求解度约束最小生成树的快速近似算法

针对带有度约束的最小生成树问题,给出了一种快速近似算法.首先给出了快速近似算法的核心思想:在不违反度约束和不形成圈的前提下,每次加入权最小的边.其次给出了实现快速近似算法的具体步骤,并且证明了该算法的计算时间复杂度是图的顶点数的多项式函数,证明了算法的有效性定理.大量的数值试验表明该近似算法性能良好.最后在此算法的基础上,给出了求解TSP问题的一种快速近似算法.     

一种基于能量函数的证据合成算法

传统证据合成的计算量会随着证据个数急剧增加,限制了DS证据理论的广泛应用。从减少参与证据合成的焦元数量出发,提出了一种改进的DS证据理论的实用算法,以解决DS证据理论的实用化问题。该算法以焦元的能量函数、证据的平均能量函数作为选择抛弃焦元和剩余焦元的标准,同时将抛弃焦元的基本概率赋值重新分配给与之具有嵌套关系或相交关系的剩余焦元。该算法保留了抛弃焦元在证据合成过程中的生存权利,充分考虑了计算量和准确性。通过实例比较了该算法与其他几种近似算法的性能,验证了所提出算法的有效性和合理性。     

结合局部结构学习的Bayesian优化算法

在Bayesian优化算法中Bayesian网络的学习是算法应用的关键,而Bayesian网络学习是一个NP-hard问题,并且计算量大。为了能够快速获得较稳定的Bayesian网络,提出了一种新的学习策略,在学习Bayes-ian网络结构时采用对局部结构的贪婪算法,并结合局部搜索利用打分测度选取最优边。对所提算法进行了分析,在算法复杂度较小的情况下,所学习的Bayesian网络可靠性明显提高,算法收敛速度加快,并且避免陷入局部最优。仿真研究表明文章所提出算法寻优能力优于传统Bayesian优化算法。     

基于有限备件的战备完好性模型

针对舰船装备远海执行战备任务期间备件补给困难的现实,系统研究了基于有限携行备件的装备战备完好性建模方法与计算问题。首先,探讨了有限备件情形下的单部件战备完好性模型,给出了适合于工程应用的近似计算算法;其次,研究了基于有限备件的系统战备完好性模型,重点给出了备件共用情形下的串联、并联、表决系统的战备完好性算法,并给出系统战备完好性计算流程;最后,通过仿真分析说明,工程实际中常用的稳态可用度计算方法不适用于舰船装备远海执行任务情形下的战备完好性计算,并且分析验证了给出的单部件及备件共用情形下系统的战备完好性近似算法精度较高,可用于舰船装备战备完好性评估。     

广义最大并行流算法的改进

研究了Karakostas G给出的求解最大并行流问题的一个近似算法,将其算法的参数进行了改进,给出了算法的时间复杂性不依赖于物资数k的广义最大并行流的全多项式时间近似算法,该算法只适用于广义的lossy网络.用改进后算法求出的目标函数值更接近于最优值,对该近似算法的近似性和算法的时间复杂性进行了证明.最后,用C语言编程,计算数值例子,通过对比充分验证了改进后算法的正确性和有效性.     

一种改进的多传感器粒子PHD滤波近似算法

概率假设密度（probability hypothesis density, PHD）滤波是一种有效的多目标跟踪算法。传统的PHD滤波只适用于单传感器,多传感器PHD滤波虽然理论上可行,但计算复杂度过高,实际中只能对其进行近似处理。迭代更新近似算法虽然简单易行,但滤波结果与参与更新的传感器顺序有很大关系,而乘积形式的多传感器PHD滤波近似算法由于存在缩放比例失衡问题,无法应用于工程实际。针对以上问题,提出了一种改进算法,先采用乘积形式计算联合似然,再采用求和形式计算缩放比例。仿真结果表明,该算法能够有效解决缩放比例失衡问题,在滤波性能和目标数估计方面均优于传统的迭代更新近似算法,具有良好的工程应用前景。     

图形组态仿真软件系统分隔与模块排序算法研究

介绍了图形组态仿真软件系统分隔与模块排序算法,提出了基于邻接矩阵树搜索的系统分隔算法,这种算法易于编程实现,对于存在环路的仿真系统,不但可以迅速找到环路,还可以记录下环路内部各模块的输入/输出关系.对于模块排序给出了两种算法,一种是根据模块未知输入个数排序的算法,一种是根据各模块与输入模块距离大小排序的算法.根据模块距输入模块距离排序的算法只需要从每个输入模块对仿真系统进行遍历,不需要关注该模块的位置输入个数,因此算法相对要简单.这两种算法确定的模块计算顺序不一定相同.最后通过对一个图形组态仿真系统实例的分析验证了算法的合理性.     

货架空间分配和库存控制联合优化策略研究

研究了需求率受展示空间影响的零售商品的货架空间分配和库存控制联合决策问题.针对各物品单独补货和多物品共同补货两种不同策略,分别建立了联合决策模型,分析了最优解的特性,并给出了共同补货模型的遍历搜索算法和两种近似求解算法.数值仿真研究表明:改进近似算法几乎达到了遍历搜索算法的效果,而近似算法在保证较好计算效果的基础上大大提高了计算效率;多物品共同补货与各物品单独补货策略相比,不仅改变了零售商的订购计划,也影响了其货架空间分配策略,并使零售商减少了库存,增加了利润;该模型也为零售商提供了比一些经验做法更优的货架空间分配策略.     

空地联合预警系统的弹道估计实时算法

针对弹道导弹预警系统中的弹道实时估计难题,提出了一种新的卫星与雷达测量数据的加权快速融合方法,它是一种递推式计算方法,对有效测元进行逐个融合计算,可以提高估计精度。在此基础上,探讨了一种基于匹配多项式最小二乘滤波的雷达数据实时处理方法,该算法能有效的降低截断误差。给出了应用这两种方法的具体步骤,理论分析和仿真计算结果表明了算法的有效性。     

矩阵整流器电流SVM算法的仿真分析

在分析了三相输入电压平衡条件下矩阵整流器的输入电流空间矢量调制(SVM)算法后,重点提出了一种适用于三相输入电压不平衡条件下的基于扇区可变和瞬时值计算的通用电流SVM算法,并为提高新算法对电压不平衡的适应能力和增加输出电压利用率提出了一种简单的处理方法。为了验证这种算法的有效性,基于SIMULINK6.0建立了接近实际系统设计的矩阵整流器仿真模型,在详细地描述了该模型建立原理后,分别给出输入电压平衡和三种不平衡条件下的仿真结果,该结果与理论分析结果相一致,反映了所提出算法的正确性。     

计算机控制系统信号重构容错算法研究

信号重构是计算机系统与被控对象进行信息通信的重要环节,在简要分析Shannon重构、ZOH重构和一阶重构等信号重构方法局限性的基础上,提出了一组基于三点插值的重构算法和被控过程采样数据的一步容错预测算法,并将一步容错预测与三点插值算法相结合,建立了对于被控过程信号异常情况有良好容错能力的一步容错预测二阶重构算法。上述的一步容错预测二阶重构算法不仅结构简单、可用于在线控制,而且算法精度和可靠性明显高于普通的ZOH重构和一阶重构算法。     

能量修正和决策集约简的证据理论优化算法

为了同时利用证据焦元的基本概率赋值和焦元的基数信息解决DS(Dempster Shafer, DS)证据理论高冲突问题,并考虑数据融合的抗噪声和干扰能力,提出采用基于焦元信息能量的先验信息比值演变函数对证据源和组合规则进行修正的算法。为了进一步降低〖JP2〗算法计算量,利用多元素焦元信任值向单元素焦元分配以及决策集约简方法,进一步优化算法性能,提高算法大数据量适应能力。实验结果验证了优化算法的正确性和有效性。     

基于文化知识的量子进化算法

量子进化算法在实数优化时存在局部寻优能力不佳、收敛速度较慢等缺陷.为克服这些缺陷,本文引入文化算法思想提出一种基于文化知识的量子进化算法,该算法具有量子进化层和知识进化层双层进化框架,引入的文化算法能较好地协调全局与局部寻优,并避免算法陷入局部极值.由于新的算法框架及量子观测方式的引入,提出的算法不但保留了量子编码的优点,而且有效解决了求解实数优化问题时存在的缺陷.实验表明,提出的算法不但比量子进化类型算法性能有较大提升,而且与其它相关的几种算法相比具有更好的求解精度和速度.     

基于时间窗的SVDBN近似推理算法研究

变结构动态贝叶斯网络(SVDBN)在处理非稳态过程的不确定问题具有其独特的优越性。为克服SVDBN推理算法不能实现在线推理的缺陷,在引入SVDBN的时间窗和时间窗宽度概念基础上,阐述了基于时间窗的SVDBN在线近似推理机制,提出了2种在线近似推理算法,即基于时间窗的变结构离散动态贝叶斯网络(SVDDBN)递推推理算法和基于时间窗的SVDDBN快速推理算法。通过仿真实验验证了这2种算法的有效性,并从复杂度、适用范围及更新时间等方面进行了比较。     

一种基于量子粒子群算法的SAR图像自聚焦方法

为了准确补偿合成孔径雷达(SAR,Synthetic Aperture Radar)回波数据中的相位误差,研究了一种实用的SAR图像自聚焦算法。该方法以量子粒子群算法(QPSO,Quantum-behaved Particle Swarm Optimization)为基础,利用最小熵准则作为评判标准,通过多维搜索完成相位误差校正。同传统的自聚焦方法相比,该方法具有较好的鲁棒性和收敛速度快的特点,对低频和高频相位误差都有非常好的补偿能力。仿真结果验证了该方法的有效性。     

基于嵌入混沌序列的遗传算法

将混沌序列引入遗传算法中，获得了一种新的算法．该算法有效地克服了标准遗传算法中的“早熟”现象，并具有更快的收敛速度．计算机模拟验证了上述特征．同时还将改进了的算法用于多重小波神经网的训练．     

融合不确定信息的某型导弹控制系统可靠性分析方法#br#

针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster Shafer (DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。     

Bayesian image superresolution and hidden variable modeling

<正> Superresolution is an image processing technique that estimates an original high-resolutionimage from its low-resolution and degraded observations.In superresolution tasks,there have beenproblems regarding the computational cost for the estimation of high-dimensional variables.Theseproblems are now being overcome by the recent development of fast computers and the developmentof powerful computational techniques such as variational Bayesian approximation.This paper reviewsa Bayesian treatment of the superresolution problem and presents its extensions based on hierarchicalmodeling by employing hidden variables.     

结合先验知识的Bayesian优化算法研究与仿真

由于一般优化问题的先验知识很难获取,因此在Bayesian网络学习中结合与利用先验知识一直是一个很难突破的问题.针对Bayesian优化算法(BOA)的特点,对一般优化问题如何发现和利用先验知识进行了分析讨论,把BOA中前一代种群所提供的信息作为先验知识结合到当前代Bayesian网络的学习中,提高了所学习网络的可靠性,从而提高算法的性能.仿真结果表明所提算法比传统BOA具有更强的全局寻优能力.