基于证据GO法的复杂多态系统动态可靠性分析

为了准确把握复杂多态系统及其部件可靠性指标的演变规律，需要对其进行动态可靠性分析。针对复杂多态系统退化参数的认知不确定性问题，提出一种用于动态可靠性分析的证据GO算法，以GO法原理为分析基础，结合证据理论构建一种考虑认知不确定性的多态GO法操作符，完成对复杂多态系统的不确定量化，结合马尔可夫模型对复杂多态系统进行可靠性建模，从而有效地分析认知不确定性给系统可靠度的影响，并用算例验证方法的可行性。     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

贝叶斯网络增强型多模型AUV组合导航算法

针对复杂环境下自主水下航行器(autonomous underwater vehicle,AUV)组合导航系统中存在噪声不确定或者易发生变化的情况,提出一种贝叶斯网络增强型交互式多模型(interactive multiple model filter based on Bayesian network,BN-IMM)滤波算法。该算法在多模型估计基础上,引入特征变量,并根据变量与系统模型之间存在的因果关系建立贝叶斯网络;利用贝叶斯网络参数修正多模型估计中的模型切换概率,能够降低多模型算法中真实模式识别对先验知识的依赖性。该算法能够解决交互式多模型(interactive multiple model,IMM)算法中模型转换存在滞后、模型概率易发生跳变等问题,增强多模型算法的自适应能力。以陀螺和加速度计的输出作为特征变量建立贝叶斯网络,对AUV组合导航系统进行仿真,结果表明所提出的BN-IMM算法相比于传统的IMM算法能够显著提高机动状态时模型转换速度和估计精度。     

基于SOFM和遗传算法的定量数据规则提取

提出一种基于自组织特征映射网络(SOFM)和遗传算法的定量数据规则提取模型.首先利用自组织特征映射网络SOFM,把定量数据转换为模糊集的语义值,用模糊集合相似性分析与融合对初始的模糊区间进行约简,以提高其解释性.然后利用变精度粗糙集模型从中挖掘模糊分类规则.最后利用遗传算法对所得规则进行优化,在不降低精确性的前提下,减少规则数.选用UCI数据集中的数据进行测试,证明所提模型用于定量数据规则提取的有效性.     

一维正态云模型单规则推理映射研究

一维云模型可以用三个参数进行表征,即均值Ex、熵En和超熵He,能够实现数据从定量输入到定性推理,再到定量输出的转换过程,该转换过程可以认为是一种映射过程。针对这种映射,构造了一维云模型单规则推理结构,给出了推理算法,总结出了云模型的三个参数对这种映射过程的影响关系,最后给出了仿真验证结果。     

基于情景的非常规突发事件决策流程生成方法北大核心CSSCI

非常规突发事件频发,有效而快速地识别决策问题、构建决策流程是亟待解决的重要研究问题。运用知识元模型分析非常规突发事件决策情景,在规则推理的基础上,应用模糊理论,提出模糊规则以及规则匹配算法,实现非常规突发事件决策问题的识别,进而通过问题与决策活动的映射关系、应用知识元和解释结构模型将决策活动结构化,提出决策问题关系到流程结构的转换方法,从而实现决策流程的生成。研究成果能够为决策人员快速识别决策问题、构建决策流程、制定决策方案提供支持。实例分析证明了该方法的有效性。     

基于情景的非常规突发事件决策流程生成方法

非常规突发事件频发,有效而快速地识别决策问题、构建决策流程是亟待解决的重要研究问题。运用知识元模型分析非常规突发事件决策情景,在规则推理的基础上,应用模糊理论,提出模糊规则以及规则匹配算法,实现非常规突发事件决策问题的识别,进而通过问题与决策活动的映射关系、应用知识元和解释结构模型将决策活动结构化,提出决策问题关系到流程结构的转换方法,从而实现决策流程的生成。研究成果能够为决策人员快速识别决策问题、构建决策流程、制定决策方案提供支持。实例分析证明了该方法的有效性。     

基于贝叶斯网络的路网脆弱路段识别模型

界定了路网脆弱性的内涵,提出了基于贝叶斯网络的路网理论分析框架,应用贝叶斯网络的双向推理技术定量地分析B每个路段对路网系统整体故障影响的大小,并在此基础上,分别基于故障树和最小路集构建了路网脆弱环节识别的贝叶斯网络模型;最后,通过实例说明利用贝叶斯网络方法识别路网脆弱环节的具体步骤。研究结果表明,该方法可以快速、有效地识别路网的脆弱环节,为路网问题的解决提供决策支持。     

基于面向对象贝叶斯网络的软件项目风险评估

针对软件项目的特点和软件项目风险定量评估任务,提出了基于面向对象贝叶斯网络的风险评估方法。该方法通过分析软件项目生命周期中的具体风险与风险因素之间的因果关系,建立面向对象贝叶斯网络拓扑结构;由专家判断和工程经验确定网络中的概率参数;采用概率推断工具,可定量估计风险的发生概率。给出了风险贝叶斯网络的建模过程,讨论了风险贝叶斯网络可以完成的风险管理任务。通过一个简单例子说明了该方法的应用。     

一种改进的贝叶斯网络结构学习算法

贝叶斯网络的结构学习是数据挖掘与知识发现领域的主要研究技术之一,能从大量数据中寻找隐含的概率依赖关系和知识表达模型,对复杂决策任务的建模与求解提供支持,具有重要的研究意义.文章通过分析结构学习方法(1(2和MCMC算法)的基本思想,将两种算法的优点和模型平均的思路结合起来,提出-种改进的贝叶斯网络结构学习算法.仿真实验证明该算法解决了K2和MCMC算法的缺陷,可以在无先验知识的情况下以较快的收敛速度获得较正确、稳定的模型结构.     

基于协同进化的航天测控资源优化调度

航天测控资源调度是一个具有很强工程背景的复杂问题,针对其特点,研究了一种基于协同进化的优化调度算法。在描述问题并给出调度模型的基础上,基于协同进化的思想,设计了和问题特征结合的遗传算法编码,对算法的算子和进化策略进行了描述,给出了算法的完整流程。通过算例表明,该算法整体上优于先到先服务（first coming first serving, FCFS）算法、任务综合优先度（task synthesis priority, TSP）算法和简单遗传算法（simple genetic algorithm, SGA）。     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

基于遗传算法的混合Flow-shop调度方法

混合Flow-shop调度问题（Hybrid flow-shop scheduling problem,HFSP),是一般Flow-shop调度问题的推广，由于在某此工序上存在并行机器，所以比一般的Flow-shop调度问题更复杂。本文提出了遗传算法求解混合Flow-shop调度问题的方法，给出了一种新的编码方法，设计了相应的交叉和变异操作算法，能够保证个体的合法性，同时又具有遗传算法本身所要求的随机性。最后给出了某汽车发动机厂金加工车间的生产调度实例，表明了此算法的有效性。     

战斗机无人机编组协同系统需求捕获与验证

战斗机-无人机编组协同(fighter-drone teaming, FDT)是人员-信息-物理-智能一体化的全新作战形态, 其系统需求捕获与验证方法尚没有工程先例和经验可循, 亟需正向探索和实践。在一般的基于模型的系统工程(model-based systems engineering, MBSE)方法基础上, 提出整体纳入跨装备协同要素、将分析模型和验证模型分开构建、同步考量逻辑行为与时空关系的捕获与验证策略, 以及适用于编组协同“任务场景构建-系统行为分析-需求映射定义-模型在环验证”的流程和具体方法, 进而以典型“二带二”对地FDT为例进行应用检验。检验结果表明, 该方法可满足工程总体多专业联合工作需要, 能够高效形成编组协同系统需求清单及相应的捕获与验证依据, 从而为后续的系统设计和实现确立清晰的开发目标和设计指导。     

复杂层次模型中知识表达与推理方法研究

工程教育认证背景下的人才培养体系,是典型的复杂层次系统.采用多色集合及其元素、着色、围道矩阵和体运算等概念,建立复杂系统层次结构模型,从水平和纵向两个方向对该模型进行形式化描述,并给出复杂层次结构模型的形式化推理算法流程.基于多色集合为工程教育认证背景下的人才培养体系构建的层次结构模型,在逻辑层实现了知识自顶向下、自底向上的单向自动推理和同时向下、向上的双向自动推理,在问题的形式化描述、信息的高效率处理和程序的快速实现等方面具有明显优势.构建工程教育人才培养体系层次结构模型并提出知识的表达与推理方法,对开展工程教育专业认证工作、提高人才培养质量都具有重要意义,同时也为复杂系统模型构建及其知识推理分析提供了一种新的有效方法.     

自调整非线性遗传算法

通过对简单遗传算法的理论分析，得出了复制、杂交、变异等算子的每次作用均相当于对所作用的个体进行一次线性变换。因此，通过对传统遗传算子进行修改，作者提出了非线性遗传算法。本文发现规范化操作对算法的计算效率有很大的影响，并且给出各遗传算子的一种等价线性表示。因此，如果针对不同的优化问题动态的进行规范化操作及遗传算子的选择，将会大大提高算法的效率。本文提出一种新的自调整非线性遗传算法(Self—Ajusting Nonlinear Genetic Algorithm,SANGA)，该算法通过规范化操作的动态选择，结合简单的遗传算子，对算法的效率有很大的提高。仿真结果表明该算法的有效性。     

GO-FLOW方法及其改进的精确算法

GO FLOW方法是一种有效的系统可靠性分析方法,直接进行系统可靠性定量计算是GO FLOW方法的优点。但对于包含共有信号的复杂系统,不能直接按GO FLOW方法提供的算法计算,必须保留共有信号项并对其进行修正才能得到精确的计算结果。给出对共有信号进行修正的计算公式推导过程,提出了有共有信号的复杂系统中GO FLOW新的定量精确算法,并用算例加以说明和验证。算例结果表明该方法是精确而有效的。     

人感禽流感优化算法

为求解一类复杂非线性优化问题的全局最优解,采用跨物种传播的人感禽流感传染病动力学模型提出了人感禽流感传染病优化算法。利用H7N9传染病模型构造出的S^u-S^u,I^u-I^u,S^u-I^u,I^u-S^u,S^u-D^u,I^u-D^u等算子能使个体能在同物种和跨物种个体之间充分交换信息,其中S^u-S^u、I^u-I^u算子可利用强壮个体的特征来改善虚弱个体的特征,从而提升算法的求精能力;S^u-I^u、I^u-S^u算子可改良个体的适应度分布特征,从而提升算法的探索能力;S^u-D^u,I^u-D^u算子可使极虚弱个体得到有效清除,从而降低算法陷入局部陷阱的概率。测试案例表明：本算法可快速求解一类维数较高的复杂非线性优化问题。     

一种新的基于模糊数算术运算的综合评价模型

将模糊数引入综合评价领域,提出了一种新的基于模糊数算术运算的综合评价模型。介绍了三角模糊数和梯形模糊数算术运算的法则,利用模糊数确定评价值和权重值进行综合评价。以机构方案优选为例列举了新的模糊算术运算综合评价的步骤。计算结果表明,该方法评价效果显著,所提出的模型采用模糊数算术运算简明快捷,在工程实际应用中有重要价值。     

基于复杂网络特征的背包问题优化算法

根据复杂网络演化过程中的小世界现象及无标度特征,提出了基于复杂网络的背包问题优化算法。该算法基于无标度特征的背包问题形成优化空间,通过节点增长和加权节点度偏好连接,产生优化空间网络及其节点度分布;在该优化空间网络中,以小世界网络的聚类及小世界效应为基础,以节点度分布为先验知识,提出局部聚类、小世界效应、链集优化和节点寻优4个算子,实现网络节点连接优化。利用马尔科夫链的相关性质,证明了该算法的收敛性。针对具有相关性的0/1背包问题的实验结果表明,该算法解决组合优化问题是有效的。