摘要:随着无人机技术的成熟,无人机配送已成为近几年工业界和学术界共同关注的热点.由于无人机仍存在续航能力不足、空中管制等限制,车辆与无人机组合配送具有较大的发展空间.对此,研究车辆与无人机组合配送问题的5种运行模式,包括车辆与无人机协同配送、车辆与无人机并行配送、车辆支持无人机配送、无人机支持车辆配送,以及混合模式配送.根据不同运行模式的特性和应用场景,从运载工具、道路网络、节点构成、弧段约束和优化目标等方面,分析车辆与无人机组合配送问题的经典要素;并从速度比、无人机单程配送量和停靠策略等方面研究其拓展要素.介绍并对比了求解车辆与无人机组合配送问题的方法,梳理了常用的测试数据集.最后指出车辆与无人机组合配送问题未来可能的发展趋势.

摘要:历史数据不足会严重影响到长短时记忆网络(long short-term memory,LSTM)预测建筑负荷的精度.迁移并利用源域中其他相似建筑的用能数据,可以提高LSTM处理目标域中建筑的预测精度,但现有方法没有考虑预测过程中数据增加所导致的源域匹配关系变化问题.鉴于此,提出迁移学习引导的变源域LSTM建筑负荷预测方法.在执行过程中,根据源域建筑负荷与目标建筑负荷在最新窗口的关联度,实时调整要选择的源域建筑及其能耗数据,以确保源域与目标域始终保持较高的相似程度.在多个典型实例上的应用表明,相比传统的定源域迁移学习方法,所提变源域LSTM负荷预测方法可以始终保持较高的预测精度.

摘要:针对郊狼优化算法优化性能弱及多样性低等问题,提出一种基于反时限衰减算子的混沌郊狼优化算法(ICCOA).首先,在个体迭代更新过程加入反时限衰减权重因子,使得全局搜索与局部开发能力保持平衡的同时提高算法的搜索速度;其次,加入基于Tent混沌映射的混沌干扰机制,将种群中部分较差个体经过映射产生新个体,进而增大种群多样性;接着,为了验证ICCOA算法的优化能力,分别在10、30和100维度下进行函数优化测试,并与5种优化算法进行比较,其实验结果表明ICCOA算法具有良好的优化性能;最后,将ICCOA算法应用于BP神经网络参数优化,提出新的神经网络模型(ICCOABP),并与标准神经网络、基于遗传算法的BP神经网络参数优化方法一同应用于机器学习的分类任务进行性能比较,实验结果表明ICCOABP算法具有高效性.

摘要:当今社会环境问题日益严重,能源成本日益提高,峰值能耗在生产制造中备受关注.针对带峰值能耗约束的流水线调度问题,即生产过程中各时间节点机器总功耗不得超过给定阈值,以最小化最大完工时间为目标,提出一种协同群智能算法.首先,协同多种解码方法产生多样化的可行调度,融合启发式方法与随机方法以初始化种群;其次,设计两类基于问题特性的搜索操作,分别调整工件序列和加工速度;接着,根据目标空间中个体的分布,设计多种搜索操作的协同机制,对不同区域的个体执行不同的搜索操作,并对精英个体进行局部增强搜索以进一步改善性能;最后,采用大量算例开展数值实验,验证了所设计协同机制的有效性,并通过与数学求解器和现有算法的对比结果表明所提出算法能够更有效求解带峰值能耗约束的流水线调度问题.

摘要:以大规模物联网为支撑的新一代信息技术的深入应用,为基于海量大数据挖掘的煤矿安全知识发现提供了实现的可能.现有的针对煤矿安全大数据的研究大多基于定量模型,其解决问题的角度单一且一定程度上忽略了煤矿监管中多时空、多粒度的管控需求,使得数据中蕴含的煤矿风险知识未得到客观、全面的发现.从煤矿监管中的多粒度需求出发,借助云模型定量数据与定性概念间良好的转换能力,从煤矿监管中的时间、空间监管架构角度,提出基于自适应混合云变换的面向煤矿安全大数据的多粒度表示方法.该方法能够有效满足煤矿监管中其基于宏观、微观,不同时间、空间维度的变粒度需求,实现煤矿安全大数据在不同粒度认知结构中特性的深入挖掘. 通过在煤矿数据概念提取中的应用并与高斯云变换算法对比,其提取的概念覆盖度更全且更客观,验证了所提方法的合理性;在煤矿监测数据预测应用中,其预测精度相较于ARIMA算法更高,验证了所提方法的可行性.

摘要:最优尺度组合是多尺度决策系统中的研究热点之一,现有的研究大多是从一致性、不确定性的角度出发,而没有充分考虑代价信息的影响.针对该问题,首先分析最优尺度组合中考虑代价敏感的重要性,从决策代价的角度提出基于测试代价和延迟代价的多尺度决策系统,并且定义了尺度代价和属性代价来刻画尺度和属性所产生的代价;其次,考虑实际场景中属性代价的影响,将属性重要度和属性代价结合进行属性排序;最后,在属性进行最优尺度选择时,考虑尺度代价的影响,建立了一个代价敏感的最优尺度组合选择模型.实验结果表明,在现有代价认知场景下,所提模型能合理地进行最优尺度组合选择,所得结果更符合实际需求.

摘要:针对列装时间短的现役装备故障样本匮乏、现有算法故障检测准确率较低的问题,将多核学习(multiple kernel learning,MKL)与一类超限学习机(OC-ELM)相结合,提出$l_p$-范数约束下多核学习一类超限学习机($l_p$-MKOCELM)的检测模型.在$l_p$-范数约束下,定义了将MKL与OC-ELM相结合的数学优化形式,推导出基核组合权重与Lagrange乘子的更新方式;为方便故障检测的实施,基于$l_p$-MKOCELM定义了统计检验量与检测阈值;通过实验验证了不同范数的约束形式的近似等价性.将所提出方法应用于常用的UCI数据集和某型装备的测试数据,实验结果表明,相比于传统的SVDD、PCA、OC-SVM、OC-KELM等方法,所提出方法在平衡漏警、虚警的同时,能够显著提升检测精度.

摘要:针对有向切换拓扑条件下多航天器分组姿态协同控制问题,提出一种基于变量代换和矩阵分解的控制方法.首先,给出分组情况下系统Laplacian矩阵特征值的性质,并对航天器姿态模型进行变量代换,将非线性系统的分组姿态协同问题转化为线性系统的分组一致问题;然后,通过分解Laplacian矩阵,将分组一致问题转化为线性切换系统的稳定性问题,从而通过Lyapunov稳定性理论进行分析,给出系统拓扑的最小驻留时间;最后,对包含两个分组的系统进行仿真,结果表明了所提出控制方法的有效性.

摘要:针对机器感知评价和种群进化,提出基于迁移学习灰支持向量回归机的个体适应值预测方法和聚类进化策略.通过共享用户已评价个体适应值学习模型与部分未评价个体适应值学习模型,实现知识模型差异最小化.建立具有迁移学习能力的灰支持向量回归机模型,预测未评价个体适应值.基于聚类子集计算个体平均距离,并设计选择算子和交叉算子,扩大子代搜索区域,增强种群多样性.基于上述策略,采用NSGA-II范式实现交互式进化计算.最后,分析算法时间复杂度,表明算法可提高评价精度,并克服局部收敛问题.将该算法应用于室内灯光调色问题,验证所提出方法的有效性.

摘要:针对传统以及各种经改进的3D-DVHop算法对未知节点定位误差较大,且未对定位成本进行实质性降低的问题,提出一种基于虚拟力移动锚节点的3D-DVHop-ACR定位算法.该算法引入虚拟力移动锚节点,在降低定位成本的同时可使锚节点移动路径遍历整个网络空间且不会进入网络空洞区域;通过RSSI值辅助测距与三维跳距加权修正节点间跳数和跳距,利用所有锚节点定位误差修正各未知节点估计坐标;同时,结合最大似然估计法对邻居节点数不小于3的节点继续精化,以进一步降低定位误差.

摘要:为了解决移动机器人路径规划算法的确定性与搜索空间之间的矛盾,基于免疫机理提出一种确定性移动机器人路径规划算法.该算法首先利用路径起始点和目标点垂线确定的正向环境空间,在此空间内依据疫苗启发规则构建初始抗体种群,保证路径起始点和二级节点对正向解空间全覆盖;然后,根据正向切线点数量进行抗体克隆,在疫苗启发作用下对后续节点进行重构变异,同时定义单点抗体重构提升率,用以动态调整抗体数量,扩大抗体搜索空间.算法以抗体节点数判断抗体的变异代数,确定抗体种群的进化代数,从而实现确定性路径搜索.最后,针对不同工况,将所提出算法与其他算法进行实验比较,结果验证了新算法的确定性和有效性,最优解平衡了路径距离和转向代价,更符合移动机器人的运动需求.

摘要:回转窑作为水泥窑炉煅烧过程的核心热工设备,其正常运转率与产品产量、质量及能耗紧密相关,由于回转窑内部核心反应区温度高且装置持续旋转,接触式温度传感器无法安装在窑内核心反应区域,而筒扫系统借助红外扫描装置能够实时监测回转窑筒体表面温度并间接反映窑内热工状况.签于此,提出一种新的基于筒扫图像2D-OTSU边缘检测的回转窑异常工况识别方法.该方法首先构建基于灰度梯度和局部灰度标准差信息的融合模型,并利用相对熵概念计算模型权重系数,进而通过1D-OTSU预搜索策略提升识别算法的效率;然后给出一种2D双阈值检测阈值分割策略,以保证边缘的连续性;最后采用工业现场实际的回转窑筒扫图像对所提方法与其他典型检测方法进行比较研究.对比实验结果表明,所提出方法的检测率和单位误报次数均优于其他算法并具备一定鲁棒性,能够有效检测回转窑内的异常工况,达到提高回转窑运转率的目的.

摘要:针对有人/无人机编队飞行过程中的队形保持问题,采用领航-跟随策略设计一种有人/无人机编队队形保持控制器.首先从编队作战体系和控制原理角度设计有人/无人机编队控制系统结构;然后基于领航有人机与跟随无人机平面位姿的几何关系,建立编队内相对距离-角度运动学模型;最后在考虑僚机控制系统时变扰动的情况下,针对编队运动学模型特点设计动态反馈自适应编队队形保持控制器,并利用李雅普诺夫理论证明编队控制器的稳定性.仿真结果表明,所设计的控制器能够克服僚机控制模型不确定性带来的扰动影响,可以实现编队由初始误差到期望队形的快速调整以及稳定队形的保持.

摘要:遥感变化检测对于监督和管理土地资源利用具有重要作用.针对监督变化检测需要人为干预训练样本的劣势、不平衡数据问题以及基于像素变化检测中的“椒盐”现象,提出基于协同聚类和权重注意力稀疏自编码网络的变化检测方法.方法采用模糊c均值和K-means对差异图协同聚类得到训练和待分类数据,同时在样本中考虑灰度共生矩阵特征,并利用合成少数过采样方法扩充变化样本以解决样本不平衡问题.通过逐层权重注意力模块加强网络对正权重的学习和削弱负权重的影响,自编码分类性能得到提升,其分类结果在差异图超像素分割边界的映射空间中根据约束条件剔除“椒盐”噪声生成变化检测图.所提出方法在变化检测中实现漏检测与误检测平衡,达到了提高变化检测精度的同时减少人为干预的目的.

摘要:针对基本状态转移算法在某些复杂高维函数寻优后期表现出收敛慢、精度低的问题,引入局部搜索拟牛顿算子,构造一种混合状态转移算法,以弥补状态转移算法后期搜索效率低和拟牛顿法对初始点敏感的不足,保证算法能够快速收敛到全局或精度较高的近似最优解.混合算法采用自适应调用策略,判断算法收敛到全局最优附近的时机,并在此时调用拟牛顿算子,最大程度上发挥其局部搜索能力强的优势.在算法收敛到全局最优或者近似最优解附近时,不再进行无用的拟牛顿局部搜索,节省计算资源.通过对典型测试函数的仿真与无线传感器网络定位问题的求解,验证了混合智能优化算法的有效性,且与其他群智能算法相比,混合算法具有更高的收敛速度与精度.

摘要:针对启发优化算法在WSN节点定位问题中定位精度不高和收敛速度较慢的缺陷,提出基于反向学习的群居蜘蛛优化WSN节点定位算法.为减少前期随机搜索,所提出算法首先通过Bounding-box方法得到未知节点可能存在的区域,在该区域初始化启发个体,并将加权中心反向学习策略与群居蜘蛛群优化算法相结合,求解未知节点估计位置,提高算法全局搜索能力.仿真结果表明,相比于传统算法,所提出算法收敛速度更快,节点定位精度更高.

摘要:针对网络化系统研究具有模态依赖平均驻留时间(MDADT)和异步的线性切换系统的周期动态事件触发$H_\infty$控制.与已有切换系统事件触发方式不同,周期动态事件触发引入动态事件触发参数,且具有最小的事件触发间隔下界,在降低数据发送数量的同时,能够有效避免奇诺行为;利用MDADT方法和多Lyapunov函数技术,给出闭环系统具有指数稳定和$H_\infty$加权性能的充分条件;在此基础上,针对周期动态事件触发机制中可能存在的异步问题,提出相应的控制器设计准则.最后,通过算例验证所得结果的优越性.

摘要:针对神经网络模型进行类增量训练时产生的灾难性遗忘问题,提出一种基于分类特征约束变分伪样本生成器的类增量学习方法.首先,通过构造伪样本生成器记忆旧类样本来训练新的分类器及新的伪样本生成器.伪样本生成器以变分自编码器为基础,用分类特征进行约束,使生成的样本更好地保留旧类在分类器上的性能.然后,用旧分类器的输出作为伪样本的精馏标签,进一步保留从旧类获得的知识.最后,为了平衡旧类样本的生成数量,采用基于分类器分数的伪样本选择,在保持每个旧类伪样本数量平衡的前提下选择一些更具代表性的旧类伪样本.在MNIST、FASHION、E-MNIST和SVHN数据集上的实验结果表明,所提出的方法能有效减少灾难性遗忘的影响,提高图像的分类精度.

摘要:针对自然场景中文字符检测率低、小字符检测困难以及字符检测类别多样等问题,提出一种基于YOLOv2的改进方法,并将其应用于自然场景中文字符检测中.首先利用k-means++聚类算法对字符目标候选框(anchor)的数量和宽高比维度进行聚类分析,提出多层特征融合策略,对原网络中第4个最大池化层前所输出的特征图经过3times3和1times1大小的卷积核进行卷积操作,并执行4倍的下采样得到局部特征;然后对第5个最大池化层前所输出的特征图经过3times3和1times1大小的卷积核进行卷积操作,并执行2倍的下采样得到局部特征,将局部特征与全局特征融合,同时增加高层卷积中的重复卷积层,将高层卷积中连续且重复的3times3times1024大小的卷积层数由3增加为5;最后使用Chinese text in the wild(CTW)数据集对YOLOv2和改进的YOLOv2算法进行对比实验,结果表明,改进后的YOLOv2算法在中文字符检测中平均准确率均值为78.3%,较原YOLOv2算法提升了7.3%,且明显高于其他自然场景中的文字符检测方法.

摘要:研究了基于分布式通信网络的多无人机时变编队控制问题,考虑到外界扰动对多无人机协同编队系统的影响,提出一种新的连续非线性鲁棒编队控制方法.首先基于一致性方法构造了分布式无人机编队误差系统,降低了编队控制器对全局编队信息的要求;然后采用一种基于误差符号函数积分的鲁棒控制算法补偿未知外界扰动的影响,提高了无人机编队系统的鲁棒性,并基于Lyapunov分析的方法,证明了多无人机编队误差的半全局渐进收敛性;最后在四旋翼无人机编队实验平台上进行了多无人机时变编队的实时实验验证,实验结果表明,所提出的分布式编队控制算法可以实现多无人机时变编队控制,且具有较好的协同性能和抗干扰能力.

摘要:为满足自适应巡航系统跟车模式下的舒适性需求并兼顾车辆安全性和行车效率,解决已有算法泛化性和舒适性差的问题,基于深度确定性策略梯度算法(deep deterministic policy gradient,DDPG),提出一种新的多目标车辆跟随决策算法.根据跟随车辆与领航车辆的相互纵向运动学特性,建立车辆跟随过程的马尔可夫决策过程(Markov decision process,MDP)模型.结合最小安全距离模型,设计一个高效、舒适、安全的车辆跟随决策算法.为提高模型收敛速度,改进了DDPG算法经验样本的存储方式和抽取策略,根据经验样本重要性的不同,对样本进行分类存储和抽取.针对跟车过程的多目标结构,对奖赏函数进行模块化设计.最后,在仿真环境下进行测试,当测试环境和训练环境不同时,依然能顺利完成跟随任务,且性能优于已有跟随算法.

摘要:选址-路径问题是供应链管理和物流系统规划中的一个重要问题,对总成本具有十分重要的影响.对考虑配送中心容积约束的带时间窗的选址-路径问题进行研究,建立以总成本最小和客户满意度最大为目标的多目标规划模型,提出两阶段算法对其进行求解.首先,利用k-means聚类算法确定配送中心选址;然后,提出一种基于时间-空间双因素的客户划分方法以确定配送中心所服务客户;最后,利用粒子群算法对各配送中心的配送路径进行规划.数值算例表明,所提出的算法较其他已有算法,均能有效地降低物流运作总成本及总配送路径长度,为解决带容积约束及时间窗的选址-路径问题提供了一种新的解决思路.

摘要:针对含终端角度约束的滑模制导律在制导初期加速度指令过大的问题,采用趋近律方法和引入阻尼项设计一种考虑加速度约束的角度约束滑模制导律.首先,分析制导指令大小与滑模变量趋近速度的关系;然后,在滑模面函数中引入阻尼项,动态调节制导指令中不同部分的占比,从而降低制导初期整体指令值;最后,设计多幂次自适应趋近律来调节不同阶段的滑模变量趋近速度,达到降低制导指令极值、满足加速度约束的目的,同时保证滑模面函数的快速收敛.与常见的终端角度约束滑模制导律相比,仿真结果验证了所提出方法在降低加速度极值方面的有效性.

摘要:针对日本式单元化生产中批量大小不合理导致单元间工作量不平衡的问题,在单元装配系统构建过程中考虑批量分割,构建流水线向单元装配系统转化的多目标优化模型.该模型以最小化总完工时间和最小化工人总工时为目标,对转化过程中单元构建和批量分割进行联合决策.考虑到多目标优化问题特点以及解空间复杂度,增加局部搜索策略,对算法进行改进,提出INSGA-II算法,设计了基于游标的编码方式表示批量分割,满足单元数量动态变化下批量划分约束.在进化过程中不断优化各单元对应产品种类以及批量大小,平衡单元间工作量,缩短总完工时间.最后,通过数值算例验证所提出方法的有效性,结果表明在产品数量波动较大的情况下,考虑批量分割能更好地平衡单元间工作量.

摘要:针对由风险中性的在位制造商、风险规避的外来制造商和风险中性零售商组成的二级供应链系统,基于Stackelberg博弈理论建立不同市场入侵策略下的决策模型,研究风险规避的外来制造商市场入侵策略选择问题,分析市场入侵和风险规避行为对供应链成员均衡决策的影响.研究发现:当外来制造商通过零售商销售产品时,损害在位制造商的利润,但对零售商有利;当外来制造商通过网络渠道直接向消费者销售产品时,不一定损害在位制造商的利润,存在帕累托改进区域;当外来制造商的风险规避程度较大时,价格战愈发激烈,对自身、在位制造商和零售商都是不利的;外来制造商的市场入侵策略受质量差异程度、风险规避程度、生产成本和直销成本的综合影响;外来制造商选择最优的市场入侵策略时,损害在位制造商的利润,而且供应链系统不能实现帕累托改进.

摘要:针对大群体应急决策中属性之间相互关联的问题,提出一种新的偏好信息融合方法.首先,利用最优离散拟合模型测度专家的风险偏好,提出一种考虑专家风险偏好的犹豫模糊元补充方法;其次,运用TF-IDF算法获得相互关联的事件属性集;再次,结合传统的主成分分析法与误差理论,提出基于犹豫模糊语言的主成分分析模型,获得几个互不关联的主属性及其权重,进而进行信息集结和方案择优;最后,通过广西洪涝灾害事件验证所提方法的可行性和有效性.

摘要:研究主制造商-供应商模式(简称“主-供”模式)下复杂产品协同研制中的合作机制问题.根据主制造商的协同研制态度和供应商对技术截断的意向,基于前景理论刻画不同策略选择条件下供应商和主制造商的感知支付矩阵,探究双方的行为决策演化过程.结果分析表明,由于对复杂产品研制认知的复杂性和不确定性,主制造商和供应商往往低估复杂产品的最终产品收益和高估经济风险,导致供应商在与主制造商战略合作中很难实现关键技术截断.通过演化影响因素仿真分析可知:主制造商的合作态度受最终产品的感知利益、感知经济风险以及利益分配系数影响,受供应商技术截断的偏好程度影响较小;供应商技术截断的偏好程度受风险分配系数影响.这些结果对促进“主-供”协同合作机制的顺利推进提供了合理有价值的管理启示.

摘要:多技能资源受限项目调度问题中,一个资源可同时具备多项技能,相较于传统的单技能项目调度,其资源分配对调度计划的工期影响程度更大,因此在对多技能项目进行排程时更加重视资源的分配.基于此,从资源视角提出一种启发式算法求解工期最短的调度计划.算法以并行调度为主体,并设计一种动态资源权重计算方法,在每一决策点,首先采用二分图最大匹配法确定当前可排活动集,而后将动态资源权重值作为调度过程中资源分配的依据,其核心思想是将资源灵活度高、对后续活动影响大的资源留置,以待下一决策点调用.最后,为验证算法有效性,对不同参数设置下的算例进行实验,结果表明,相较于随机资源分配算法和静态资源权重算法,新算法具有明显优势.

摘要:灰狼优化算法(GWO)是一种模拟狼群等级制度和捕食行为的群体智能算法,存在收敛精度低、易陷入局部最优解等问题,为提高GWO的算法性能,提出一种基于Tent映射和正态云发生器的改进灰狼优化算法(CGWO).在灰狼群初始化阶段引入Tent映射,增加种群个体多样性以提高算法的优化效率;在攻击猎物阶段采用正态云模型对狼群位置进行更新,使算法前期具有较好的随机性和模糊性,提高全局开发能力,助其跳出局部最优解.随着迭代次数增加,自适应调整正态云模型熵值,使后期随机性和模糊性随之减小,有效改善局部开发能力,提高其收敛精度.选用20个通用的标准测试函数对CGWO算法性能进行验证,分别从单峰、多峰以及复合函数寻优结果与多种优化算法进行对比分析.结果表明,在同等测试条件下,CGWO算法寻优效率和收敛精度更高,能很快跳出局部最优解,在全局搜索和局部开发能力上更为平衡.

摘要:针对离散线性系统,研究批次长度随机变化的反馈辅助PD型量化迭代学习控制问题.考虑系统信号经量化后传输到控制器或执行器的情况,给出两种量化方案:跟踪误差信号量化和控制输入信号量化.基于两种不同的量化信号,在批次长度和初始条件随机变化前提下设计反馈辅助PD型迭代学习控制算法.采用扇形界的处理方法和堆积系统框架,推导数学期望下的学习收敛条件:在误差信号量化情况下,所提出控制算法可以保证跟踪误差渐近收敛到零;在控制输入信号量化情况下,所提出控制算法能够保证跟踪误差有界收敛.仿真示例对比验证了两种量化方案下所提出方法的有效性和优越性.