. 通过辨识基于多元模型的永磁同步电机参数的实例, 验证了所提出算法的有效性和实用性.

摘要:

针对缓冲区有限的多目标流水车间调度问题, 提出一种基于Pareto 最优的广义多目标萤火虫算法. 通过引入交换子和交换序将基本萤火虫算法离散化, 并将算法拓展为全局搜索过程和局部搜索过程. 进化初期采用全局搜索将种群推向较优区域, 进化中后期采用捕食搜索策略使算法主体在全局搜索和局部搜索间智能切换, 从而保证全局与局部的平衡. 动态变步长策略进一步增强了算法搜索能力. 通过算例测试验证了所提出算法的有效性.

摘要:

属性约简是概念格理论的一个重要研究内容, 基于辨识矩阵计算约简是一种经典方法, 传统辨识矩阵的计算复杂度为O(nl2). 鉴于此, 在三支近似概念格模型中, 构造一种对象-概念辨识矩阵, 其计算复杂度为O(mnl), 一般情况下, m远远小于l, 辨识矩阵的计算复杂度大大降低, 并结合概念格的偏序关系进一步简化对象-概念辨识矩阵.通过理论分析和实验结果表明了所提出方法的高效性.

摘要:

研究一类具有时滞和时变系数的离散多智能体系统的一致性问题. 首先, 通过构造合适的控制协议, 并以第一个智能体的位移作为参考状态, 将原系统的一致性问题转化为误差系统中零解的渐近稳定性问题; 然后, 运用矩阵范数理论研究误差系统零解的渐近稳定性, 导出使多智能体系统实现一致的充分条件; 最后, 通过数值模拟验证了该判据的正确性和有效性.

摘要:

针对现有的属性效应控制方法无法有效控制非线性回归建模的属性效应问题, 基于间隔最大化和结构风险最小化原则, 通过向SVR 目标学习准则中施加等均值条件约束, 提出等均值支持向量回归机(EM-SVR). 所提出的方法具有较好的泛化能力, 同时继承了EM-LS 的良好性能. 实验结果验证了所提出方法的有效性.

摘要:

通过研究同性缓冲算子作用样本数据序列所得灰色预测模型的预测精度问题, 发现同类缓冲算子对于相同样本数据序列的预测值一致, 对于具体预测问题, 某个缓冲算子在此类问题中有效, 用到另一类问题上可能失效. 为此, 提出一种同性缓冲算子的组合方法, 通过对同性缓冲算子的有效组合可以得到一种新的缓冲算子, 该缓冲算子不但能够提高模型的预测精度, 而且可以扩大缓冲算子的适用范围. 实例验证表明, 所提出的组合方法是有价值的.

摘要:

受自由现金流的限制, 中小企业需要外部融资来实现良性运营, 供应商信用担保贷款是一种有效手段. 考虑银行下侧风险控制的担保贷款模型, 根据供应链购销过程中的订货量和批发价参数决策, 评价供应链内部无风险资本转移过程. 通过建立供应商担保费率、风险担保比率设计和银行利率组合模型, 确定贷款担保系统的最优决策. 研究结果表明: 在具有贷款可获得性的资金约束供应链中, 存在最优订货量与批发价的组合, 且供应商销售收入存在最值; 在担保贷款过程中, 存在最优风险分担比例, 通过设计合理的风险控制模型, 可提高零售商资金水平, 达到供应链的协同.

摘要:

以风险规避零售商和风险规避供应商组成的两层供应链系统为研究对象, 在条件风险估值的风险度量准则下讨论两生产模式下风险规避零售商的最优订购策略和风险规避供应商的最优生产策略. 通过数值实验得出如下结论: 若零售商的风险规避度越小, 则零售商的第1 次最优订购量越多, 风险利润越大; 供应商的第1 次最优生产量随着供应商的风险规避度减小而增大; 零售商的风险规避度越小, 越不利于供应商的生产投机行为.

摘要:

在网络外部性情境下, 考察网络外部性强度、竞争强度和市场风险对竞争供应链结构选择的影响, 分别从制造商与供应链的角度出发, 识别竞争供应链的纵向结构选择策略和动态演化均衡. 基于制造商的结构选择受市场风险波动范围和竞争强度的影响, 竞争强度边界和风险的范围依赖于网络外部性强度系数, 在不同的网络外部性环境下, 竞争强度和风险对制造商的结构选择的影响作用不同; 基于供应链系统的控制结构选择与市场风险无关, 仅与依赖于网络外部性强度的竞争强度有关.

摘要:

针对基于案例推理的应急方案生成问题, 从方案有效性判断和实施效果融合两个角度出发, 提出一种考虑方案有效性的应急案例决策方法. 首先, 依据决策者给出的预估方案生成有效的案例集, 利用检索方法计算有效历史案例与目标案例的相似度; 然后, 根据距离熵方法对多时期的方案实施效果进行融合, 集结相似度和实施效果, 进而得到每个案例的综合评价值, 并根据综合评价值的大小确定最优备选方案; 最后, 通过一个高层建筑火灾算例验证了所提出方法的可行性和有效性.

摘要:

区间灰数是灰色预测的基本研究对象之一, 针对其中蕴含的灰度信息, 在充分挖掘和拓展“灰度不减”公理的基础上, 建立基于广义“灰度不减”公理的区间灰数预测模型. 通过准灰度因子对区间灰数上下界进行灰度最大化处理, 保证建模过程中的灰度不减, 并根据区间灰数序列灰度走势得到的灰度因子进一步修正模型, 提高预测的可靠性. 最后通过实例验证了模型的有效性和实用性.

摘要:

提出一种解决早熟收敛问题的改进遗传算法. 通过最小生成树聚类将种群划分为若干个子种群, 子种群内的个体之间及不同子种群间的个体之间同时进行遗传操作. 同子种群间个体的遗传操作可以保证算法的进化方向和收敛速度, 不同子种群间个体的遗传操作可以避免近亲繁殖, 提供多样性. 分别采用二进制和实数编码, 在经典的 23 个基准函数上的对比测试结果表明, 所提出算法具有较好的收敛速度和寻优能力.

摘要:

针对单一颜色特征跟踪性能差的缺点, 提出一种基于联合特征直方图的均值漂移目标跟踪算法. 采用颜色、边缘、运动3 个具有一定互补性的信息进行联合概率跟踪, 以提高目标模型的描述能力; 利用运动信息修正颜色和边缘模型核函数, 用以克服背景颜色、轮廓对跟踪效果的影响; 根据各特征所占权重, 运用自适应融合法生成关联特征直方图, 并将所构建的目标模型融合到mean shift 跟踪框架中, 实现目标跟踪. 实验结果表明, 所提出的算法具有较高的准确性.

摘要:

针对烟花算法(FA) 寻优过程中粒子间信息交流少、对最优点位置不在原点和原点附近的目标函数求解能力差的缺点, 提出带有引力搜索算子的烟花算法(FAGSO). 算子利用粒子间相互引力作用对粒子维度信息进行改善, 以提高算法的优化性能. 6 个标准和增加位置偏移测试函数的仿真结果表明, FAGSO相比于FA、粒子群算法和引力搜索算法, 在寻优速度和寻优精度方面有更好的优化性能.

摘要:

针对一类非线性关联大系统在结构扩展时的跟踪控制问题, 提出一种采用自适应神经网络的控制方法. 该方法要求在不改变原结构系统控制律的前提下设计新加入子系统的控制律和自适应律, 使扩展后所有子系统都具有很好的跟踪性能. 这里主要利用神经网络的逼近功能以及Backstepping 技术来设计自适应律和控制律, 通过Lyapunov 理论证明在该控制器的作用下闭环系统的所有信号均是有界的, 并可使系统准确跟踪. 仿真结果验证了所提出方法的有效性.

摘要:

针对线性奇异摄动系统, 提出一种基于PI (proportional integral) 观测器的故障诊断和最优容错控制方法. 基于奇异摄动系统相关理论和矩阵变换技术, 给出PI 全维观测器存在的条件, 该观测器可以观测系统的快慢状态和故障系统的状态. 在估测到系统状态的基础上进一步考虑最优性, 应用最优控制理论, 设计状态反馈控制器, 提出基于PI 观测器的故障诊断器和最优容错控制器的设计方法. 最后的数值算例验证了所提出方法的可行性和正确性.

摘要:

为解决现有终端滑模控制算法在收敛速度和抖振方面的问题, 提出一种连续非奇异快速终端滑模控制方法. 采用变系数双幂次趋近率和非奇异快速终端滑模面相结合的设计方式, 提高系统状态在趋近和滑动阶段的收敛速度. 通过Lyapunov 稳定性方法证明所提出的控制率可使得状态轨迹在扰动存在的情况下, 在有限时间内快速收敛到一个区域. 与传统方法相比, 所提出的控制率是连续的, 因此抑制了抖振, 拥有更高的控制精度. 将所提出的方法应用于光电稳定平台, 仿真结果验证了算法的有效性.

摘要:

针对流数据的实时、有序和维数高等特点, 提出一种基于多种群协同微粒群优化的流数据聚类算法. 该算法利用变量分而治之的思想, 多个种群协同优化多个类中心, 进而求出问题完整的类中心集合. 给出一种类中心变化趋势的预估策略, 以快速追踪环境变化. 为防止多个子微粒群同时优化一个类中心, 提出一种相似子微粒群的合并策略. 最后将所提出的算法用于多个数据集, 实验结果验证了算法的有效性.

摘要:

针对有界状态干扰下的线性时变系统, 提出一种新的时间最优模型预测控制算法. 在离线情况下通过求解一系列的线性优化问题确定次优的多面体N 步可达集, 根据这些可达集在线优化计算得到的输入量使系统状态尽快收敛到稳定区域. 离线求解多面体可达集的方法可处理非对称约束, 相比于以往的方法避免了在N 增加时顶点数可能呈指数增多的问题, 同时省去了过多复杂的多面体间的运算, 因而便于在实际问题中应用.

摘要:

在惯性/卫星组合导航系统中, 针对传统X² 检验法检测出故障但无法准确识别故障子系统的不足, 提出一种基于支持向量回归的故障诊断方法. 采用残差X² 检验法实时对组合导航系统进行故障检测, 并构建基于支持向量机的回归预测模型, 实现对惯性导航系统状态的预测; 根据系统模型输出和预测模型输出之差辅助进行惯性导航系统的故障判别, 诊断出系统故障源. 仿真结果表明, 所提出的方法能够快速准确地识别故障子系统, 并进行有效的系统隔离和重构, 从而使组合导航系统的性能得到保障.

摘要:

针对双层规划的求解问题, 提出一种层次风驱动优化算法. 初始化上层优化变量后, 首先对下层规划进行求解, 满足约束条件的同时, 更新下层规划中的空气质点速度和位置; 然后, 利用风驱动优化算法对上层规划问题进行求解; 最后, 在优化解集合中, 选择上下层规划目标值次序之和最小的解作为最终优化解. 实验结果表明, 所提出的层次风驱动算法是一种有效的求解双层规划问题的方法.

摘要:

在采用图像谱残差分析方法获取全局特征显著性图像的基础上, 利用小波变换在时域和频域具有的局部特征信息表征能力, 通过对图像包含的不同特征信息进行小波变换, 去除各个特征图中的冗余信息, 得到图像局部特征显著部分, 对两种分析方法下获得的显著图进行融合分析, 获得最终的图像显著部分, 并利用视觉转移机制在原图中勾画出显著性目标. 实验结果分析表明, 改进后的方法提高了图像显著目标检测的准确率.

摘要:

针对现有灰色预测模型主要以一阶累加生成序列为建模序列这一现象, 在互逆的分数阶累加生成算子与分数阶累减生成算子的基础上, 建立分数阶算子离散灰色模型, 并给出最小平均相对误差下最优阶数的自适应粒子群优化算法. 多个实例表明, 通过阶数优化, 分数阶算子离散灰色模型相对于灰色模型GM(1,1) 和离散灰色模型DGM(1,1) 表现出更优的拟合精度.

摘要:

针对多属性大群体决策信息的模糊性以及属性差异性问题, 提出一种基于属性多粒度的区间二元语义大群体决策方法. 首先, 依据决策成员偏好将大群体进行聚类, 形成偏好聚集结构, 考虑到各聚集中决策成员对所处聚集一致性的贡献不同, 以及不同聚集的偏好对于群体偏好的贡献不同, 提出双层权重模型; 其次, 利用扩展的可能度公式对各聚集内决策成员的权重进行确定, 利用模糊熵确定各个聚集的权重; 再次, 结合模糊相对熵和优劣解距离法(TOPSIS) 得到决策方案的排序; 最后, 通过案例的分析与对比验证了所提出方法的有效性和适用性.

摘要:

多准则群决策是决策领域的研究热点, 如何在信息不确定性和评价主观性背景下选择合适的决策方法则是研究的难点. 为了解决这一问题, 提出一个新的基于粗糙数的多准则群决策方法. 首先, 提出基于粗糙数的最优最劣方法(RBWM) 确定评价准则的权重; 然后, 利用粗糙数改进的逼近理想解排序法(RTOPSIS) 评价备选方案并做出最优决策; 最后, 利用一个实例对所提出的群决策方法进行应用和灵敏度分析, 并与其他决策方法进行对比分析, 验证了所提出方法的有效性和准确性.