基于遗传-蚁群融合算法的干扰资源分配方法

针对多部干扰机协同干扰多部雷达的干扰资源分配问题，提出一种基于遗传-蚁群融合算法的干扰资源分配算法。首先采用综合集成赋权法结合逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)对目标雷达进行威胁评估，然后建立干扰资源多约束优化分配模型，最后采用遗传-蚁群融合算法对模型进行求解。融合算法利用遗传算法快速寻找出若干组优化解，将这些优化解用于调整蚁群算法中初始信息素的分布，利用蚁群算法对问题进一步优化，从而找到最优解，提升了算法的求解精度和求解时间。仿真结果表明，融合算法的性能在收敛速度和寻优准确性等方面相较于其他算法都有了较大提升。     

华中科技大学学报(自然科学版) 2017年 第45卷 总目次

将最大团求解算法融入到极大团枚举算法中,提出了两种带极大团下限的极大团枚举算法及多种预处理筛选策略,通过迭代将不可能包含在极大团中的部分点与边删除,使得搜索空间大幅减小.在搜索策略上,将求解最大团问题的贪心染色算法、增量MaxSAT推理算法与极大团枚举算法相融合,并结合最佳筛选策略,提出了染色-关键点融合算法BKFC(Bron-Kerbosch with filtering and coloring)和基于增量MaxSAT推理的枚举算法BKFS(Bron-Kerbosch with filtering and MaxSAT).结果表明:在多个大型算例上,BKFC算法平均时间仅为加入预处理的改进经典算法的68.8%;由于经典算法无法在大型算例上运行,在小数据测试中,BKFC算法平均时间仅为没有预处理策略的经典算法的2.2%.     

慢时变线性模型参数辨识递推算法及收敛性分析

针对慢时变线性模型,给出辨识的递推算法,并证明该算法能够保证参数收敛在一个有界空间区域,该区域包含参数真值集合;若工作点不发生变化,合理的收敛因子保证参数收敛到对应真值.在实际应用中,工业对象可以利用慢时变线性模型表示,因此该递推算法能够确保工业对象模型实时更新以跟踪工况的变化.通过实例仿真可以看出,该递推算法能够保证慢时变线性模型参数有效更新,并较为准确估计输出变量.     

l_q稀疏正则化理论及其在热传导反问题中的应用

lq(0q≤1)稀疏正则化在实际应用领域已经得到了广泛的应用。在信号处理领域,简单的迭代算法能够得到满意的重构结果,但是,针对较为复杂的偏微分方程反演问题,利用这些算法进行反演往往很难达到最佳的重构效果。将已有的迭代算法进行改进,并将其应用到热传导反演问题中,通过和标准的吉洪诺夫正则化方法进行比较,说明lq稀疏正则化方法和改进的迭代算法的优点。     

基于基因算法的用于系统识别的测试信号的设计

详细介绍了如何用Matlab实现基因算法生成两个不同的具有最小峰值的测试信号,并且把这两个不同的测试信号输入到一个识别工具箱里,通过检验输出的结果来确定这两个测试信号是否适合用作特殊系统的识别.本文所用基因算法产生的测试信号如预期的一样具有最小峰值,但当把这两个测试信号输入到识别工具箱之后,估计系统的矩阵特征值与原始系统的矩阵特征值有很大的差距.产生这种差异的原因主要有两个,一个可能是产生这两个测试信号的长度不够,另一个可能是这两个测试信号非正交.     

基于图论的Normalized Cut图像分割算法

基于图论的图像分割算法是近年来图像分割领域研究的的热点问题，该文就其Normalized Cut算法进行了简要的介绍，并利用其对图像进行了仿真分割。     

结合Benders分解和列生成的发热门诊排班数学建模和优化算法

发热门诊是抗击疫情最前线，发热门诊中的医生排班对于系统运行效率和医疗服务质量都非常重要，需要科学的排班优化算法。针对发热门诊医生排班调度问题，首先采用逐点稳态流近似方法对系统建模，定量评估系统中等待服务的患者数目，基于此建立了考虑患者排队队长限制的医生排班数学优化模型。进一步，为求解该模型设计了结合Benders分解与列生成的高效算法，对此复杂优化问题加以高效求解。最后，利用上海大型医院发热门诊的实际数据加以数值实验分析，验证了所提出算法的排班结果，显示了其在控制患者队长和医生总工作时间上具有优势。数值结果进一步验证所提出方法能适应疫情严重情况下的医生排班优化要求。研究得到的模型和算法对完善疫情中发热门诊的运作管理具有实际意义。     

基于STAR-90仿真支撑系统的制氧机仿真训练系统的数学建模

通过对制氧机系统进行分析和分解,阐述了基于STAR-90仿真支撑系统建立其数学模型,并利用仿真算法,最终达到仿真目的。     

WSN中基于分布式机器学习的异常检测仿真研究

安全问题是无线传感器网络应用的关键问题之一。设计了一种基于分布式机器学习的异常检测方案。该方案利用K最近邻算法对传感器网络节点进行分簇,时簇内节点的异常检测采用贝叶斯分类算法,对簇头节点的异常检测采用基于平均概率的方法。利用网络仿真工具NS2构建了入侵检测规则、模拟了网络攻击场景,在此基础上,通过仿真评估了方案的检测率、平均检测率、误检率和平均误检率等性能。仿真实验结果表明,该方案与当前典型的无线传感器网络入侵检测方案相比具有较高的检测率和较低的误检率。     

无约束线性二层规划问题的区间算法

利用区间分析研究无约束线性二层规划问题的数值方法.通过建立目标函数的区间扩张和构造无解区域删除检验原则,建立区间算法,证明了算法的收敛性,并进行数值实验,给出数值算例.该算法可以同时求出二层规划的最优值和全部最优解的区间值.算例结果表明该算法是可靠和有效的.