基于人工免疫响应的线性系统逼近

提出一种基于人工免疫响应的线性系统逼近算法．给出了人工免疫响应的四元组模型，为免疫响应过程建立了一个可用于工程计算的数学模型；设计了克隆选择、免疫记忆和免疫调节等具体操作，模拟了抗体克隆选择、免疫记忆、基因免疫、免疫耐受等现象，实现了人工免疫响应的记忆学习，基于抗体群的随机状态转移过程，证明了新算法具有全局收敛性．基于两个典型的稳定或非稳定线性系统逼近问题的数值试验表明，无论在固定的区间内搜索还是在动态扩展的区间内搜索，人工免疫响应算法都能得到线性系统的最优逼近模型，算法是有效的。     

整体退火遗传算法及其收敛充要条件

针对常用时齐（比例选择下）遗传算法的强不收敛性和 设置合理停机准则的弊端，提出一类非时齐（整体退火选择下），保证收敛且容易判断收敛的新型遗传算法，证明允许父代参加竞争是这类新算法收敛的充要条件。数值实验表明：这类新算法收敛速度快，有极强的避免过早收敛及避免局部极值的全局优化能力。     

半监督学习方法研究综述

半监督学习存在于现实世界的各个场景中，可在生物化学领域对科学研究产生巨大的作用。在各领域也都有相关具体应用，如病毒毒性预测、网络安全检测、软传感器的应用等。随着机器学习领域的不断突破，目前尚缺乏关于半监督学习方法研究的完整综述。本文首先给出半监督学习的定义并分析了该领域应用过程中存在的挑战；然后梳理分析了半监督学习的四种方法，包括：半监督聚类、降维、回归、分类，并列出了这四种不同方法中比较先进的算法。随后介绍了各算法常见的评价指标（如精确率、召回率和ROC曲线等），对比了各类半监督学习算法效果，研究发现半监督学习方法都存在高于完全监督学习支持向量机的准确率，其中SSC-EKE算法以绝对优势领先传统的支持向量机经典监督学习算法。最后介绍了半监督学习的实际应用场景，展望了半监督学习的未来研究方向，并对全文进行总结。     

退化情形随机逼近算法的精确收敛速度

研究了退化情形随机逼近算法的精确收敛速度，（１）得到了对于算法在一般步长下的精确的收敛速度，而此前的结果对下降较慢工并不精确；（２）当回归函数的展开戒的矩阵系数正规时，给出所有可能的极限点；（３）证明此估计上界在多维情形了是能够达到的，而此前只证明了一维的结果。     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于修正随机梯度的永磁同步电机参数辨识

永磁同步电机为典型的多变量参数时变的非线性系统,为了获取其参数有效信息,以保证控制系统的高效运行,结合永磁同步电机系统电压方程,构建系统回归模型,采用随机梯度辨识算法辨识其模型参数,同时引入收敛指数构建修正随机梯度算法以提高辨识过程的收敛性能。仿真结果表明,收敛指数能有效提高算法辨识收敛的速度和精度。     

基于IGA-ML的星载天线抗干扰技术

提出了一种基于免疫遗传算法的卫星通信中星载天线抗多个干扰的方法，即将免疫遗传算法和似然函数最大化(IGA-ML)结合的空域天线调零技术．该算法结合了遗传算法的全局、快速的搜索能力和免疫算法的利用实际问题自身一些基本的、显而易见的特征信息的能力，采用注射自适应提取疫苗的遗传算法寻找似然准则函数的多个峰值的优化解，可以不受初始值选取的约束，在低干信噪比、快拍数少的情况下也能够在通信环境下高分辨地进行干扰的空间波束调零，而且相对于传统遗传算法(CGA)能更快地收敛．计算机仿真实验表明了该算法的有效性和鲁棒性．     

基于FRCM和FLAR的水文过程遍历特征分析模型及其应用

提出利用模糊粗糙聚类（FRCM）、自相关趋势图和模糊最小一乘回归（FLAR）对水文过程的遍历性特征进行研究，以上海54年（1951～2004）的降水为例，进行了具体的计算和分析，并利用离差系数作了印证性分析．结果表明：上海4～6和9月具有过程遍历性特征，所以，从长时间尺度来看，上海4～6和9月的降水量总体上不会呈长期下降趋势，在某个时期都会向该月份的降水均值回归．     

集装箱中零担货物合理混载的遗传退火进化算法

本文从缩小搜索区域、增强算法的收敛性以及缩短计算时间的角度出发，提出应用遗传退火进化算法求解零担货物在集装箱中合理装载问题，阐明了该算法的具体实现过程，并通过实际数值计算表明该算法优于传统的计算方法。     

一种基于自回归隐式半Markov链的设备健康管理新方法

文中通过对隐式Markov模型（HMM：hidden Markov model）假设条件的松弛研究，提出了基于自回归隐式半Markov链（AR—HSMM：auto—regressive hidden semi—markov model）的设备健康诊断和预测新方法．与传统的HMM相比，AR-HSMM具有3个优点：一是将传统HMM所假设的隐藏状态分布改进为显式Gauss分布，因此能够用于设备性能衰退预测；二是改进了传统HMM中各观测变量相互独立的假设，通过自回归建立各观测变量之间的依赖关系，从而使之更加符合实际情况；三是AR-HSMM不必服从不现实的Markov链条件，因而具有更强的建模和分析能力．文中定义了新的“前向．后向”变量，给出了改进的“前向．后向”算法．通过一个实例对所提出的方法进行评价与验证．实验结果表明，基于AR—HSMM的设备健康诊断和性能衰退预测新方法是有效的．     

Fuzzy系统的概率表示

揭示了Fuzzy系统的概率论意义，指出Fuzzy系统中常用的清晰化方法，即重心法是合理的且在平均平方意义下是最优的方法．基于不同的Fuzzy蕴涵算子，给出几种典型的概率分布，如Zadeh分布，Mamdani分布，Lukasiewicz分布等，它们充当Fuzzy系统的“系统核心”作用．此外，根据Fuzzy系统概率分布的一些性质，论证了由Zadeh提出的构造Fuzzy系统的CRI算法是基本合理的且有效的．此外还刻画了均匀概率分布在Fuzzy系统中的特殊作用．最后，讨论了CRI算法和三Ⅰ算法之间的关系．在构造Fuzzy系统的意义下，当三Ⅰ算法中的三个Fuzzy蕴涵算子限制为同一种算子时，CRI算法和三Ⅰ算法之间的关系有如下三种基本情况：①二者等效；②后者是前者的退化；③后者平凡而前者不是．当三Ⅰ算法中的三个Fuzzy蕴涵算子不限制为同一种算子时，CRI算法是三Ⅰ算法的特例，即三Ⅰ算法是更为广泛的一种算法．由于三Ⅰ算法有着良好的逻辑基础且包含推理优化的思想，因此三Ⅰ算法将有很好的应用前景．     

二次分配问题的骨架分析与算法设计

骨架分析是近年来NP-难解问题研究的热点，对于衡量问题的相变、难度及算法设计具有重要意义．骨架的理论分析及在算法设计方面的应用还处于起步阶段，从QAP问题入手，对QAP骨架进行了理论分析，证明寻找QAP问题的骨架属于NP．难解问题，不存在多项式时间的算法可以保证得到QAP问题的骨架，为局部最优解交叉来获得近似骨架提供了合理性解释，在此基础上，利用偏移实例构造方法，提出了基于偏移实例的近似骨架算法．其基本思想是：首先为QAP实例构造偏移实例，其最优解恰是原QAP实例的一个全局最优解；然后利用现有算法求得新实例的多个局部最优解，通过对局部最优解求交得到近似骨架；将近似骨架固定以得到规模更小的搜索空间，最后在新空间上求解，拓广了骨架理论研究的范围，所提出的算法为NP-难解问题的通用算法设计提供了一种新思路。     

基于子图同构的前驱三维工序模型向二维工序图映射匹配算法

为满足企业对三维工序模型的迫切需求,解决前驱三维工序模型与工序图的映射匹配问题,提出一种基于子图同构的前驱三维工序模型向二维工序图的映射匹配算法．该方法首先对三维工序模型进行投影,获取其投影图;然后分别提取工序图与投影图中的图元信息,将其表示为以图元作为节点的属性邻接图．在映射匹配过程中,将投影图表示成“大图”,工序图表示成“子图”;将前驱三维工序模型向二维工序图的映射匹配问题转化为“大图”中寻找“子图”的问题．为提高匹配效率,对属性邻接图进行分割,并且充分利用图的顶点属性对图顶点进行有效细分．实验结果表明,该算法能够实现精确的匹配,并且匹配效率能满足实际应用要求．     

基于Wasserstein距离的在线机器学习算法研究

本文主要研究基于Wasserstein距离的在线机器学习算法,并分别针对分类和回归问题,提出两个鲁棒的在线学习算法.本文首先在特征-标签空间中对Wasserstein距离进行变形,得到了易于处理和计算的变形式.进而,将在线梯度下降(online gradient descent, OGD)算法和Wasserstein距离变形式结合,分别针对在线分类问题和在线回归问题提出了两种具有较好鲁棒性的在线机器学习算法.文章对提出的新算法累积误差值(Regret,后面用Regret指代)进行了分析,证明了算法的Regret与训练轮次T满足O(■)关系.算法的收敛性可基于算法Regret分析得到,可证明在算法训练轮次T趋于无穷时,算法训练出的模型会收敛到理论最优模型.最后,将所提出算法与FTRL(follow-the-regularized-leader)算法、OGD算法、采用批量学习训练方法的机器学习算法进行数值实验对比.在模拟数据集和真实数据集的实验中,所提出在线学习算法准确率、鲁棒性和模型泛化性能均优于FTRL算法和OGD算法;针对大规模数据集时,虽然所提出的在线学习算法准确率与批量学习相关算...     

混合量子遗传算法在软硬件协同综合中的应用研究

针对多处理器嵌入式系统,结合拟 Newton算法,提出了混合量子遗传算法(MQGA)在系统设计中的解决方案,并引入了模拟退火技术.实验结果表明,MQGA能有效解决软硬件划分问题,提高了求解质量和算法的收敛速度,降低了计算代价,保证了算法的自适应性和全局最优性     

单步延迟无序量测滤波算法的最优性分析

不同的通信时间延迟和量测预处理时间，导致在实际的集中式多传感器融合跟踪系统中，常会出现多传感器量测数据不能按正常时序到达中心处理器的无序量测（OOSM）现象，中心处理器处理这类无序量测数据时将遇到负时间更新问题．针对单步延迟无序量测更新问题，从理论上分析了Bar-Shalom提出的A1算法的最优性，指出其最优性与过程噪声的离散化模型有关，证明A1算法在过程噪声直接离散化模型（DDM）下不是最优的，它仅是过程噪声连续离散化模型（DCM）下的最优滤波算法．提出了DDM条件下的一种改进算法，它能获得比A1算法更高的无序量测滤波精度．提出了一种与过程噪声离散化模型无关的最优无序量测滤波算法，此算法在两种过程噪声离散化模型下都能达到有序量测处理时的滤波精度．对两个新算法的滤波性能进行了理论分析，采用Monte Carlo计算机仿真实验比较了新算法和有序量测处理时的滤波结果，验证了新算法的有效性．     

基于金融业务系统的功能测试基准库方法研究

软件自动化测试技术的出现，大大减轻了测试人员的压力，显著提高了测试的效率，但是回归测试中的用例复用是测试自动化所面临的又一难题。本文提出了一种基于金融业务系统的功能测试基准库方法，对回归测试进行有效的支持，力求解决大型业务系统分析资源的积累和测试用例的有效复用等问题。这种方法在一定程度上减轻了测试人员管理测试用例的压力，增强了用例的可复用性，从而有效地提高了自动化测试的效率。     

基于价格协调的供需链宏观水平调度问题

供需链作为整体参与市场竞争要求企业能够相互协调，以达到全局优化．研究了一种针对按订单生产的汇集型供需链的协调优化方案，提出了组合订单竞争策略，建立了宏观水平调度模型．该方案通过松弛企业之间的交货期约束把供需链按企业分解为独立的子问题，从而可以使企业在协调中心的指导下，按照局部信息进行分布式决策，从而对试探订单进行分配，对合同订单进行调度．方案中对偶问题的优化是关键的理论技术，定义了广义对偶函数和广义代理次梯度，提出了一种不依赖于任何先验知识的变直径广义代理次梯度投影算法，并给出了算法的收敛性和收敛效率的证明．仿真算例结果表明，价格实现了收敛，订单分配和优化是合理的．     

用混合回归模型预测黄河三门峡站年径流变化的初步研究

年径流形成过程受到很多因素的影响,对其未来的精确描述十分困难,常用的成因预测法和统计预测法都有其一定局限性.以年径流作为自回归因子,降水、气温和用水做为回归因子,建立了年径流预测的混合回归模型,并以黄河三门峡站为例,对黄河三门峡站天然年径流未来变化进行了6种方案下的预测.研究表明,混合回归模型既能较好地模拟气温、降水及耗水变化对年径流量的影响,也能体现年径流自身的演变规律.     

基于改进Otsu和Niblack的图像二值化方法

针对常用的图像二值化方法——全局阈值方法和局部阈值方法存在的对输入图像含有噪声或不均匀光照等情况抵抗能力差以及处理速度慢的不足,提出了一种全局阈值与局部阈值相结合的图像二值化方法.通过在传统Otsu算法中引入类内方差和快速阈值搜索方法,并将其与Niblack算法结合,将图像的每一行看成一个子图,对每一子图使用改进的阈值进行二值化.实验证明,该方法抗噪声能力强,能准确获取图像的目标信息,同时能保持较快的处理速度.