多执行模式资源受限工程调度问题的优化算法

近几年来，模拟退火（ＳＡ）和遗传算法（ＧＡ）等智能优化方法在求解组俣最优化问题显示出了较强的能力，许多文献报告了它们在这类问题上的应用，有些文献则报告了一些它们的混合算法，然而，定些算法对问题的求解效果因问题的结构不同而有限大差异，它们的成功必须充分结合问题本身的特点，本文针对多执行模式资源受限工程调度问题的特点，设计了一种ＳＡ／ＧＡ混合算法，利用被普遍应用的标准问题对该算法进行了测试，取得了令人满意的结果。     

基于最大和最小选择的两种新的恒虚警检测器

本文提出两种基于有序统计（ＯＳ）和单元平均（ＣＡ）产生局部估计，并分别应用最大选择（ＧＯ）和最小选择（ＳＯ）产生检测单元干扰功率水平估计Ｚ的新的恒虚警检测器（ＯＳＣＡＧＯ）和（ＯＳＣＡＳＯ）。我们推导出了它们在ＳｗｅｒｌｉｎｇⅡ型目标假设下的Ｐ＿（ｆａ），Ｐ＿（ｃｌ）和度量ＡＤＴ的解析表达式。分析了它们在均匀背景和强干扰目标环境之中的检测性能，并把它们与ＯＳ－、ＧＯＳＧＯ－、ＧＯＳＳＯ－ＣＦＡＲ进行了比较。结果表明，ＯＳＣＧＯ在均匀干扰背景和多目标情况下的检测性能与ＯＳ和ＧＯＳＧＯ相比，都有很明显的提高。在干扰目标数为某些值时，ＯＳＣＡＧＯ的ＣＦＡＲ损失比ＧＯＳＧＯ小近３ｂＢ。在均匀背景中，ＯＳＣＡＳＯ的检测性能与ＧＯＳＳＯ相近。但是，在多目标环境中，一定条件下的ＯＳＣＡＳＯ的检测性能甚至超过了ＯＳ和ＧＯＳＧＯ。     

GOSCA－CFAR检测器在干扰边缘中的性能分析

本文研究ＧＯＳＣＡ—ＣＦＡＲ检测器￣［１，２］干扰边缘中的性能。文中推导出了它的干扰边缘环境中虚警概率的解析表达式，分析了它抗边缘干扰的性能，并且与ＯＳ、ＣＡ、ＧＯ和ＳＯ等检测器进行了比较。结果表明，ＧＯＳＣＡ的抗干扰边缘性能比ＣＡ和Ｋ＿（ｏｓ）＝（ｋ＋ｌ）＿（ＧＯＳＣＡ）和ＯＳ相近，比抗边缘干扰性能较好的ＧＯ要差。     

一种新的基于有序统计的恒虚警处理器

本文提出一种新的基于有序统计的恒虚警检测器。这种新的检测器是广义有序统计单元平均（ＧｅｎｅｒａｌｉｚｅｄＯｒｄｅｒｅｄＳｔａｔｉｓｔｉｃＣｅｌｌＡｖｅｒａｇｉｎｇ－ＧＯＳＣＡ）恒虚警算法。对这种新的恒虚警算法在斯威林２型目标假设下，我们获得了虚警和探测概率的解析表达式。与ＯＳ－ＣＦＡＲ相比，ＧＯＳＣＡ－ＣＦＡＲ在均匀干扰背景和多目标情况下均具有最好的检测性能，并且其参考滑窗单元幅值排序时间还不到ＯＳ－ＣＦＡＲ的一半。     

多级退火遗传算法及其在ULSP优化中的应用

针对一般遗传算法（ＣＧＡ）在解优化问题中存在的问题和缺陷，提出一种改进的多级退火遗传算法（ＭＬＡＧＡ）、基于Ｂｏｌｔｚｍａｎｎ生存机制的群体更新策略，以及在多级退火的初始阶段引入移民策略有效解决了“群体多样性”和“快速收敛”之间的矛盾。通过和ＣＧＡ在ＵＬＳＰ问题优化中的比较，验证了改进算法的有效性。     

大系统优化有效算法的研究

将极大熵方法和有限内存的ＢＦＧＳ方法结合起来可以大大提高算法的计算效率，节省计算机内存，为求解大型约束非线性规划提供了一种新途径．计算实例说明，该方法确是一种有效的大系统优化算法     

Grossly Determined Solutions of the Equations of Gross Determinism (1)

ＧｒｏｓｓｌｙＤｅｔｅｒｍｉｎｅｄＳｏｌｕｔｉｏｎｓｏｆｔｈｅＥｑｕａｔｉｏｎｓｏｆＧｒｏｓｓＤｅｔｅｒｍｉｎｉｓｍ（１）ＺＨＡＮＧＪｉｅ（ＴｈｅＦｉｒｓｔＩｎｓｔｉｔｕｔｅｏｆＯｃｅａｎｏｌａｇｙ，ＳＯＡ，Ｑｉｎｇｄａｏ２６６００３）ＦＡＮＧＧｕｏ...     

企业FCS＆FDSS的设计与实现

企业ＦＣＳ＆ＦＤＳＳ的设计与实现徐文（贵州铝厂，贵阳５５００１４）ＤｅｓｉｇｎａｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｔｈｅＥｎｔｅｒｐｒｉｓｅＦＣＳ＆ＦＤＳＳＸｕＷｅｎ（ＧｕｉｚｈｏｕＡｌｕｍｉｎｉｕｍＰｌａｎｔ，Ｇｕｉｙａｎｇ５５００１４）Ａｈｓｔ...     

遗传算法全局收敛性的齐次有限马尔柯夫链分析

论证了遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＧＡ）过程是一个齐次有限马尔柯夫链,通过巧妙地构造ＧＡ 的马尔柯夫链的状态空间,并对其转移概率矩阵进行极限分析,得到的简单遗传算法（Ｓｉｍ ｐｌｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＳＧＡ）不是全局收敛的,最优保存简单遗传算法（Ｍａｉｎｔａｉｎｉｎｇ Ｏｐｔｉｍ ｕｍ Ｓｉｍ ｐｌｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＭＯＳＧＡ）是全局收敛的结论。     

NONLINEAR FEEDFORWARD SEQUENCES OF m-SEQUENCES (Ⅲ)

ＮＯＮＬＩＮＥＡＲＦＥＥＤＦＯＲＷＡＲＤＳＥＱＵＥＮＣＥＳＯＦｍ－ＳＥＱＵＥＮＣＥＳ（Ⅲ）ＤＡＩＺｏｎｇｄｕｏ（ＧｒａｄｕａｔｅＳｃｈｏｏｌ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎｇ１０００３９，Ｃｈｉｎａ）ＦＥＮＧＸｕｕｉｎｇ（Ｉｎｓｔｉｔｕｔ...     

AN IMPROVED ANT COLONY ALGORITHM IN CONTINUOUS OPTIMIZATION

A modified ant colony algorithm for solving optimization problem with continuous parameters ispresented. In the method, groups of candidate values of the components are constructed, and eachvalue in the group has its trail information. In each iteration of the ant colony algorithm, the methodfirst chooses initial values of the components using the trail information. Then GA operations ofcrossover and mutation can determine the values of the components in the solution. Our experimentalresults on the problem of nonlinear programming show that our method has a much higherconvergence speed and stability than those of simulated annealing(SA)and GA.     

蚁群算法进行连续参数优化的新途径

提出用蚁群算法进行连续参数优化的一种方法 .该方法对解的每一个分量的可能的取值组成一个动态的候选组 ,并对候选组中的每一个值记录其信息量 .在蚁群算法的每一次迭代中 ,首先根据信息量选择解分量的初值 ,然后使用交叉、变异操作来确定解的值 .以非线性规划问题为例所进行的计算结果表明 ,该方法比使用遗传算法具有更好的收敛速度和稳定性 ,克服了蚁群算法不太适合求解连续参数优化问题的缺陷 .     

非线性回归模型辨识的混合计算智能算法

通过定义牛顿算子、选择算子、混合数据结构以及适应度，得到可结合遗传算法和牛顿法两者长处，既有较快收敛性，又能以较大概率求得全局解（一致收敛估计）的非线性参数辨识算法。数值计算结果表明该方法显著优于遗传算法和牛顿法。     

基于先验知识和神经网络的非线性建模与预测控制

神经网络模型是模拟非线性系统的有力工具，它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法，提出了一种利用先验知识和神经网络建立非线性系统模型的方法，具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算，从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。     

植物多向生长模拟算法

针对整数规划问题提出了一种以植物向光性为启发式准则的智能优化算法——植物多向生长模拟算法. 改进了植物生长激素的分配方式并将随机选择机制引入新枝生长方向的选择,更符合植物生长的自然机理. 利用马尔可夫链描述算法迭代过程,证明了算法的收敛性. 利用无约束和有约束两类具有多个全局最优解的非线性整数规划实例测试了植物多向生长模拟算法的性能,并与基本植物生长模拟算法、填充函数法、罚函数法以及基于遗传算法的混合算法进行了对比. 植物多向生长模拟算法不仅提高全局寻优能力,增加解的多样性和准确性而且提高收敛速度.     

具有自适应非线性增益的开环PD型迭代学习控制

针对同时存在周期性干扰和随机测量噪声的一类非线性系统,提出一种基于误差幅值和误差变化率的开环PD型迭代学习非线性增益自适应算法,分别给出了比例和微分的增益调整规则,并对所提算法进行了严格的理论分析,同时推导出收敛条件。结果表明,与传统学习增益固定的开环PD型迭代学习律相比,当非线性系统同时存在周期性扰动和幅值较大测量噪声时,自适应非线性增益学习律能根据误差幅值和误差变化率在线调整比例和微分学习增益,抑制扰动和噪声,使得在学习收敛速度和收敛精度之间在某种程度上得以折中,在学习初始阶段高增益下保证了迭代学习的收敛速度,学习末了阶段小增益下具有较强的鲁棒性和收敛精度,得到的误差跟踪曲线更加平滑。     

基于强跟踪滤波器的改进非线性自适应观测器

对基于强跟踪滤波器的非线性自适应观测器(nonlinearadaptiveobserver,NAO)的收敛性进行了分析,给出了NAO局部渐近收敛的充分条件。提出了一种改进非线性自适应观测器(modifiednonlinearadaptiveobserver,MNAO)算法。MNAO在具有强跟踪特性的同时对输出测量中的坏数据有较强的鲁棒性。为了降低对初始误差的敏感性,采用一种强跟踪扩展卡尔曼观测器算法启动MNAO。数值仿真示例显示了本方法的有效性。     

采用非固定多段映射罚函数的非线性约束优化差分进化算法

采用非固定多段映射罚函数法处理问题的约束条件,提出了一种用改进差分进化算法求解非线性约束优化问题的新方法.结合差分进化算法两种不同变异方式的特点,引入模拟退火策略,使算法在搜索的初始阶段有较强的全局搜索能力,而在后阶段有较强的局部搜索能力,以提高算法的全局收敛性和收敛速率.用几个典型Benchmarks函数进行了测试,实验结果表明,该方法全局搜索能力强,鲁棒性好,精度高,收敛速度快,是一种求解非线性约束优化问题的有效方法.     

自适应遗传算法的改进及在系统辨识中应用研究

为解决传统遗传算法早熟及收敛速度慢的问题，提出了一种改进的自适应遗传算法。通过对一典型的大海捞针粪（NiH）问题的试验，证明了改进后的遗传算法在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中，辨识结果表明该方法具有参数辨识精度高，抗噪声能力走，对输入信号通用性强，也适用于非线性系统参数辫识的优点，具有重要的工程使用价值。     

区间非线性规划问题的确定化描述及其递阶求解

讨论以区间参数形式给出的不确定性非线性规划问题,提出了一种含有决策风险因子的新的区间参数不确定非线性规划的一般命题形式,并分别就不确定性参数出现在目标函数或约束条件中的不同情况,给出不同的表达形式.文章给出用遗传算法,采用递阶优化方式求解区间参数不确定非线性规划的具体算法.仿真结果表明该形式的可行性.