讨论微粒群算法的开发与应用。首先回顾从 1995 年以来的开发过程, 然后根据一些已有的测
试结果对其参数设置进行系统地分析, 并讨论一些非标准的改进手段, 如簇分解、 选择方法、 邻域算子、
无希望/重新希望方法等。 介绍了一些常用的测试函数, 以及与其他演化算法的比较。 最后讨论了一些已
经开发和在将来有希望的领域中的应用。

对粒子滤波算法的原理和应用进行综述. 首先针对非线性非高斯系统的状态滤波问题, 阐述粒子滤波的原
理; 然后在分析采样- 重要性-重采样算法基础上, 讨论粒子滤波算法存在的主要问题和改进手段; 最后从概率密度函
数的角度出发, 将粒子滤波方法与其他非线性滤波算法进行比较, 阐明了粒子滤波的适应性, 给出了粒子滤波在一些
研究领域中的应用, 并展望了其未来发展方向.

回顾了U KF 算法的发展, 从一般意义讨论了U T 变换算法和采样策略的选择依据, 并给出了U KF 算法描
述. 从条件函数和代价函数入手, 在给出多种采样策略的基础上对U KF 采样策略进行了分析和比较. 最后对U KF
算法未来可能的研究方向进行了探讨.

作为一种简单而有效的新兴计算技术,差分进化算法(DE)已受到学术界和工程界的广泛关注,并取得了许多成功应用.为此,围绕差分进化算法的原理,特点,改进及其应用等方面进行全面综述,重点介绍了针对复杂环境的差分进化算法研究内容,包括多目标%约束%离散和噪声环境下的优化等.最后提出了有待进一步研究的若干方向.

蚁群算法是优化领域中新出现的一种仿生进化算法. 该算法采用分布式并行计算机制, 易与其他方法结合,
具有较强的鲁棒性; 但搜索时间长、易限入局部最优解是其突出的缺点. 针对蚁群算法, 首先介绍其基本原理; 然后讨
论了近年来对蚁群算法的若干改进以及在许多新领域中的发展应用; 最后评述了蚁群算法未来的研究方向和主要研
究内容.

V apnik 等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法—支持向量机, 比较成功
地解决了模式分类问题. 其后, 机器学习界兴起了研究统计学习理论和支持向量机的热潮, 引人瞩目的研究分支有从
最优化技术出发改进或改造支持向量机, 依据统计学习理论和支持向量机的优点设计新的非线性机器学习算法等.
对此, 较为系统地回顾了近10 年来算法研究领域的新发展.

多传感器数据融合广泛应用于自动目标识别、 战场监视、 自动飞行器导航与控制、 机器人、 工
过程控制、 遥感、 医疗诊断、 图像处理、 模式识别等领域。介绍了多传感器数据融合技术的概念、 处理
型、 融合层次等问题, 综述了近年来多传感器融合技术的研究进展和应用, 预测了未来的发展趋势。

未知环境中移动机器人导航控制理论和方法是机器人学和智能控制的一个重要研究领域。综
述了该领域研究的主要内容及其发展动态, 分析了与导航控制有关的机器学习方法的研究现状, 指出了
存在的不足和有待进一步研究的问题, 并提出了一些解决思路。
 

针对低阶或高阶对象,提出一种新颖的基于生物免疫系统反馈机理的通用控制器结构。 该控制
器包括一个基本的P 型免疫反馈控制器和一个增量模块, P 型免疫反馈规律由模糊控制器自动调整。 激
光热疗法中组织温度控制的计算机仿真结果表明, 该控制器的控制性能优于常规控制器。

提出离散变结构控制系统的变速趋近律和比例—等速—变速控制策略。以变速趋近律为到达
条件, 可产生扇形切换区, 并可期待原点的稳定性。 将变速趋近律和指数趋近律组合使用, 可形成一种新
的控制策略。它克服了两种趋近律的缺点, 保留了其优点, 使系统性能得以改善。

对区间直觉模糊信息的集成方法进行了研究.定义了区间直觉模糊数的一些运算法则,并基于这些运算法则,给出区间直觉模糊数的加权算术和加权几何集成算子.定义了区间直觉模糊数的得分函数和精确函数,进而给出了区间直觉模糊数的一种简单的排序方法.最后提供了一种基于区间直觉模糊信息的决策途径,并进行了实例分析.

多智能体技术通过采用各智能体间的通讯、 合作、 协调、 调度、 管理及控制来表达实际系统的结
构、 功能及行为特性, 为各种实际问题提供了一种统一的框架。介绍了多智能体技术在几个有代表性领
域的应用, 并对该技术今后的研究方向做了探讨。

将蚁群算法引入连续空间的函数寻优问题求解, 通过将传统蚁群算法中的“信息量留存”过程
拓展为连续空间中的“信息量分布函数”, 定义了相应的求解算法。对多极值函数和非线性连续函数的寻
优实例仿真取得了良好的结果, 显示了蚁群算法在连续空间优化问题中的应用前景。

结合遗传算法、蚁群算法和模拟退火算法的思想, 提出用混合粒子群算法来求解著名的旅行商问题. 与模拟
退火算法、标准遗传算法进行比较, 24 种混合粒子群算法的效果都比较好, 其中交叉策略D 和变异策略F 的混合粒
子群算法的效果最好, 而且简单有效. 对于目前仍没有较好解法的组合优化问题, 通过此算法修改很容易解决.

介绍和比较了支持向量机分类器和最小二乘支持向量机分类器的算法。并将支持向量机分类
器和最小二乘支持向量机分类器应用于心脏病诊断, 取得了较高的准确率。所用数据来自 UCI bench-
mar k 数据集。实验结果表明, 支持向量机和最小二乘支持向量机在医疗诊断中有很大的应用潜力。

通过实例对几种具有代表性的用以训练BP 网络权值的改进算法进行性能对比研究。 首先分析
了基于标准梯度下降法和基于标准数值优化方法获得的各种改进算法的优缺点, 然后对各种改进算法
在训练中所需的收敛时间及其所达误差进行对比分析。 其结果为选择训练网络的算法, 开阔人们对算法
改进的思路提供了一些借鉴。