有限算子值框架

本文研究了有限算子值框架的相似性和对偶性,并证明了在信息传输过程中,当丢失一个数据包时,等范数Parseval算子值框架是最优的．     

基于仿真分析的中国住房一级市场搜寻过程模型

为了研究搜寻过程的形成机理及其影响因素,该文基于信息经济学理论,建立住房一级市场的搜寻过程模型,在理论上推导购房者的最优搜寻决策,采用仿真模拟方法探讨价格分布和工资水平等外生变量对搜寻过程的影响,提出降低搜寻成本、提高市场效率的建议。研究结果表明:属性相似住房的价格差异程度是影响搜寻成本的主要因素,平均搜寻努力程度、购房者收入和卷入程度的提高会促使居民采取积极的搜寻策略。建议降低属性相似住房的价格差异程度,拓展信息传递渠道,提高信息透明度和真实性。     

项目制造环境下项目计划协同优化方法

为减少项目执行过程中不必要的等待时间、加快项目进程,提出了面向项目制造的项目计划协同优化方法.该优化方法涉及两个方面:建立项目计划信息之间的关联约束关系,以及关联约束基础上的优化解算.首先通过分析项目计划间信息关联,提出了基于产品信息和WBS的项目计划间接约束关系建立方式;进而结合不同计划模式的差异性,设计了一种用于项目计划协同优化的遗传算法.最后结合实例验证了优化方法的有效性及合理性.     

船体装配线划线优化遗传算法研究

船体装配线划线作业是与船体零件数控切割作业同时进行的,是现代造船模式中的一个重要环节.分析归纳了装配线划线作业的特点,以划线顺序和划线方向为参数,划线空走路径最短为目标,采用多参数混合编码法,建立了划线优化的遗传算法优化数学模型.对划线顺序和划线方向采用不同的遗传策略进行进化.提出的随机变异算子维持了种群的多样性,精英子自进化策略加快了种群进化过程.运用"贪心策略"初始化种群,提高了种群的适应度.仿真证明该模型是可行的,实际应用表明可有效减少划线空走路径,提高船厂生产效率.     

基于分布式纳什Q学习的多传感器协同目标跟踪

针对传统目标跟踪算法过分依赖环境模型的问题,提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法.分析了强化学习与分布式纳什Q学习算法的原理;描述了多传感器的协同跟踪态势,建立了离散系统的非线性模型,给出了传统的扩展卡尔曼滤波解决方法;定义了对分布式纳什Q学习性能影响至关重要的传感器行为和奖惩函数,奖惩函数通过计算预测误差方差阵的迹得到;采用基于贝叶斯推理的概率统计方法解决了Q函数的更新问题.纯方位量测信息的被动跟踪仿真结果表明,相比于传统滤波算法,该算法增强了传感器对环境变化的适应性,实现了对目标的有效跟踪,提高了跟踪精度.     

基于图像导引头及惯导相对位置信息的弹目距离估计算法

针对远程图像制导空地导弹无GPS信息条件下,惯导长时间工作后位置精度较差,无法满足剩余制导时间计算要求的问题,提出基于图像导引头角量测及导弹相对位置与高度信息弹目相对距离估计算法,并分析了典型误差条件下不同采样计算频率对算法精度的影响,结合弹道特点给出算法具体应用方案及剩余制导时间计算策略.通过仿真计算,验证了算法具有较高的计算精度,有实际工程应用价值.     

碳酸乙烯酯合成过程的反应吸收多场协同分析及数值模拟

为提高尿素醇解法合成碳酸乙烯酯的收率,通过在酯化反应进行的同时吸收副产物氨气来实现全过程的强化.首先针对磷酸溶液中NH3鼓泡吸收的具体过程进行了多场协同分析,获得了反应吸收耦合过程强化的理论依据;进而运用流体体积函数多相流模型对单个NH3气泡的化学吸收过程进行了数值模拟.结果表明:受气膜传质控制的NH3化学吸收,实质上是气流速度场和压力梯度场共同作用的结果,传质效率直接受两场协同度的影响,该协同数不仅取决于两场标量值的大小,也取决于它们的矢量夹角,当夹角为0°时,场协同数最大,相应地对流传质系数就越大.在鼓泡吸收过程中,气液两相的流动促使NH3气泡内部气流形成由中心向四周发散的微小涡流,气流流场向着与相界面附近的压力梯度场达到最优协同度的方向发展,最大化了场协同数,有利于强化传质.     

大规模多智能体仿真平台设计方法的研究

大规模多智能体系统是分布式人工智能领域的一个研究热点,由于多智能体间复杂的交互过程受到诸多不确定性因素的影响,实现系统的宏观优化是关键难点.前期研究发现,某一参数的小范围变化可能引起整个多智能体系统性能的大范围的波动;并且多智能体控制协作算法的研究多数仅与非智能的控制方法进行简单对比,缺乏通用的仿真平台来抽象系统环境并模拟复杂的多智能体行为.为此设计了一种通用的大规模多智能体协同控制平台,该平台能够模拟多智能体系统必须完成的协同控制任务,并且通过变换多智能体系统的相关参数模型及加载不同的智能体控制策略,可以模拟和评测系统各项协作性能指标,为未来设计和提升算法性能提供研究基础.     

混合范数下的Hermit型多元样本定理和各向异性函数类由Hermite型信息的逼近

给出了混合范数下的Hermite型多元样本定理,即对于函数f∈E2ν,p(Rd),1p∞,Hermite型样本定理仍成立,并讨论了各向异性Besov类SrpθB(Rd),p=(p1,…,pd)和Besov-Wiener类SrpqθB(Rd)由Hermite型信息样本的最优恢复问题,得到了相应误差的弱渐进估计.     

认知MIMO系统频谱检测与吞吐量折中

 研究了认知MIMO系统频谱检测与吞吐量折中问题,以最大化SU(Secondary User)吞吐量为目标,求解出最佳的频谱检测时间和最优功率分配方案。仿真结果表明,存在最佳检测时间使SU的吞吐量达到最大,并且通过注水法功率分配,能进一步提高SU的吞吐量。此外,通过仿真比较了能量检测和基于特征值的频谱检测算法对SU吞吐量的影响,结果表明,采用两种算法SU的吞吐量几乎相等,由于基于特征值的频谱检测算法更具有健壮性,因而更适合应用于认知MIMO系统。