改进遗传算法求解防空作战WTA问题

武器目标分配问题是防空作战指挥控制的核心和关键。针对求解防空作战WTA存在容易早熟和收敛较慢的问题,提出了一种改进遗传算法。引入直觉模糊集理论,定义了WTA问题的目标函数和约束函数的隶属度和非隶属度函数,通过"最小最大"算子构建了直觉模糊WTA问题模型;针对遗传算法中变异概率固定的竞争和子代种群缺乏父代优良个体的问题,采用自适应变异概率和模拟退火Meta-Lamarckian学习策略改进算法,并求解防空作战WTA问题,与其他算法进行仿真比较,结果表明改进遗传算法求解防空作战WTA的有效性。     

基于模糊神经网络算法的灰色线性规划及其应用

将灰色系统理论与线性规划相结合,给出了灰色线性规划模型,采用模糊神经网络算法,求出其最优解,并将该方法运用于连云港市的土地结构优化中,取得了理想的效果.关键词：目标函数;灰色线性规划;模糊神经网络     

N人线性-非二次微分对策

研究受多个局中人(人数可任意)影响的线性时变常微分系统和非二次目标泛函组构成的非零和微分对策问题.给出了两个拟Riccati偏微分方程组——(80)和(23),以及相应于方程组(23)的非线性积分方程组族(43).运用方程组(80)的regular解推导出了闭环Nash均衡策略;利用Pontryagin最大值原理和方程组(23)的normal解得出了开环Nash均衡策略的闭环表示;还揭示了(43)之解族与(23)之解两者的双向联系.     

多目标决策设计的博弈求解方法

提出多目标决策设计的博弈求解方法,给出多目标问题的博弈描述,通过计算影响因子和模糊聚类,将设计变量集合分解为各博弈方拥有的策略空间.分别采用Nash均衡模型、Stackelberg寡头模型和共谋合作模型求解多目标决策设计问题,并给出相应的技术步骤.对一数值算例和补偿滑轮组变幅机构进行了多目标博弈求解,计算结果证明了博弈求解方法的有效性和可靠性.     

基于Choquet积分的多目标模糊两人零和博弈Nash均衡

利用Choquet积分研究了多目标模糊两人零和博弈Nash均衡问题.引入gλ测度描述任意博弈目标子集的重要程度,建立了基于gλ测度Choquet积分的多目标模糊博弈集结矩阵,验证了该博弈集结矩阵的Nash均衡也是各单目标模糊两人零和博弈的Nash均衡.     

并行进化算法及其在航空工程优化问题中的应用

提出了用于加速气动力形状优化过程的分级型Nash基因算法．分级型算法可以看作是并行基因算法的特例，后者使用了互相联系但独立进化的子群的概念．本文在并行基因算法中引入多层分级拓扑结构以提高算法的收敛性．这种拓扑结构混合使用不同精度的模型，低精度模型用于探索搜索空间，高精度模型用于对准优解进行提纯．将此方法与Nash博弈相结合，构造了多目标优化算法，并应用于气动力优化问题．针对喷管反设计问题与多段翼型高升力优化问题，在计算机集群并行环境下进行了计算，结果表明本文的算法具有较高的加速收敛特性．     

基于PSO和模糊理论的蜗杆传动多目标优化设计方法

针对传统设计方法无法获得最佳蜗杆传动方案的问题,建立了蜗杆传动多目标优化设计模型;提出了基于粒子群优化算法(particle swarm optimization,PSO)和模糊理论的多目标优化问题求解策略,并进行了算例验证.算例结果表明:蜗杆传动多目标优化设计模型综合考虑了制造成本、体积、传动效率及润滑性能等因素,更符合工程实际情况;PSO与模糊理论相结合的多目标优化求解算法收敛速度快,可以获得多目标优化问题的全局最优解;基于PSO算法和模糊理论的蜗杆传动多目标优化设计方法比传统设计方法更合理、更高效.     

工期-成本-质量的模糊均衡优化及其Pareto解

针对实际工程项目中存在的不确定因素,通过对工期、成本、质量3个目标函数相互关系的模糊描述,以工序持续时间为决策变量,建立了基于三者的模糊均衡优化模型.为了求解该模型,在微粒群算法的基础上提出遗传免疫微粒群算法,通过测试函数的Matlab仿真验证了算法的有效性,并用于实际工程项目模糊均衡优化问题的计算,得到多组模糊的Pareto最优解,同时绘制相应的3维散点图,为决策者的选择提供准确和直观的依据.研究结果表明,所构建的工程项目工期—成本—质量的模糊均衡优化模型构建的合理性,同时表明遗传免疫微粒群算法在求解该模型方面的有效性.     

局部搜索灰狼优化算法求解武器-目标分配问题

武器—目标分配（Weapon Target Assignment, WTA）问题是根据武器对来袭目标毁伤概率的不同，合理确定待打击目标的武器分配方案，以达到尽可能少的武器对来袭目标毁伤程度最大化的目的，是作战指挥决策领域的重要研究内容。在构建WTA问题模型的基础上，针对传统灰狼优化（Grey Wolf Optimization, GWO）算法局部开发能力不足等问题，采取了一种精英保留及免疫变异局部搜索策略。改进灰狼优化算法（Improved Grey Wolf Optimization, IGWO）首先在灰狼种群中选择部分优质精英个体，然后通过随机点变异和受体编辑两种免疫局部搜索策略对精英个体进一步寻优，从而改善传统GWO算法过早收敛和易陷入局部最优的缺点。针对3种不同规模的武器—目标分配问题，将IGWO与交叉熵算法、传统GWO算法进行了对比，计算结果显示IGWO算法所求适应度值的分位数均明显高于对比算法，进而验证了IGWO算法的有效性。     

基于GM(1,1)-灰色Verhulst模型的图像去噪组合算法研究

图像获取过程中,受到噪声的影响,会导致图像质量下降,给后期处理带来困难,为此提出一种基于GM(1,1)-灰色Verhulst组合模型的图像去噪算法.首先分析了噪声的性质,为了更好的利用图片的有效信息,构建预测值代替原始值的灰色模型.其次,分析了GM(1,1)模型和灰色Verhulst模型间的结构差异,结合两种模型给出一种去除噪声的组合算法.最后,比较中值滤波、GM(1,1)模型和灰色Verhulst模型处理效果.实验结果表明,采用这种组合算法得到的处理结果能有效去噪,较好地保持图像对比度和边缘信息,验证了该算法的有效性.     

Distributed Nash equilibrium seeking design for energy consumption games of HVAC systems over digraphs

The energy consumption problem of heating, ventilation, and air conditioning systems over general directed graphs is investigated. The considered problem is firstly reformulated as a Nash equilibrium seeking problem, and a distributed consensus-based algorithm is then proposed to solve it. To address the challenge arising from general directed graphs, a distributed estimation algorithm is embedded such that the explicit dependence on the left eigenvector associated with the eigenvalue zero of the Laplacian matrix can be avoided. Then, the exponential convergence of the proposed distributed Nash equilibrium seeking algorithm is established under a standing assumption. A numerical example is finally provided to verify the effectiveness of the proposed algorithm.     

面向云制造的有限资源多任务调度博弈

为解决云制造环境下云服务组合优化调度问题,在深入分析目前优化调度问题存在的难点及研究不足的基础上,提出一种云制造环境下有限资源的多任务调度模型。考虑服务需求者间存在的利益冲突及重要的服务评价指标,以每个服务需求者作为博弈参与者,将每个任务的执行制造路径当作博弈策略,把时间、合格率、成本和服务质量组成的综合服务水平看作博弈支付函数,最终把有限资源的多任务调度问题转变为多个静态非合作博弈问题。在此基础上,将求解纯策略纳什均衡解的过程编制为算法,该算法所得的均衡解为每个任务的最终执行制造路径。实验仿真表明该模型及算法具有可行性及有效性。     

灰色博弈网决策模型研究

针对超博弈决策问题中存在的"灰色"的"贫信息"问题,提出一种基于信息缺失下的灰色博弈网模型;并给出了灰色博弈网的建模思路及其纳什均衡求解算法,解决了博弈网决策模型中的灰色不确定性问题。通过宏观信念建模,生成全局灰场景和优化典型灰场景。通过微观信念均衡建模,利用可能度分析和粒子群算法求解纳什均衡。最后实例仿真,验证了该灰色博弈网模型的可行性和有效性,真实性好,有较高的应用研究价值。     

广义纳什均衡问题求解的极小极大方法

应用正则化Nikaido-Isoda函数, 一类广义纳什均衡问题的求解被转化为一个极小极大问题的求解．利用Fischer-Burmeister函数将与极小极大问题的必要性条件等价的变分不等式的Karush-Kuhn-Tucker系统转化为一个半光滑方程组．应用牛顿法求解此方程组, 并给出了半光滑牛顿法局部超线性收敛的充分条件．数值结果验证了极小极大方法对解决广义纳什均衡问题的有效性．     

禁忌搜索算法求解带产品定价的竞争选址问题

讨论了一个在竞争环境下使获利最大的竞争选址双层规划模型,其中上层模型做出选址决策,下层模型确定产品的纳什均衡价格。在保证了不合作状态下双方价格均衡解的存在性和唯一性的前提下,设计了求解该模型的选址 定价启发式算法程序。通过贪心算法和交换算法产生禁忌搜索的初始解,设置了合理的禁忌搜索算法参数,最后通过具有一定规模的实例计算,证明了该算法在求解此类问题中的可行性和科学有效性。     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

基于全局最优的生产全过程分布式预测控制

改进了基于纳什最优的分布式预测控制算法，提出了一种基于全局最优的分布式预测控制．在优化求解时考虑了各子过程间的协调．结合线性系统的动态矩阵控制(DMC)分析了算法的迭代收敛性，并与基于纳什优化的分布式预测控制算法进行了比较．仿真结果表明．算法迭代收敛于全局最优解，而不是纳什优化解。     

基于免疫的蚁群优化算法

蚁群算法在寻优过程中很容易出现早熟现象而陷入局部最优,同时蚁群算法在构造问题的可行解时,计算复杂度较大.为解决以上问题,将免疫算法和蚁群算法相结合,构成了一种结合免疫机制的蚁群优化算法,并将其用于解决WTA(武器目标分配)问题.通过仿真及与其它多种优化算法对比发现:基于免疫的蚁群优化算法在搜索效率上要高于其它优化算法.     

用模糊神经网络求解多级交换网路由重排问题

研究利用人工神经网络求解多级交换网路由重排问题，提出了一种求解路由重排问题的模糊控制神经网络算法。大量的计算机模拟结果表明，该算法与其它同类算法相比较具有收敛速度快，结果有效性高，自适应性强等特点。利用ＴＭＳ３２０Ｃ３０数字信号处理器构成了虚拟硬件系统，实时实现了多级交换网路由重排控制器，理论计算与测试结果一致。该工作为神经网络与模糊系统相结合探索了一条新的途径。     

求解广义Nash均衡问题的一种新算法

最近,Heusinger和Kanzow将广义Nash均衡问题（GNEP）转化成了带约束和无约束的优化问题．本文在此基础上,设计了一种求解GNEP的算法,在保证解存在的情况下,仅要求共享策略集是闭集而非紧致集,我们证明了算法的收敛性．最后,通过数值实验验证了这种算法具有良好的数值效果．