一种基于RBF网络的参数自调整REM算法

针对传统的随机指数标记(Random Exponential Marking,REM)算法存在参数难以调整的缺陷,提出了一种改进型主动队列管理算法——基于RBF网络的参数自调整REM算法。利用RBF神经网络动态地对算法参数进行调整,使其能够适应不断变化的网络环境。该算法将REM算法在一定条件下近似为比例积分控制,使REM算法参数调节近似等效于比例积分系数的调节,简化了参数调节,提高了算法的实时性。仿真实验表明:该算法优于传统的REM算法,具有良好的鲁棒性及较快的调节速率。     

具有马尔可夫时变时延的REM拥塞算法局部稳定性

针对在REM拥塞算法局部稳定性的相关研究中,把Internet网络中数据传输时延简单地描述为有界随机时延的缺陷,采用定常时延dm和服从马尔可夫跳变规律的有界时变时延d(t)之和来准确描述网络传输时延变化规律,得出了一些REM拥塞控制算法在平衡点局部稳定的进一步结果,并采用Matlab中的线性矩阵不等式形式给出了常时延相关随机稳定条件.相对于有界随机时延描述,该描述具有较强的针对性,更能充分体现REM拥塞算法局部稳定性特征,所得到的随机稳定条件为REM算法选择确保系统稳定的参数提供了一种较好方式.     

基于无线电环境地图信息辅助的协作频谱感知算法

针对基于信噪比(signal noise ratio,SNR)合并协作感知算法实用性限制问题,提出一种无线电环境地图(radio environment maps,REM)信息辅助协作感知算法,该算法利用REM存储的关于授权用户发射台与感知用户位置信息辅助计算各用户合并权重系数.仿真表明,该算法在高斯白噪声(addit...     

基于加强型价格的随机指数标记算法

随机指数标记算法(REM)是一种有效的主动队列管理算法,但存在队列收敛性差、对网络环境变化响应慢等问题。通过理论分析表明REM算法类似于PI控制策略,感知网络拥塞的能力不足。为克服上述缺点,提出了基于加强型价格的随机指数标记算法(EPREM)。EPREM在原价格中增加数据包到达速率的变化率,得到加强型的价格,同时引入带宽缓存比例因子指导新增参数λ的设定。在NS2中的仿真实验结果表明:相对于REM算法,EPREM提高了收敛速率,增强了算法对网络环境变化的适应性。     

基于最优化流控的TCP拥塞控制改进算法Mreno

应用最优化流控理论,给出TCP Reno算法的一个对偶模型,把该模型与REM算法相结合,得到一个新的TCP网络拥塞控制算法(MReno),并对其进行模拟实验.结果表明,MReno算法可以使源端获得最大资源利用率,能够保证网络的整体优化,MReno算法比Reno算法有更好的公平性和稳定性.     

一种基于拥塞计费的速率控制机制

提出了一种Internet优化速率控制机制（MORCS）,通过设计合理的拥塞计费函数,实现了社会福 利最大化的系统优化目标。与REM 算法相比,MORCS机制具有更好的稳定性,其自适应的实现机制 (AMORCS)不需要链路算法的参与仍具有更好的可实现性.     

智能PID拥塞控制算法

针对主动队列管理(AQM:Active Queue Management)几种算法存在响应时间较长并在时延较大时都不能使队长度收敛到期望值的问题,提出一种智能PID(Proportional Integral Differential)控制主动队列管理算法,给出了该算法的详细描述.仿真实验表明,该算法不仅在时延较小的情况下是稳定的、鲁棒的,且响应速度优于REM(Random Exponential Marking),PI(Proportional Integral)控制,PID控制等算法.同时,对于大时延的网络,该算法也是稳定、收敛的.     

Ad hoc网络主动队列管理分析

针对无线网络特点,采用主动队列管理算法来控制无线瓶颈节点的队列长度,以期达到拥塞控制的目的.通过NS2仿真和对数据的分析比较,无线网络中间节点的拥塞控制是可行的,但并非所有的主动队列管理算法均适用于Ad hoe网络.与有线网络不同,RED算法不适用于Ad hoc网络的拥塞控制,其性能较去尾算法并无较大改善;REM算法在不同负栽下表现不同,随着负栽增加,其性能下降明显;PI算法在负栽变化时可以较好的控制Ad hoc节点队列长度.并将队列震荡控制在较小的范围.     

一种基于拥塞计费的速率控制机制

提出了一种Internet优化速率控制机制(MORCS)，通过设计合理的拥塞计费函数，实现了社会福利最大化的系统优化目标。与REM算法相比，MORCS机制具有更好的稳定性，其自适应的实现机制(AMORCS)不需要链路算法的参与仍具有更好的可实现性。     

低熵多键排序问题的实用算法

给出低熵情况下的多键排序改进算法.利用众数投票算法结合中位数选择算法产生枢纽元,对与枢纽元相等的元素使用改进算法,其他元素仍采用原算法.理论分析表明,重复数据较多时改进算法速度较快,且在数据量不大时其性能接近线性算法.     

粒子群算法在金融风险模型中的研究与改进

在一种非线性金融风险模型中引入粒子群算法,针对粒子群算法在迭代后期搜索能力不高、粒子容易陷 入局部最优的问题,基于对惯性权重的优化以及对每个粒子个体位置变异,提出一种改进后的粒子群算法。 利用粒子群算法选择最优控制参数,以最大程度降低金融系统的总风险值。仿真结果表明,改进后的粒子群算 法在全局最优以及搜索速度方面优于传统的粒子群算法。     

多变量系统调节器参数的优化设计

对多变量有耦合控制器优化的问题,遗传算法是一个强有力的求优算法．文中基于遗传算法,以温控系统的多通道PI调节器参数设计为例,设计的PI调节器使系统性能指标有较大提高．设计方法通用性强、工程性强．能够较好地避免局部最优．多变量系统的参数优化设计是有效的所设计的．     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

改进的PSO-RBF神经网络在联合制碱中的应用

联合制碱过程是一类典型的复杂工业过程,具有时变、非线性、不确定性等特征,在线控制模型难以建立。针对联合制碱复杂工业过程控制精度不高、鲁棒性差等问题,提出一种改进的PSO-RBF神经网络控制算法。将粒子群优化算法和径向基神经网络相结合,使用改良的粒子群优化算法对RBF神经网络的隐含层基函数中心、宽度和输出层的连接权值进行寻优,建立基于改进的PSO算法优化后的RBF神经网络模型。将改进的PSO-RBF神经网络控制模型应用到联合制碱的关键工序碳化过程中,并与先前应用的模糊神经网络控制模型进行比较,经仿真研究验证表明,在联合制碱碳化过程中应用改进的PSO-RBF神经网络控制算法,其控制精度和系统鲁棒性得到了有效的提高,为解决一类复杂工业过程的建模与优化控制方法研究提供了有效的技术途径。     

分层遗传算法在DC/DC变换器中的应用

DC／DC变换器为强非线性、时变及不确定系统．由于其自身的特点,使得DC／DC变换器的控制研究工作比较困难．文中提出一种用遗传算法优化的模糊控制器,控制DC／DC变换器．对传统的遗传算法进行改进．使之优化能力更好．由仿真和实际试验证明,经过改进的遗传算法优化的模糊控制器,对DC／DC变换器的控制效果更显著,动态特性和静态特性都得到进一步改善．同时说明所介绍的自适应遗传算法的寻优能力更好,收敛速度也更快．     

网络化控制系统的RM调度优化研究

减少网络堵塞是提高网络化控制系统性能的有效的方法.提出了一种基于RM调度优化算法的研究方法,通过对网络化控制系统中的调度优化算法的分析,网络利用率明显好于未被调度优化的系统.结果表明,合理的调度优化算法能提高控制系统的网络利用率,同时改善了控制系统的动态性能.     

基于两层混合遗传算法的lT外包进度风险控制

针对IT(information technology)外包项目的两层进度风险控制优化问题,设计了两层混合遗传算法.该算法是在传统遗传算法中引入模拟退火和自适应机制,并结合优化问题的两层特点而设计的,能够克服传统遗传算法易于早熟、局部搜索能力较差的弱点.在算例分析中,首先分析了两层数学模型在IT外包项目进度风险控制中的管理意义,进而将两层混合遗传算法的仿真结果与两层粒子群优化算法和传统遗传算法的仿真结果进行比较,验证了改进算法的效率和有效性.     

改进的基于局部搜索策略的生物地理学优化算法

为了提高生物地理学优化（BBO）算法的优化特性,提出一种改进的基于局部搜索策略的生物地理学优化算法（ILSBBO）。改进的算法将差分进化算法的局部搜索策略与BBO算法的迁移策略进行结合,并引入了差分进化算法中的选择操作。在13个基准测试函数上,对改进的算法、基本BBO算法,以及基于BBO的混合差分进化算法（DE/BBO）进行比较,结果表明改进的算法优于所比较的其他两种算法;此外,改进后的算法在收敛速度上也优于基本BBO算法。     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。