基于环形DNA分子的一种求解最大集团的计算模型

文中提出了一种基于环形DNA分子的新型计算模型.该模型的核心构成包括环形DNA分子,链霉亲和素包被的磁珠及环化酶.通过应用该模型解决了一个5个顶点的最大团问题,证明了该模型的可行性.在整个计算过程中,真解的搜索是借助于磁珠和环化酶,DNA分子结构在线性和环形之间相互转化.环形DNA分子的应用极大地减少了计算所需的时间和空间,算法的时间和空间复杂度均为O(n+m).对于解决一个n个节点的最大团问题,这种算法和枚举型算法相比,在搜索过程中所需试管数较少,只需n+1个试管,而利用枚举型算法则需要2n个试管.另外,文中构建的非枚举型初始解空间大大提高了DNA计算机的存储和计算能力.在将来,这种新型的DNA计算模型或许会成为一种解决某些NP完全问题的有效工具.     

面向多区域能源互联的多智能体协同AGC策略

传统强化学习无法有效解决由于大规模新能源接入所带来的强随机扰动,以至产生AGC(automatic generation control)响应速度变慢、性能变差的问题.本文以能够解决基于Q框架的强化学习算法中状态动作对的值高估问题的双层Q学习为支点,融入了一种能够在未知的搜索空间中快速搜索最优解的灰狼优化算法,提出一种面向多区域能源互联的多智能体协同AGC策略,即GWDQ(grey wolf double Q)策略,来快速获取AGC过程中多区域协同最优解.通过对包括了混合发电燃气轮机系统、冷热电联产等多种形式能源的两区域综合能源系统模型,及多区域能源互联的东北电网模型进行仿真,结果显示所提策略与传统强化学习算法相比,拥有更强的学习能力,收敛速度和控制性能明显改善,能够快速获取AGC过程中多区域协同最优解.     

基于流形鸽群优化的智能合约重入性漏洞检测方法研究

重入性漏洞在智能合约中普遍存在,可能造成巨大的经济损失.现有的基于符号执行的静态分析工具通过预设的规则判断漏洞是否存在,然而预设规则不全面可能会导致重入性漏洞的误报.为了避免误报,本研究尝试从软件测试用例生成的动态分析角度解决这一难题.本文将该应用场景抽象为存在重入性循环路径的路径覆盖测试用例自动生成问题,通过生成并执行覆盖重入性循环路径的测试用例来检测重入性漏洞.以鸽群算法为代表的群体智能算法是求解测试用例生成这类黑盒优化问题的常用方法.鸽群算法在整个决策空间内围绕种群最优解邻域搜索,然而,问题的最优解可能并不在该邻域内,导致路径覆盖率较低.为了提升鸽群算法的路径覆盖率,本文将利用流形启发式算子改进鸽群算法,使其分配更多的算力搜索与优化目标相关的子空间,从而提升鸽群算法求解效率,覆盖重入性循环路径.实验结果显示,改进后的流形鸽群算法能够更加高效地生成覆盖重入性循环路径的测试用例,检测出被测合约的重入性漏洞.与Oyente, Securify和Smartcheck这三个智能合约测试工具相比,本文提出的方法能够有效避免重入性漏洞的误报,在实验的8个被测试智能合约中重入性漏洞识别准确率分别...     

考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度

针对多产品混合加工车间中有限夹具-托盘资源引发的生产力制约问题,提出了考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度方法.首先,以最小化最大完工时间为目标建立了基于设备-夹具-托盘三资源约束的混合整数规划模型.其次,设计了基于可行性修复和自学习型变邻域搜索的改良遗传算法并进行求解,提出了种群染色体初始化、交叉、变异过程中的可行性修复策略,在算法迭代中后期引入三种变邻域搜索方法并构建搜索策略知识库,自学习地求得最优解.最后,基于工业大数据生成算例,并通过数值实验证明了该算法具备求解精度和求解时间上的双重优越性,可有效解决设备-夹具-托盘约束下的柔性作业车间调度问题,为加工车间的生产排产智能化转型提供有力支持.     

星敏感器星点聚类提取方法

星敏感器现有的星点提取方法运算时间长、存储需求大,从而限制星敏感器姿态初始捕获时间、轻小化等性能指标的提高.针对以上问题,提出了一种星敏感器星点聚类提取方法.首先,介绍和分析了星点聚类提取方法中的预处理滤波算法和聚类算法;然后,给出了该方法在北京控制工程研究所新研小型星敏感器中的实现方式和实现效果,该星敏感器在探月三期月地高速再入返回飞行器中成功实现了首次在轨飞行实验;最后,通过星敏感器观星实验对星点传统提取方法和星点聚类提取方法进行了比对验证,并通过小型星敏感器在轨飞行实验对星点聚类提取方法进行了在轨验证.实验显示,该方法提取星点所需时间最大约为传统方法的16%,星图存储需求不到传统方法的1%,且星点提取正确,在轨表现良好.结果表明,星敏感器星点聚类提取方法能有效减小星点提取所需时间,不需大容量星图存储器件,且逻辑简单、移植性好,适用于各类光学成像敏感器.     

基于自适应尺度的遥感影像渐进配准

图像配准是遥感图像处理中的基本问题.本文针对多源多时相遥感影像的特点,提出了一种基于自适应尺度的渐进配准方法,在从粗到细的迭代配准过程中,可以通过上一次配准结果的几何定位误差来确定本次匹配的尺度,并按该尺度提取特征角点和特征邻域进行匹配,与常规金字塔渐进配准方法相比,减少了匹配次数,提高了配准效率.另外,特征提取和匹配过程中提出一种基于Harris-Laplace算法和相位相关算法的遥感影像配准算法,利用Harris-Laplace角点代替原始图像,能够综合区域和特征的优点,对亚像元偏移、旋转、尺度变化具有不变性,同时对对比度和灰度的变化不敏感,具有很强的抗噪性.在特征检测和匹配的过程中采用限定搜索区域、抽稀角点等多种优化策略来提高算法的性能.实验证明,算法具有很好的精度,对几何攻击具有很好的鲁棒性,该算法已经应用于CBERS-02B星3级数据的批量自动化生产,具有很好的应用效果.     

多无人机协同搜索的模糊认知决策方法研究

搜索决策方法是影响多无人机协同搜索效能的关键.传统的搜索决策方法关注于使多架无人机形成对任务区域的协同全覆盖,采用基于概率搜索图和滚动时域控制的搜索决策方法,对复杂搜索任务的适应性有限.本文借鉴人类实施搜索行为的认知决策方式,提出面向多无人机协同搜索的三层结构的认知控制模型.基于该模型和模糊聚类思想对任务区进行认知匹配和约简划分;之后,应用二次模糊聚类对各架无人机进行面向协同搜索的任务区域分配,在此基础上,再应用滚动时域控制方法完成对无人机的搜索控制.从任务区域覆盖模式和目标发现能力两个方面,通过仿真实验分析了本文提出的协同搜索模糊认知决策方法的性能.     

基于维护联盟的可重复性维修资源分配优化研究

针对设备维护联盟中的常见的可重复性维修资源冲突问题,在考虑联盟成员利益的基础上,建立了可重复性维修资源的价格协商模型.根据资源数量及时间来确定资源拥有者和需求者的资源转让价格,以资源拥有者转让资源收益最大为目标,建立了可重复性维护资源的分配优化模型,并给出了以禁忌搜索求解的算法流程.最后,通过水电维修企业的实例分析验证了该方法的有效性和可行性.     

移动机器人滚动路径规划的次优性分析

滚动规划是解决不确定信息环境下规划问题的有效方法. 研究了基于滚动窗口的移动机器人路径规划原理与算法, 对规划中的次优性问题进行了详细分析, 并结合具体实例加以阐述.     

基于神经系统与免疫系统调节机理的Memetic计算

Lamarck学习理论已被引入进化计算,能有效提高其局部搜索能力,逐步发展成为进化计算的新热点-Memetic计算.文中从神经系统与免疫系统在生物机体内的整合调节机理,提出了免疫Memetic计算模型,设计了模拟神经系统对免疫反应单向调节的Lamarck学习策略,并针对数值优化问题,提出了基于Lamarck学习的免疫Memetic算法.该算法结合了免疫算法和传统数学规划算法的不同特性,具有较理想的搜索性能.基于10个低维和10个高维基准测试问题的仿真结果表明,基于Lamarck学习的免疫Memetic算法与基于遗传算法的基本Memetic算法相比具有明显的优越性.     

无线传感器网络中一种高效的距离差估计方法

RIPS系统通过测量干涉信号的相位提供了一种精度高、设备简单的无线传感器网络定位方法.但利用相位进行测距和定位的方法不可避免地存在相位模糊问题,RIPS系统采取的方式是在多个频率下对某一距离差进行相位测量,根据各相位测量值来搜索实际距离差.为了避免RIPS系统中这种繁复的搜索过程,文中提出了一种高效的距离差估计方法.该方法基于中国余数定理(CRT)通过闭式一次直接计算得出距离估计值,从而避免了搜索过程,极大地降低了节点运算能耗并且提高了定位系统的实时性.同时,为了克服传统CRT算法对噪声敏感的缺点,利用算法中加权系数具有的一些性质来减小噪声对估计结果的影响,提高了算法的鲁棒性.仿真结果表明该方法鲁棒性好,估计精度高,在无线传感器网络中具有良好的可行性.     

一种基于动态排序的最大频繁项集挖掘算法

集合枚举树是最大频繁项集挖据算法中常采用的数据结构。在此算法中,最大频繁项集的挖掘过程也可以看作对集合枚举树的搜索过程。为缩小对集合枚举树的搜索空间,本文提出了一种新颖而高效的剪枝方法:根据已挖掘得到的最大频繁模式动态排列枚举树节点的顺序,最大限度的施行剪枝,从而缩小搜索空间。该算法采用位图的数据格式与深度优先的搜索策略。实验结果表明,该算法能有效提高最大频繁项集的挖掘效率,在采用相同的测试数据情况下,效率优于FPMax。     

均匀线阵互耦条件下的鲁棒DOA估计及互耦自校正

阵元互耦的存在会使大多数高分辨DOA(direction-of-arrival)估计算法的性能恶化. 利用均匀线阵互耦矩阵的对称Toeplitz性和带状特性, 基于子空间原理, 提出了一种互耦条件下的鲁棒DOA估计及互耦校正算法. 算法的方位估计不需要阵列互耦的任何信息, 估计精度高、分辨力强; 另外, 算法在方位估计的同时, 还可以精确地估计出均匀线阵的互耦系数, 从而实现阵列互耦的自校正. 算法的运算量小, 方位与互耦系数的估计均不涉及高维的非线性优化搜索, 只需一维搜索或多项式求根. 对算法参数估计的统计一致性、统计有效性和模糊性进行了分析讨论, 并用Monte Carlo仿真实验验证了该理论分析的正确性和算法的有效性.     

关于Crypto''''05上的广播加密方案的一种盗版解码器

在Crypto’05上,Boneh等人提出了两个广播加密方案.他们的工作具有令人振奋的结果:用户的私钥以及广播的密文均为固定长度,与接收者的数目无关.在他们的文章中给出了一个开放性问题,也就是希望能够为他们的广播加密方案设计一个叛逆者追踪算法,并通过对该追踪算法和他们的广播加密方案进行结合,得到一个有效的追踪及撤销系统.文中对该开放性问题给予了否定的回答.具体地说,给出了一种方法,使得3个或3个以上的叛逆者可以合谋出一个针对他们的广播加密方案的盗版解密器,并且还证明了不可能存在追踪算法来找出这些叛逆者.我们的盗版解密器可以类似地应用于Lee等人在ISPEC’06上提出的广播加密方案.     

企业动态结盟中的伙伴挑选模型及其软计算方法

伙伴企业的挑选是敏捷制造和供应链管理中的一个热点问题. 将伙伴挑选问题表达为带有非解析目标函数的 0-1 整数规划模型, 通过定义无效候选人缩小搜索空间, 采用模糊规则量化的方法将模糊决策嵌入到项目调度算法中, 形成一个模糊决策与遗传算法结合的计算方法. 和传统的优化方法对比, 能以很大的概率快速找到最优解.     

开放环境中基于自适应分布控制的群体机器人多目标搜索方法

多目标搜索问题是群体机器人一个重要的研究方向.现有工作多集中在带边界空间内的多目标搜索问题,而在开放环境中,探索机制会导致群体分散性过强而减弱探索能力.本文通过引入自适应扩散回归策略,在带有假目标的开放环境中,提出了具有高鲁棒性和适应性的群体机器人多目标搜索算法.文中首先从初始状态和处理假目标两方面对现有的主流群体机器人多目标搜索算法进行优化;基于机器人分布控制,本文对自适应群体机器人粒子群优化算法进行优化,提出基于自适应分布控制的群体机器人粒子群优化算法;其次,基于概率有限状态机搜索算法(PFSMS)对开放环境中的多目标搜索算法进行进一步的探索,本文以搜索时间为切入点,在PFSMS原有三种状态的基础上,添加回归状态作为附加状态,提出了基于自适应分布控制的概率有限状态机搜索算法(DPFSMS).当智能体的探索时间超过阈值时,智能体的速度由回归分量和扩散/搜索分量构成. DPFSMS算法给出了在无边界开放环境中的搜索策略,通过限制群体的扩散速度来自适应地调整智能体在无适应度值区域的运动随机性.最后,本文将DPFSMS算法与现有方法进行了对比,在对比实验中DPFSMS算法取得了目前最好的效...     

基于星敏感器估计卫星姿态的预测Kalman滤波算法

提出了一种实时的姿态估计算法, 即预测Kalman滤波算法. 该算法能够只利用星敏感器所提供的矢量观测信息来准确地估计卫星的三轴运动姿态, 算法的实现包括力矩模型误差预测和姿态估计两步. 预测Kalman滤波算法具有良好的滤波性能, 不仅估计精度高而且鲁棒性能强,这一点已通过仿真测试得到了验证.     

基于双容积卡尔曼滤波的车辆状态与路面附着系数估计

针对车辆行驶过程中的车辆状态与路面附着系数估计问题,论文研究了基于双容积卡尔曼滤波的车辆状态与路面附着系数估计算法,建立了采用Dugoff轮胎模型的三自由度车辆估算模型,基于双容积卡尔曼滤波理论设计了车辆行驶状态与路面附着系数估计器,使二者在估计过程中相互联系、形成闭环反馈,实现对车辆状态与路面附着的实时准确估计.选择典型工况,应用驾驶模拟器在环实验对双容积卡尔曼滤波估计算法进行了验证,并与双扩展卡尔曼滤波的估计算法进行对比分析.结果表明:基于双容积卡尔曼滤波的估计算法相对于基于双扩展卡尔曼滤波的估计算法更能够较准确地实现对车辆状态和路面附着系数的估计.     

含分布发电配电系统的孤岛划分

提出了一基于背包问（tree knapsack problem,TKP）含分发电（distributed generation,DG）配电系统最优孤岛划分新模型;并利用深度优先动态规划算法（depth-first dynamic programming algorithm,简为DPA）进行求.该模型及了负荷优先级、可控性/不可控性,以及功率平衡、电压、设备载流量约,符合实际工程要求.所算法将含多DG的配电系统孤岛划分问分成多个TKP,然后利用DPA逐个对这些问进行求,并经过孤岛合并过程而找到最优孤岛划分方案;最后通过可行性校验和调节而到最孤岛划分方案.本文算法具有较强理论基础,算时间复杂度低,能够在有限时间内找到近似最优.算例算果验证了本文算法有效性.     

结合高级正向推理过程的可满足性问题解决器

提出了一个可满足性问题解决器,它结合了DPLL(Davis Putnam Loge- mann and Loveland)算法和作为高级推理技术之一的失败性文字检查(FLD,Failed Literal Detection)技术.在失败性文字检查技术中,又提出了动态筛选方法,它包含了两条规则: 内部和外部筛选.在保证能在每个决策层上发现大部分失败性文字的同时,降低了失败性文字检查所测试的文字数目及相应的计算时间.不同于其他类型的预定义的删除标准,在这一方法中文字的删除是动态的,从这点上讲,文中的失败性文字检查算法可以适应不同类型的测试基准实例.许多不必要的测试可以被避免,因而提高了失败性文字检查的计算速度.为了进一步提高失败性文字检查的效率,故此还增加了其他静态的测试约束.实验表明,经过优化后的失败性文字检查算法的效率明显高于其他的高级正向推理技术.