摘要:近年来,分数阶微积分作为一种工具已经被广泛应用于工程中的各个领域.较常阶分数阶微积分算子而言,变阶分数阶微积分算子能够更加准确地描述复杂系统的物理特性,变阶分数阶微积分建模作为一个强大的数学工具,为工程建模提供了便利.在前人优秀研究成果的基础上,结合近几年的国内外相关学者的研究成果对变分数阶微积分方程的研究作全面的综述.以变阶分数阶微分方程、变阶时间分数阶对流-扩散方程、变阶分数阶反应-扩散方程、变阶分数阶积分-微分方程和时滞变阶分数阶微分方程为主要研究对象,从变分数阶微积分算子的相关定义、模型、数值解及在工程中的相关应用等几个方面进行介绍.研究发现,近年来的算法多集中在多项式算法的基础上,通过构建不同的运算矩阵来实现变阶微分方程到代数方程组的转换.该综述可为相关领域的研究学者提供参考.

摘要:作为针对复杂问题的确定性推断方法,近年来消息传递方法及其在信息融合领域中的应用备受关注.消息传递为大规模问题提供了基于贝叶斯的、统一的、可扩展的、效率高的推断框架,消息传递方法在概率图模型的节点之间传递消息.首先,对概率图模型进行简要介绍,总结消息传递基础理论方法和近似拓展方法的基本原理、特点以及研究进展;然后,针对信息融合领域中的3类重难点问题:状态估计与平滑、目标跟踪和多源异构数据融合,分别综述消息传递在信息融合中的最新研究进展,并总结不同消息传递方法的适用场景;最后,讨论消息传递方法在信息融合领域未来可能的研究方向.

摘要:当使用代理辅助进化算法求解昂贵高维多目标优化问题时,代理模型通常用于近似昂贵的适应度函数.然而,随着目标数的增加,近似误差将逐渐累积,计算量也会急剧增加.对此,提出一种基于改进集成学习分类的代理辅助进化算法,使用一种改进的装袋集成学习分类器作为代理模型.首先,从被昂贵的适应度评价的个体中选择一组分类边界,将所有个体分成两类;其次,利用这些带有分类标签的个体训练分类器,以对候选个体的类别进行预测;最后,选择有前途的个体进行昂贵适应度评价.实验结果表明,算法中所提出的代理模型可有效提高基于分类的代理辅助进化算法求解昂贵高维多目标优化问题的能力,且与目前流行的代理辅助进化算法相比,基于改进集成学习分类的代理辅助进化算法更具竞争力.

摘要:针对哈里斯鹰优化算法探索能力和开发能力不平衡的问题,通过设置一种多子群方形邻域拓扑结构引导各子群内的个体可以纵横双向随机觅食.为了避免局部最优,通过设置固定置换概率,加强各个子群个体的信息交流,使子群内个体依照随机数组与其他子群的相应个体进行置换.在子群内部,基于历史进化信息进行HHO算法中的算子选择,以更好地利用现有问题领域的信息.利用可变维度基准函数与各种智能优化算法及其改进方法进行跨文献对比,结果表明改进方法在收敛精度、寻优能力上明显高于原始算法和对比文献,且具有较好的鲁棒性,适合推广至实际的优化问题之中.

摘要:现实生活中存在很多动态多目标优化问题(DMOPs),这类问题要求算法在环境变化后快速收敛到新的Pareto前沿,并保持解集的多样性,随着Pareto前沿复杂程度的增加,这一问题更加突出.鉴于此,提出一种基于多区域中心点预测的动态多目标优化算法(MCPDMO).首先,根据环境变化的严重程度将种群划分为多个子区域,使得个体的分配更加适应动态变化的环境;然后,分别计算每个子区域的中心点,对不同子区域在不同时刻的中心点建立时间序列,并利用差分模型预测新环境的最优解集,以提高算法对不同环境变化的响应能力;最后,为验证算法的有效性,与3种动态多目标优化算法在10个标准测试函数上进行仿真实验.实验结果表明,所提出算法在具有复杂Pareto前沿的动态问题上表现出更优的收敛性和分布性.

摘要:近年来,随着深度学习的蓬勃发展,行人属性识别得到了广泛的研究.但是,由于属性复杂且多样化、图像质量差、视角遮挡等困扰,难以捕获图像中的细粒度属性特征,具有很大的挑战性.对此,基于深度学习,提出多尺度残差注意网络(MRAN)用于行人属性识别,以Resnet50为主体架构,使用轻量级的金字塔卷积提供不同内核大小的并行卷积以完成多尺度信息的提取,嵌入注意力模块以关注属性存在的关键区域并挖掘属性内部联系;其次,使用特征金字塔融合策略,更充分地提取和融合多尺度特征.网络结合了多尺度学习、注意力机制和残差学习的思想,使网络提取出更丰富、更细腻的特征.最后,在PETA和PA100K两个数据集上进行实验研究,结果表明,所提出方法优于现有的研究方法.通过消融研究验证整个网络体系结构的3个组成部分的有效性和先进性,且所提出网络具有高准确性和低复杂度的双向优化.

摘要:根据现实环境中特种部队在执行任务时的情形,提出一种新的受启发于人的行为和基于群体的优化算法-----特种部队算法(SFA).特种部队算法为了有效模拟特种部队的特征,将现实中的不同战术行为和群体策略引入寻优思路,设计独特的搜索模式.特种部队会根据具体场景和任务要求,分别进行3种不同的任务:大规模搜索、突击搜捕、抓捕解救,通过结合不同策略,同时在算法中加入一些独特的机制,SFA可以模拟真实的动态行为以符合优化需求,SFA与其他几种成熟的算法进行比较,在包含单峰函数、多峰函数和固定维函数的15组基准函数测试中,验证了SFA的性能.实验结果表明,SFA展现出极具潜力和竞争力的结果,且能够在较好地平衡探索能力和开发能力的基础上,获得良好的搜索性能和寻优精度.

摘要:视网膜血管的结构和形态是计算机辅助系统诊断眼科疾病的重要依据.针对细小血管分割精度低的问题,提出一种融合残差密集模块与三端注意力模块的改进型U-Net算法.首先,将残差模块与密集模块相结合,充分利用每层的特征,提高网络提取细小血管特征的能力.在解码阶段引入三端注意力模块,利用空间注意力机制自适应地对特征进行空间校正,抑制背景噪声,突出目标区域.同时,通过多尺度特征融合的方式,利用高级语义特征改善网络对细小血管的分割效果.最后,为获取血管的多尺度特征, 在编码-解码网络结构中加入空洞卷积,在不增加参数的情况下增加感受野.基于DRIVE和STARE数据集的实验结果表明,所提出网络的灵敏度、特异性、准确率和AUC(area under curve)分别为81.26%/82.57%、98.20%/98.37%、96.70%/97.51%和98.12%/98.41%,优于现有先进算法.

摘要:短时物流需求预测是智慧物流系统的重要组成部分.由于短时物流需求数据具有非平稳性、强随机性、局部突变、非线性等特征,精确预测较为困难.对此,考虑集成经验模态分解(EEMD)、局部均值分解(LMD)、长短期记忆网络(LSTM)以及考虑局部误差校正(LEC),提出用于短时物流需求预测的EEMD-LMD-LSTM-LEC深度学习模型.该预测模型分为两个阶段:第1阶段基于特征分解和特征提取,构建EEMD-LMD-LSTM模型,以降低非线性的原始短时物流需求不平稳及随机变化导致的预测误差;第2阶段构建局部误差校正模型,用于校正第1阶段的预测结果,以减少短时物流需求的局部突变带来的预测误差.实验结果表明,EEMD-LMD-LSTM-LEC短时物流需求预测模型在均方根误差、绝对误差均值、绝对误差百分比和校正决定系数方面,均优于其他11种对比模型,其中包括:数理统计模型-----ARIMA;浅层机器学习模型-----支持向量回归和BP神经网络;深度学习模型-----LSTM和卷积神经网络;组合模型——深度置信网络-LSTM、经验模态分解(EMD)-LSTM、EEMD-LSTM、LMD-LSTM、EMD-LMD-LSTM和EEMD-LMD-LSTM.

摘要:针对多机器人系统在未知环境下难以有效避障和保持队形的问题,在改进动态窗口法(DWA)的基础上,提出一种领航-跟随法与行为法相结合的多机器人编队控制算法.首先,通过修正速度窗口和3个现有评价函数,并添加两个新的评价函数改进DWA算法,增加速度的采样范围,提高优秀轨迹的评分,并增强机器人朝目标导航和未知环境下的全局搜索能力;然后,对周围环境和编队状态实时检测,为各机器人设计不同的行为(包括导航,避障,跟踪和等待)及其选择方式,兼顾编队避障及队形保持;接着,基于改进DWA和社会力模型(SFM)设计行为控制策略,在未知环境下使领航者能够规划适合整体编队运行的路径,跟随者能够根据编队的不同状态自适应地切换跟随方式;最后,基于Matlab和V-REP进行一系列仿真,结果表明在未知环境下,所提出的改进DWA能够显著提高机器人的通行效率和全局搜索能力,编队控制算法能够实现队形稳定保持、灵活避障与变换.

摘要:针对高速行驶工况下,无人车转弯时的侧倾易导致车辆模型非线性程度增加,引起轨迹跟踪精度下降和状态失稳的问题,设计一种考虑车辆侧倾因素,基于非线性模型预测控制(NMPC)的无人车轨迹跟踪控制器.根据拉格朗日分析力学和车辆运动学,考虑车辆侧倾几何学和载荷转移效应,建立考虑侧倾因素的非线性车辆模型,包括车体动力学模型和修正的“Magic Formula”轮胎模型;基于此车辆模型,构建非线性模型预测控制器(NMPC)的预测模型,并设定控制器的线性、非线性约束,以保证车辆的运动状态处于稳定区域内.在Carsim和Simulink联合仿真平台上,验证车辆高速蛇形工况和双移线工况下的轨迹跟踪控制效果,仿真结果显示,所设计的控制器可有效改善高速弯道工况下的跟踪精度和车辆状态稳定性.

摘要:在实际应用中,一大类的多智能体系统可由二阶和三阶模型描述.鉴于此,研究二阶和三阶多智能体系统在无向图下的一致性和收敛率优化问题.针对在离散时间下的智能体,采取一个定常的控制协议.首先,给出多智能体系统达到一致性的充要条件以及一致性状态的显示表达式;然后,将快速一致性问题转化为收敛率的优化问题,利用劳斯判据的方法得到二阶和三阶系统最优收敛率和控制增益的直接求解公式;最后,通过仿真实验对理论结果的有效性进行验证.

摘要:针对未知模型的非线性离散时间多智能体系统,研究基于事件触发迭代学习双向一致性问题.首先,利用紧凑形式动态线性化方法,建立多智能体系统的动态线性化数据模型,提出一种该数据模型的参数估计算法;其次,基于该数据模型设计输出观测器和死区控制器,并结合信号图论,构建一种事件触发分布式无模型迭代学习双向一致性控制策略;然后,通过设计李雅普诺夫函数对该控制策略的收敛性进行严格的证明;最后,通过数值仿真进一步验证该控制协议的正确性和有效性.

摘要:针对一类非线性离散动态系统,研究非线性系统的智能建模方法.首先,采用带遗忘因子的递推最小二乘法对低阶模型的未知参数进行辨识;然后,对高阶非线性部分采用随机配置网络进行估计;最后,利用两种辨识方法在外部误差准则下对系统进行交替辨识,进而提出一种改进的非线性系统交替辨识的智能建模方法.将随机配置网络与递推最小二乘算法相结合,可有效提高非线性系统的辨识精度,并且通过数值仿真实验进行对比分析以验证所提出算法的有效性.

摘要:针对动态模型未知的信息物理系统在拒绝服务(DoS)攻击下的安全控制问题,提出无模型的H_∞控制方法,其中DoS攻击具有代价约束且连续攻击次数有界.首先,利用量测数据设计丢包情形下的Smith预估器对当前状态进行预测,并给出了量测反馈H_∞控制器的结构形式;其次,利用博弈论将H_∞控制问题转化为二人零和博弈问题,从而给出控制器增益的设计方法;进一步,基于Q-learning方法设计模型未知下的控制器增益在线求解算法,实现系统的安全H_∞控制;最后,通过雕刻机平台的仿真和实验验证所提出方法的有效性.

摘要:研究具有输入量化和全状态约束的非严格反馈随机非线性系统的有限时间自适应跟踪控制.首先,利用双曲正切函数进行非线性映射,消除全状态约束的限制,将系统变换为无约束系统;其次,引入滞回量化器克服量化信号中的抖动和量化误差.为实现有限时间控制,提出概率意义下半全局有限时间稳定控制方法,加快系统的收敛速度,并在此基础上采用径向基函数神经网络逼近未知非线性函数;接着,基于动态面控制技术和高斯函数的性质,对变换后的非严格反馈随机系统进行自适应控制设计,所设计的控制器能够保证闭环系统中的所有信号在概率意义下有限时间稳定;最后通过仿真实验表明所设计控制方案的有效性.

摘要:对于一类线性周期离散时间系统,提出一种新的周期预见控制器的设计方法.首先,利用二维模型方法及系数矩阵的周期性特点,将系统状态与其稳态值之差代替通常的状态差分,成功地构造出原系统的二维(2D)扩大误差系统;然后,针对导出的扩大误差系统,结合Lyapunov稳定性理论和LMI方法,给出闭环系统渐近稳定的条件及预见控制器的设计方法;最后,通过数值仿真说明该方法的有效性.

摘要:船舶在航行过程中不可避免地受到海平面上多种干扰的影响.动力定位(DP)是一种船舶在受到外界干扰的情形下依然能够保持在一定位置或沿固定轨迹航行的技术.与传统的锚定位方法相比,DP技术具有机动性强、可深海作业、定位精度高等优点.针对带有慢变环境干扰和复杂非线性项的船舶动力定位系统,研究其精细抗干扰控制问题.首先,利用模糊逻辑系统逼近船舶动力定位系统中的复杂非线性项.其次,通过构造自适应干扰观测器(ADO)来估计部分信息已知的慢变环境干扰.在此基础上,将基于干扰观测的控制(DOBC)与模糊控制算法相结合,提出基于复合分层抗干扰控制框架的精细抗干扰控制(EADC)策略,从而实现船舶动力定位系统的高精度抗干扰控制.最后,基于供给船模型的仿真研究验证所提控制策略的有效性.

摘要:专家经验是可靠性工程中常见的一类可靠性数据,通过将其与产品的寿命试验数据融合,可以扩充可靠性信息,为产品可靠性的评估提供新的思路.对此,利用Bayes理论,考虑不同类型和不同形式的专家经验,通过验前矩拟合的方法将其转化为产品寿命分布参数的验前分布.进一步,根据寿命试验数据确定似然函数,推断分布参数的验后分布,可求得数据融合后产品的可靠度和剩余寿命等可靠性评估结果.通过蓄电池算例分析,表明所提出方法的应用及其有效性.

摘要:针对模拟电路的故障特征难以提取,导致模型计算量复杂、诊断准确率不够高的问题,提出一种基于注意力机制和卷积神经网络(CBAM-CNN)的模拟电路故障诊断方法.首先,利用卷积核提取输入层的图片特征,同时在每个卷积层后面连接一个矫正线性单元(ReLU),并添加批归一化层(BN)解决内部协变量偏移的问题,以提高非线性模型表达能力;然后,在批归一化层后添加注意力机制模块(CBAM),提取重要的特征后连接池化层,降低网络计算复杂度,提高网络的准确率与效率;最后,以Sallen-Key低通滤波器和二级四运放双二阶低通滤波器为研究对象进行故障诊断实验验证.结果表明,所提出方法能够有效提升诊断精度,实现所有故障的高难分类与定位.

摘要:针对金属板材的质量控制与服役性能评估问题,在对金属板材微损伤进行超声导波检测的基础上,结合形状上下文(shape context,SC)与动态时间规整方法对其损伤劣化程度进行量化评估.该方法以无损Lamb波信号为基准,采用动态时间规划(dynamic time warping,DWT)算法对损伤信号进行相似匹配分析对比,确定基准信号与损伤信号的最佳匹配路径.引入SC的轮廓识别方法对Lamb波的局部波形信息进行统计分析,以波形形状距离代替传统欧氏距离匹配方法,解决DTW相似匹配中的病态对齐问题.最后,将无损Lamb波与损伤Lamb波信号间SC-DTW匹配距离作为损伤程度的量化指标,采用随机闭合裂纹的有限元仿真模型和铝板弯折实验对所提出方法进行验证,结果表明,基于Lamb波SC-DTW的损伤量化指数对铝板早期裂纹具有较高的敏感性和较好的量化表征能力.该方法无需对波包进行识别,也不必进行复杂的特征提取,具有简单高效和抗噪声能力强等优点,在金属板服役性能评估与质量控制中有较好的实用性和推广价值.

摘要:原油价格受国际政治、经济、军事、外交以及其他复杂因素的影响,这些因素的频繁变化使油价表现出随机波动,给原油投资及交易决策带来困难,准确预测油价已成为能源领域学术界的研究热点.但是,现有关于原油价格预测的文献大多数是预测原油价格的数值而不是变化方向,而且不是同时预测原油价格和波动率,因此无法给投资者充分的决策指导信息.为了填补这一研究空白,提出一种结合转移网络(TN)、链接预测(LP)、长短期记忆模型(LSTM)和支持向量机(SVM)的新的混合模型TN-LP-LSTM-SVM来更精确地预测WTI期货次日价格变化方向和波动率大小,为投资者、能源相关企业和参与政策决策的政府人员提供有益的建议.在不同的时间窗口下($h\in [1,50]$且$h\in {\bm Z

摘要:在外包及授权再制造模式下,研究考虑政府补贴及制造商环境设计的再制造闭环供应链生产决策问题.构建4种闭环供应链决策模型,分析政府补贴及环境设计水平对制造商与再制造商竞合关系、闭环供应链绩效以及环境的影响.研究发现,制造商可以通过调节单位再制造外包费或专利许可费实现与再制造商共享政府补贴,因此政府不同补贴策略不会对闭环供应链最优生产决策及绩效产生影响.政府补贴与消费者对再制造产品的认知程度,并不总是有利于提高制造商环境设计水平,但均有助于促进再制造产品销售.制造商总是有动机进行环境设计,而再制造商只有在环境设计能为再制造产品带来更多成本节约时,才有动力接受制造商的环境设计方案.相比于授权再制造,制造商及再制造商均在外包再制造下获得更多的利润.另外,政府补贴与环境设计并不一定总能起到减少产品环境总影响程度的作用.

摘要:随着检测传感技术的发展,诸如风力发电机叶片等可对其状态进行检测,并依据检测结果进行剩余寿命预测.但此类系统在运行中受环境冲击影响较大,如何对冲击影响下的系统剩余寿命进行预测,并结合预测结果进行经济可靠的维修决策是一个值得研究的问题.对此,针对状态可检测的连续退化系统,研究考虑加速冲击损伤特性下的系统剩余寿命预测及基于预测的维修决策.首先,考虑自然退化和与退化相关的冲击损伤,构建加速冲击损伤退化模型和剩余寿命预测模型;其次,制定基于周期检测的状态维修与预测维修相结合的混合维修策略,并推导不同维修活动的发生概率;然后,构建以长期平均费用率最小为目标,以检测间隔和故障率阈值为决策变量的决策模型,并给出了优化解法;最后,以风力发电机叶片为案例验证模型的适用性和有效性,对系统的参数进行灵敏度分析,并与未考虑加速冲击损伤和未考虑预测的维修决策结果进行对比分析.

摘要:实践中发现,犹豫模糊信息和概率犹豫模糊信息在计算过程中存在着计算繁琐、与数量运算规则不相容等问题.对此,提出一套基于调和犹豫模糊元的解决方法.通过定义调和犹豫模糊元为一组概率分布相同的概率犹豫模糊元,在犹豫模糊信息和概率犹豫模糊信息之间架起一座桥梁,将它们纳入统一处理框架.在此基础上,定义调和犹豫模糊信息的基本运算规则、信息集成算子、距离测度和混合熵测度,构建基于调和犹豫模糊信息的多属性决策方法,并将其应用于陆军合成旅指挥控制能力评估.数值实验表明:调和犹豫模糊决策理论克服了已有理论的缺陷,具有计算量可控、易于编程实现、与数量运算规则相容等优势.

摘要:任务分发作为移动群智感知领域的关键研究问题是目前的热点和难点,针对该领域中多任务分发条件下的参与者选择方法进行研究,根据参与者的历史任务完成情况,利用参与者累计信誉以及参与意愿构建参与者服务质量模型(QoS).在最大化QoS的基础上,采用启发式贪心算法解决参与者的选择问题.提出以任务为中心和以用户为中心的两种选择方案,在算法中引入距离约束因子、完整度约束因子以及信誉度约束因子,在保证任务完成质量的前提下,尽可能提升平台最终收益和参与者的收益.对两种算法的可行性和有效性进行评估,与现有的算法在选择出的参与者人数、移动距离以及数据质量等方面进行详细对比,分析各种因素对选择结果的影响.在实验过程中,建立阶跃型数据定价模型,对参与者上传的数据质量进行量化对比.实验结果表明,所提出的算法较现有的算法在服务质量方面取得了很好的效果.

摘要:小样本条件下,根据粗糙集理论构建的决策规则受数据来源偶然性误差影响较大,个别数据样本难以反映真实知识关系.为解决小样本条件下粗糙集决策规则可信度未知的问题,提出信息区分量、属性影响方向等概念,运用Shapley值法进行属性权重分配,求取每个属性对决策结果的影响方向,进而得出决策规则的参考信度,以寻求真实可信且适合工程实际的决策规则.实例分析论证了所提方法的可行性以及对数据来源误差的分辨能力.

摘要:绿色发展是高质量发展的重要组成部分,绿色修复是当前可持续发展的必要环节,如何科学评判绿色修复水平已成为一项重要工作,评价过程中的复杂性和不确定性为提升绿色修复水平带来了挑战.对此,在概率犹豫Fermatean模糊环境下,提出拓展MULTIMOORA方法以开发一种面向区域绿色修复水平评价的框架.采用概率犹豫Fermatean模糊集(PHFFS)表达综合评价信息值,通过Dombi运算融合Choquet积分几何算子(PHFFDCIG)聚合评价信息比其他运算方法更合适,可以通过调整参数增强信息聚合的灵活性.然后,将传统MULTIMOORA方法子系统中的参照点法和完全乘法形式进行完善,并结合Choquet积分和改进Borda规则,提出一种PHFFS- MULTIMOORA方法对区域绿色修复水平评价指标间的相互作用进行建模,从而捕获其重要性权重,综合确定区域绿色修复水平的优先级.最后,通过长江经济带沿线5省市绿色修复水平评价的案例分析研究和灵敏度分析测试有效验证所建立模型框架的准确性、有效性和实用性.

摘要:自主协同是无人机集群作战效能发挥的关键,针对无人机集群自主协同中的弹药分配问题,提出一种基于公共品演化博弈模型的弹药分配方法.首先提炼无人机集群弹药分配的自主性需求,结合多主体间资源分配的对立统一关系,建立面向无人机集群弹药分配的公共物品博弈模型;在此基础上,理论推导出模型的合作策略占优条件;然后,通过仿真实验,研究各参数对集群自主协同及弹药分配效能的影响;最后,依据理论推导及仿真结果,给出无人机群弹药分配的合理化建议.

摘要:讨论直觉模糊信息系统上的三支决策问题.首先,定义一个由模糊因子、均值因子和概率因子3部分组成的相似度函数,从而建立直觉模糊信息系统上的三支决策模型,并指出该模型从理论上统一了各种双论域模型;其次,考虑论域对象的评价值不同,提出一种基于评价值的划分测度:加权信息熵,并且证明划分越细,加权信息熵越大;最后,基于加权信息熵的性质,给出最优三划分的合理解释,从而提出一种新的阈值求解方法.

摘要:研究多行程多交货期的成品油配送优化问题,已知油库使用带运输时间窗的多舱车辆配送各加油站的多个订单, 每个加油站具有各自的优先级,且加油站的各个订单带有交货期.综合考虑客户优先级、订单交货期和车辆运输时间窗等因素,以配送收益最大化为目标,建立多行程多交货期的成品油配送优化模型,并设计带交货期移除算子的改进变邻域搜索算法进行求解.基于前向插入启发式算法构造初始解,设计基于订单交货期的邻域扰动算子和基于单位时间收益最大化的贪婪策略,以增强算法的局部寻优能力,并提出基于逆序访问的后期优化策略,从而在保证解的质量情况下加快算法收敛速度.通过不同规模下的仿真实验验证了所提出模型和算法在最大化配送收益的同时,能够有效地提高配送及时性.

摘要:针对带工序跳跃的绿色混合流水车间机器和自动引导车(AGV)联合调度问题,提出改进memetic algorithm(MA)以同时最小化最大完工时间和总能耗.首先,设计基于工序、机器和转速的三层编码策略,最大程度保证算法在整个解空间中搜索;然后,设计混合种群初始化方法以提高初始种群解的质量,同时设计交叉和变异算子以及两种基于问题的邻域搜索策略来平衡算法的全局搜索和局部搜索能力;最后,通过大量仿真实验验证MA算法求解该问题的有效性和优越性.

摘要:研究一类具有严格反馈的不确定非线性系统跟踪控制问题.与现有通过自适应神经网络等技术处理系统中未知动态不同,利用命令滤波器处理系统中的不确定函数.基于反步法原理构造虚拟控制律,并通过设计辅助方程解决真实控制律构造困难的问题.通过引入事件驱动机制,在确保系统稳定性的同时降低系统控制律更新频率.最后通过仿真算例验证了所提出命令滤波反步控制策略的有效性.

摘要:针对汽油精制过程中控制变量之间非线性和强耦联性,产品汽油中辛烷值难以测定的问题,提出一种基于自适应变量加权的汽油辛烷值预测方法.首先,利用一种新颖的变量加权模块捕获变量之间的相关性获取变量权重,通过自适应变量加权的方式提升主要变量的重要性,抑制其他次要变量的作用;然后,考虑到汽油脱硫过程对辛烷值的影响,输入加权激活后的变量到辛烷值预测模块,模型同时输出辛烷值和硫含量的预测结果;最后,基于工业数据进行模型验证,结果表明,与无变量加权模块的神经网络预测方法,基于随机森林的神经网络预测方法和基于变量加权堆叠自编码器的预测方法相比较,所提出的自适应变量加权汽油辛烷值预测方法具有更高的预测精度,可以用来优化汽油精制过程的操作条件.

摘要:为提升最后一公里配送服务水平,基于现实场景中存在的自提、带时间窗的送货上门和柔性服务需求,提出多元个性化需求驱动的选址-路径问题.为了有效求解该问题,设计融合初始解构造算法、差异化邻域使用策略和自适应抖动机制的变邻域搜索算法.不同规模算例实验结果表明,改进的变邻域搜索算法具有较好的求解效率和鲁棒性.通过关键参数的敏感性分析发现,个性化需求比例与自提成本对运营成本影响显著,综合考虑这些因素开展配送系统设计具有较强的现实意义.