Convergence and stability of the Newton-Like algorithm with estimation error in optimization flow control

The Newton-Like algorithm with price estimation error in optimization flow control in network is analyzed.The estimation error is treated as inexactness of the gradient and the inexact descent direction is analyzed.Based on the optimization theory,a sufficient condition for convergence of this algorithm with bounded price estimation error is obtained.Furthermore,even when this sufficient condition doesn't hold,this algorithm can also converge,provided a modified step size,and an attraction region is obtained.Based on Lasalle's invariance principle applied to a suitable Lyapunov function,the dynamic system described by this algorithm is proved to be global stability if the error is zero.And the Newton-Like algorithm with bounded price estimation error is also globally stable if the error satisfies the sufficient condition for convergence.All trajectories ultimately converge to the equilibrium point.     

单滑块变质心再入飞行器分岔特性

基于非线性动力学模型,给出了单滑块变质心再入飞行器的平衡点及其稳定性随滑块偏移距离的变化规律,得到了系统分岔图,并在此基础上求解了典型条件下各吸引子的吸引域。结果表明滑块偏移距离对再入飞行器的平衡点数量及稳定性具有明显的影响,同时初始飞行条件对飞行器的最终收敛状态也具有重要的影响,不合适的初始条件有可能导致飞行器被锁定在不期望的平衡点或极限环中,从而引起失速或失控等问题。此外,通过分析不同系统参数下的分岔图变化规律,总结了再入飞行器结构及气动参数对系统分岔特性的影响,进而为系统参数的设计提供了参考。     

PDα-型分数阶迭代学习控制在Lp范数意义下的收敛性分析

针对一类分数阶线性系统,讨论了PD^α-型分数阶迭代学习控制算法的单调收敛性。首先,在Lebesgue^p(L^p)范数意义下,对一、二阶PD^α-型控制算法的单调收敛性进行理论分析,推导出其单调收敛的充分条件,并推广到N阶控制算法的情形;然后,对二者的收敛快慢进行了详细说明。结论表明,控制算法的收敛条件由学习增益和系统自身属性共同决定。仿真实验验证了理论的正确性和控制算法的可行性。     

Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

Diffserv AQM algorithm for edge and core routers

The existing active queue management (AQM) algorithm acts on subscribers and edge routers only, it does not support differentiate-serve (Diffserv) quality of service (QoS), while the existing diffserv QoS has not considered the link capacities between edge routers and connected core routers. When a core router in a two layers’ network experiences congestion, the connected edge routers have no ability to adjust their access data rates. Thus, it is difficult to achieve the congestion control for the large scale network with many edge routers and core routers. To solve these problems, two difffserve AQM algorithms are proposed for the congestion control of multilayer network. One diffserv AQM algorithm implements fair link capacities of edge routers, and the other one implements unequal link capacities of edge routers, but it requires the core routers to have multi-queues buffers and Diffserv AQM to support. The proposed algorithms achieve the network congestion control by operating AQM parameters on the conditions of proposed three theorems for core and edge routers. The dynamic simulation results demonstrate the proposed control algorithms for core and edge routers to be valid.     

ON THE CONVERGENCE OF SAMPLING ALGORITHMS FOR SOWING DYNAMIC STOCHASTIC PROGRAMMING

1. IntroductionStochajstic prggramming is a very flexible, powerful modelling paradigm that allows decisionmaking models to incorporate uncertain parameters or outcomes, the range of its application isas wide as any in optimization['] 5 such as finance, telecommunications, power system models andtransportation, etc. One class of popular models in stochastic programming is the multistage(or dynamic ) stochastic programming with recouxse because it can be used to properly describelong-term decis…     

基于异步动态的多机器人系统的一致性

研究通过无线网络进行通信的多机器人系统的一致性问题。多机器人系统在固定通信拓扑下可建模为特定的网络控制系统,考虑信道噪声、不确定短时延和数据包丢失等因素的影响时,其可进一步视作由丢包率约束的异步动态系统。通过构造李雅普诺夫(Lyapunov)函数,运用线性矩阵不等式(linear matrix inequality, LMI)方法,得到了该系统指数稳定的充分条件。为实现多机器人系统的运动一致性,设计了控制器；讨论了不同的指数收敛率对多机器人系统收敛速度的影响,并进行了相应的理论证明和仿真验证。     

一类带脉冲的市场模型的稳定性

在通常有预期的市场模型中,解的情况有稳定与不稳定两种。在均衡价格不稳定的情况下,通过加脉冲控制,得到了模型稳定的充分条件,并且脉冲的含义在现实中能得到很好的解释。     

基于T-S模糊模型的网络控制系统鲁棒H∝容错控制

针对同时存在网络时延和数据包丢失的网络环境,研究了执行器故障下一类非线性网络控制系统的鲁棒H_∞容错控制问题。基于不确定T-S模糊模型描述的非线性网络控制系统模型,考虑了更实际、更常见的执行器部分失效情况。通过引入一个积分不等式,获得了此类系统的时滞相关鲁棒稳定性条件,且采用锥补线性化算法给出了此类系统的鲁棒H_∞容错控制器设计方法。仿真算例表明,对于任意容许的不确定性以及执行器故障,所设计的控制器能使系统鲁棒渐近稳定,且具有H_∞范数界。       

无人机自组网中基于蚁群优化的多态感知路由算法

无人机自组织网络具有节点移动性强、网络拓扑变化快、数据交互频繁、应用环境复杂等特点, 采用传统的路由算法会使该网络在传输延时、丢包率、路由开销等方面性能均较差, 以至于无法为多无人机协同执行任务提供有效的通信保障。为了解决该问题, 提出一种基于蚁群优化的多态感知路由(ant colony optimization based polymorphism-aware routing, APAR)算法。该算法将蚁群算法与动态源路由算法相结合, 通过感知路径长度、路径拥塞度和路径稳定性, 计算出由路由发现过程得到路径的信息素水平, 并将其作为选路标准, 经过改进的信息素挥发机制也被引入该算法。同时, 根据无人机编队的变化做出合适的调整, 以保证其网络性能不下降。仿真结果表明, 与其他经典算法相比, APAR算法提高了数据包成功传输率, 降低了平均端到端延时, 减少了路由开销, 且在战场环境下有较高的可靠性。     

基于自适应模糊滑模控制的主动队列管理算法

针对TCP这样大型复杂的网络系统的拥塞问题,考虑系统中存在的不确定因素是未知非线性的情况,设计了一种采用自适应模糊滑模控制理论的主动队列管理算法。该算法基于网络模型的特殊性,构造了Lyapunov-Krasovskill函数,设计了滑动模面,并基于线性矩阵不等式的方法给出该系统鲁棒渐近稳定的充分条件,所设计的自适应模糊控制律能够使系统的状态轨迹在有限时间内到达滑动模面。仿真结果表明,该算法在网络条件变化的情况下,能实现准确的跟踪目标队列长度,避免网络拥塞的发生。     

面向拥堵问题的枢纽航线网络优化模型

为解决枢纽机场客流拥堵问题,提高机场运行效率,减少运营成本,提出了一种面向拥堵问题的枢纽航线网络优化模型。该模型基于非严格枢纽航线网络结构,以不同运输方式的费用和流量为约束条件,以枢纽航线网络成本最低为目标，设计了能够减少求解运算的复杂变量表示方法,以及减少陷入局部最优解概率的模拟退火粒子群优化(simulated annealing particle swarm optimization, SAPSO)算法。实验结果表明,相较于严格的枢纽航线网络,所提优化模型能够显著地缓解枢纽机场的拥堵,均衡枢纽机场间客流量,减少网络成本;同时,所提算法具有较快的收敛速度和良好的稳定性。     

基于育种系统管理全局优化算法及其性能

针对遗传类算法收敛精度差和收敛速度慢等问题,本文将育种系统的管理运作思想引入遗传算法,构造了一种新的全局优化算法—育种算法。通过对搜索和进化操作过程进行分析,指出了算法收敛到全局最优的途径和方法,提出了利用简单的随机采样实现全局搜索和采用基因置换技术实现交叉进化的思想策略,建立了算法模型并确定了相应的控制参数和终止准则。实验表明,该算法能够实现精确搜索并实现计算精度和成本之间的平衡,可以避免遗传算法的早熟收敛问题和大量的冗余运算,提高了优化计算的速度和可靠性。     

粗等价类融合禁忌搜索的最小约简完备算法

提出粗等价类融合禁忌搜索的最小约简完备算法.首先用全局等价类替换元组作为基本计算单位,给出3类粗等价类定义,结合0-粗等价类在约简的渐增式计算中递减至空的性质,推导出求正区域的等价方法,并设计求解中双向缩减计算域的优化策略,从而提供快速求初始解、验证解等基础算法;然后面向约简特性设计禁忌搜索下的多种策略,包括双向邻域搜索、藐视准则、有限随机搜索、有限解检验等,最后给出高效的最小约简完备算法.用UCI中20个决策表、KDDCup海量数据集从多个性能指标进行验证,实验结果证明粗等价类理论和禁忌搜索从双方面保证本文算法的完备和高效性,大多数情况下可有效求得最小约简,并在跳出局部最优解、收敛速度和处理海量数据效率等方面优于现有算法.     

一种基于Fuzzy丢包区分的TCP拥塞控制算法

在无线/有线混合网络中,传统TCP把所有的分组丢失简单归因于网络拥塞的盲目性严重影响了异构网络中TCP的性能.在对当前丢包区分算法分析的基础上,提出了一种采用fuzzy逻辑进行丢包区分的方法来解决这个具有明显fuzzy特征的问题,即采用条件概率构造不同丢包模式下的隶属度函数,从而按照最大隶属原则进行丢包原因区分,基于此方法,提出了一种适合无线环境的TCP拥塞控制算法.仿真验证表明,该算法较当前主要TCP版本及典型区分算法具有更为理想的效果.     

Revisiting the ODE Method for Recursive Algorithms:Fast Convergence Using Quasi Stochastic Approximation

Several decades ago, Profs. Sean Meyn and Lei Guo were postdoctoral fellows at ANU,where they shared interest in recursive algorithms. It seems fitting to celebrate Lei Guo's 60 th birthday with a review of the ODE Method and its recent evolution, with focus on the following themes:The method has been regarded as a technique for algorithm analysis. It is argued that this viewpoint is backwards: The original stochastic approximation method was surely motivated by an ODE, and tools for analysis came much later(based on establishing robustness of Euler approximations). The paper presents a brief survey of recent research in machine learning that shows the power of algorithm design in continuous time, following by careful approximation to obtain a practical recursive algorithm.While these methods are usually presented in a stochastic setting, this is not a prerequisite. In fact,recent theory shows that rates of convergence can be dramatically accelerated by applying techniques inspired by quasi Monte-Carlo.Subject to conditions, the optimal rate of convergence can be obtained by applying the averaging technique of Polyak and Ruppert. The conditions are not universal, but theory suggests alternatives to achieve acceleration.The theory is illustrated with applications to gradient-free optimization, and policy gradient algorithms for reinforcement learning.     

基于改进螺旋更新位置模型的鲸鱼优化算法

针对鲸鱼算法后期种群的多样性丢失问题,通过螺旋更新位置模型的改进并结合对立学习策略、随机调整参数、正态变异操作等已有方法改进鲸鱼优化算法.采用对立学习策略对鲸鱼种群初始化,为全局搜索奠定基础;利用随机调整控制参数的策略,避免了算法后期陷入局部最优;正态变异算子与改进螺旋更新位置对鲸鱼种群进行干扰,避免种群后期向某个最优区域靠拢,增大算法的全局搜索能力.选取文献[4]中23个国际标准测试函数,包括单峰、多峰以及固定维数函数,对改进的算法进行低维测试;选取文献[12]中的25个单峰和多峰国际标准测试函数,对改进的算法进行高维测试.结果表明,IMWOA算法在收敛精度、收敛速度上均明显优于原WOA算法且具有普遍适用性、稳定性和解决超大规模优化问题的能力.     

基于并行云变异蛙跳算法的梯级水库优化调度研究

本文针对混合蛙跳算法(shuffled frog leaping algorithm,SFLA)早熟收敛的问题,将云模型算法融合于SFLA算法中,形成一种云变异蛙跳算法(normal cloud mutation SFLA,NCM-SFLA),弥补混合蛙跳算法后期容易陷入局部最优的不足.同时利用算法易于并行的特点,在多核环境下基于.NET4的并行拓展库(parallel extensions)进行算法的并行优化.将其应用于梯级水库优化调度中,实例计算表明,与多维动态规划算法(MDP)相比,NCM-SFLA方法具有更好的全局寻优能力和较快的收敛速度,在现有的计算条件下该并行算法能有效缩短程序运行时间,求解梯级水库优化调度问题是合理、有效的.     

神经网络自校正预测拥塞控制算法研究

传输速率、处理速度和节点缓存容量的饱和非线性特性、传输延迟的随机时变性、用户接入的随机性以及高优先级业务的突发性,使得网络中存在严重的不确定性,由此给异步传输模式(ATM)网络拥塞控制系统的分析与设计带来极大的困难。为此设计了鲁棒神经网络自校正拥塞控制算法。其优点在于:(1)最大限度地减小了测量误差和随机干扰的作用,有效地补偿了时变不确定非线性的影响;(2)保证了闭环系统的稳定性、收敛性和公平性,增强了系统对随机延迟等不确定性的鲁棒性。仿真分析进一步验证了该算法的有效性。     

ABSOLUTE STABILITY OF GENERAL LURIE DISCRETE NONLINEAR CONTROL SYSTEMS

1 IntroductionUp to now, there are many results about abso1ute stability for Lurie discrete controlsystems{'--'l. Some sufficient conditions and necessary and sufficient conditions of absolutestability are obtained. But there are a few resuIts about gener…