基于复杂网络分析技术的SAP系统迁移

以复杂网络分析技术为基础,利用中心化度量方法与拓扑鲁棒性分析,研究了一个真实企业SAP系统迁移过程的系统设计.提出了基于介数中心性的网络硬件升级规划方案,设计了网络中局部拓扑鲁棒性的度量方法.通过仿真实验验证了相关设计方法的有效性.结论表明,应用复杂网络理论的方法进行实际系统的分析与设计,可以有效地提高SAP系统的鲁棒性和响应时间.     

基于输入整形的桥式起重机组合滑模控制

考虑桥式起重机载荷的垂直运动速度,提出一种新的基于输入整形的组合滑模控制方法。结合输入整形前馈控制和滑模反馈控制的优点,设计组合滑模控制器控制小车位移和负载摆角,利用输入整形进一步抑制负载的残留振荡,采用Lyapunov方法证明了系统的稳定性,实现了起重机小车的精确定位和负载的消摆,对外部干扰具有很强的鲁棒性,控制性能得到了改善。仿真结果表明了方案的有效性和可行性。     

时滞网络化控制系统的鲁棒H∞稳定性分析孙

考虑控制器和执行器事件驱动、传感器时钟驱动、恒定周期采样和不大于一个采样周期的不确定时延,将有控制约束的状态反馈网络控制系统建模为含有不确定性的离散时变系统。利用Lyapunov理论和线性矩阵不等式方法,导出系统鲁棒稳定的充要条件。利用Matlab LMI工具箱求解该条件,可在判定该类系统稳定性的同时,获得系统鲁棒控制律,仿真算例说明了分析方法和稳定判据的有效性。     

铁路货物快运服务网络鲁棒性优化方案

针对计划期间货运需求的波动情况,构建了铁路货物快运服务网络设计鲁棒优化模型。通过对比传统铁路货物快运服务网络设计基础模型,以总运输成本最小为目标,决策内容隐含车流的中转方案和摘挂方案、列车编组计划、运到期限等运输服务约束,采用和声搜索算法对模型求解,循环迭代至获取较优结果。研究结果表明,鲁棒优化模型对运输需求变动的适应性较强,且运到期限增大,总成本减少。     

基于t函数的稳健变量选择方法

在已有研究的基础上,提出一种新的基于t函数的稳健变量选择方法.该方法通过惩罚估计方程中的惩罚函数达到变量选择的效果,方程中的权重矩阵和有界得分函数对自变量和因变量中的异常值有很好的限制作用,可同时达到稳健的变量选择和稳健估计.通过分析3种不同自由度的t函数性质,选取自由度为2的t函数,并与基于Huber函数的稳健变量选择方法进行比较.数值模拟结果表明,基于t函数的稳健变量选择方法在2种污染力度、3种污染方式的数据污染情况下,其稳健性均明显优于基于Huber函数的稳健变量选择方法.与参数估计效果相比,基于t函数的稳健变量选择方法优势更明显.     

快速差分进化算法

提出一种快速差分进化(FDE)算法.该算法采用根据上一代最优个体确定下一代搜索区间的技术不断更新和缩小搜索区域,从而加快收敛速率,提高收敛精度和鲁棒性.通过对21个极值函数仿真试验分析表明,该算法在问题维数多时,极值函数的收敛速率、收敛鲁棒性和收敛精度明显优于其他算法,且种群初始化形式不影响算法的收敛性能.     

基于容量约束的深空接触图路由算法

为有效利用节点间通信机会保证数据的可靠传输,提出一种基于容量约束的接触图路由算法。一方面,该算法通过比较节点接触的剩余容量和预计容量损耗计算最早到达路径,避免所选路径后续节点没有足够的容量。另一方面,数据包的转发节点数由反馈的链路状态和网络拓扑关系自适应决定,在网络性能和资源消耗中得到平衡。仿真表明,该算法能提高数据包投递率最高27.7%,端到端传输时延最高降低24.5%,有效应对深空恶劣环境的影响。     

基于约束网络的产品进化设计

为解决约束条件下的产品设计问题,以复杂网络理论及图论为指导,建立了基于约束网络的产品创新设计模型.该模型从设计约束库中筛选相关要素作为约束变量,构建设计约束网络;利用对偶图计算约束网络中心性指标,实现节点重要度排序,进而归纳出设计约束问题并进行求解;最后建立一套基于约束的产品进化设计系统. 以夜光杯为对象进行实例研究,构建相关设计约束网络;分析得到其关键节点,归纳出具体的设计约束问题,并应用动力学模拟、控制点区间约束等方法对其进行求解;开发夜光杯进化设计系统,选取具有代表性的传统夜光杯样本进行形态进化,生成一系列满足约束条件的夜光杯设计方案.结果表明:该模型有效实现了约束网络指导下的产品设计.     

西藏高校图书馆社会化服务制约因素与策略研究

从外因和内因两方面分析了西藏高校图书馆社会化服务的制约因素，从国家教育部门、西藏自治区各高校图书馆自身以及图书馆之间，提出了相应的解决策略，以期为西藏高校图书馆的社会化服务提供参考。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。