基于Haar尺度变换的连续分片线性逼近

为了获得非线性系统的连续逼近,提出一种基于Haar尺度变换的连续分片线性逼近算法。由非线性函数的Haar尺度变换获得尺度系数,用紧支撑连续分片线性基函数重构出非线性函数的连续分片线性逼近。理论分析证明这种逼近可以达到任意精度。仿真试验表明:相对于Haar小波逼近,连续分片线性逼近的误差收敛得更均匀。算法的一个显著优势是可以给出逼近的解析表达式。因为Haar尺度变换的计算复杂度低(相当于算术平均),紧支撑连续分片线性基函数的结构简单,所以算法易于推广。     

基于超立方体分割的分片线性逼近

为了解决复杂非线性系统的建模问题,提出一种基于超立方体分割的分片线性逼近模型.该模型将定义域分割成超立方体,在每个超立方体内用一个线性函数描述原来的非线性函数.再借助格表示形式,通过选择合适的连接得到由这些局部线性函数构成的连续分片线性函数.证明对于任何二阶可导的非线性函数,该模型都能任意精度逼近.因为不用再把每个超立方体都分割成单纯形,该模型有助于构造出更加简单的连续分片线性函数,并能处理复杂的高维问题.     

格分片线性函数的辨识和优化

格分片线性模型由一个实数矩阵和一个 0 - 1矩阵所确定 ,能够表示任意维变量的全体连续分片线性函数 ,其实数矩阵完全由它的局部线性函数的参数向量所组成。这些特点为辨识分片线性函数和利用线性模型的分析方法解决分片线性模型描述的非线性问题提供了极大的便利。该文引入格分片线性模型解决非线性函数的辨识问题。给出了辨识格分片线性函数的实用算法。并对线性约束下的格分片线性函数优化问题提出了通过线性规划算法确定全局最优解的简单方法。这些工作表明 ,用格分片线性函数建模是解决非线性问题的一种有效途径     

高维空间上连续分片线性函数的绝对值表示

高维空间上连续分片线性函数的绝对值表示是一个一直没有能很好解决的问题.在一维空间上连续分片线性函数的绝对值表示基础之上,采用递推的方法,给出了高维空间上连续分片线性函数的绝对值表示;同时证明了该绝对值表示对所有高维空间上连续分片线性函数有效.     

三维连续分片线性函数紧凑表示模型

为了解决三维分片线性函数的表示问题,提出一个基于三维基函数的绝对值表示理论,建立了一个紧凑绝对值表示模型并构造性地证明了其一般表示能力.因为基函数是比最小退化交更基本的结构函数,所以该模型可以视为建立在最小退化交基础上的Chua模型的修正和推广.该模型给出三维绝对值表示模型中绝对值嵌套层数的下界,这为建立高维表示理论提供了新的理论依据.三维表示模型与"找链接算法"相结合,可以构造一种新的三维非线性函数逼近算法.     

分片合并模型树光滑逼近算法

针对已知样本数据建立非线性函数模型的问题,提出了分片合并模型树光滑逼近算法.在区域线性模型树算法的基础上,采用区域分片和区域合并两个算法将输入空间划分为若干子区域,对每个子区域使用线性函数进行逼近,并构建该子区域上的加权函数,生成基函数展开方式的全局表达,从而获得光滑的任意精度逼近结果.分片合并算法使得相同的线性函数可以在非凸甚至非连通的区域上起作用.在参数数量相同的情况下,其逼近精度比区域线性模型树算法有显著提高.仿真结果表明该算法是解决这类建模问题的有效方法.     

错误分离最小化的一个新的近似算法

在错误分离最小化的模型中，一般都是用sigmoid函数或者一个凹函数来近似步函数，从而得到一个序列线性算法．本文用了一个分片线性函数来近似步函烽，从而给出了一个新算法，并且证明了算法是有限步终止的．     

具有线性约束的分片线性函数的最优化方法

分片线性模型有着广泛应用范围 ,对分片线性模型及其最优化问题的研究具有普遍的意义。该文以规范型分片线性函数为例 ,提出了基于分片的邻区域搜索算法 ,通过定义相邻区域 ,应用线性规划寻找最优解。通过该算法和遗传算法相结合 ,可利用进化算法的探索能力和模型信息以实现全局优化。在仿真实验中 ,采用随机生成的分片线性函数对这种算法和传统遗传算法进行了对比 ,结果表明 ,它具有很好的搜索性能 ,当搜索空间很大或具有边界约束时 ,它较传统遗传算法更优越     

改进的链接超平面逼近算法

提出了一种新的链接超平面逼近算法。“链接超平面”算法作为非线性逼近方法以链接函数为基函数 ;由于基函数的局限性 ,使“链接超平面”算法不可能达到最佳逼近。论文在二维空间上将双层 maxim in函数扩充为逼近中的基函数 ,经扩充后的模型可表示二维空间上所有的分片线性函数 ,从而其逼近能力强于仅用单层 maximin函数作为基函数的算法。仿真实验表明 ,在参数个数相同的情况下 ,新的逼近算法在逼近精度与预测误差两方面都优于仅用单层maximin函数作为基函数的逼近算法     

低维空间上分片线性函数的逼近因子与剖分数

引入了分片线性函数及矩阵行列式的解析表示,通过低维欧氏空间几何模型和等距剖分提出逼近因子的概念,并基于差值因式给出对应矩阵行列式的代数余子式和矩阵模的计算方法.依次证明了输入空间的剖分数与1元、2元和3元分片线性函数的逼近因子均无关,但剖分数与分片线性函数及其逼近精度却有关.     

带时间窗口的任务可分活动网络协作计划模型

提出提高活动网络的资源利用率的任务可分协作计划,并建立了带时间窗口的活动网络协作模型.该模型用时间窗口来表示不确定的时间范围,而且实现了项目任务在时间窗口约束下的拆分和协作.针对该模型具有连续性的特点,设计了基于粒子群算法结合遗传算法选择变异机制的求解算法.最后通过算例验证了该模型和算法的正确性和有效性.     

需求量不确定条件下连续过程生产调度

研究了需求量不确定条件下连续工业生产过程的生产调度问题,并考虑了定单的交货期窗约束,采用三角模糊数描述不确定性,建立了需求量不确定条件下的模糊调度数学模型,并给出了基于遗传算法的优化方法,仿真试验验证了方法的有效性。     

Multi-Dimensional Piece-Wise Self-Affine Fractal Interpolation Model

Iterated function system (IFS) models have been used to represent discrete sequences where the attractor of the IFS is piece-wise self-affine in R 2 or R 3 (R is the set of real numbers). In this paper, the piece-wise self-affine IFS model is extended from R 3 to Rn (n is an integer greater than 3), which is called the multi-dimensional piece-wise self-affine fractal interpolation model. This model uses a "mapping partial derivative" , and a constrained inverse algorithm to identify the model parameters. The model values depend continuously on all the model parameters, and represent most data which are not multi-dimensional self-affine in Rn . Therefore, the result is very general. The class of functions obtained is much more diverse because their values depend continuously on all of the variables, with all the coefficients of the possible multi-dimensional affine maps determining the functions.     

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展，提出了一种模糊-粗糙集模型。利用模糊集理论和Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化，并用模糊贴近度构造模糊相似矩阵，把普通粗糙集的不可分辨关系推广为模糊相似关系。提出一种基于模糊-粗糙集模型的归纳学习算法FRILA，此算法和决策树算法相比，具有得到的规则数目少、规则表示简单等优点。实例验证了此方法的有效性。     

非线性系统的递推最小二乘自适应模糊控制

提出了一种可有效消除被控系统不确定性的自适应模糊控制方法．该方法采用模糊逻辑系统（FLS）来辨识系统的未知函数，并采用连续形式的递推最小二乘算法作为自适应律调节FLS权参数．该自适应律可保证FLS权参数稳定收敛，最终收敛至最佳值的一个很小邻域中，同时保证跟踪误差指数衰减趋于0．倒立摆仿真结果表明，采用该方法时，辨识的归一化平方误差小于2％，其相对跟踪误差较混合自适应控制方法减少了58％．     

连续采煤机工作机构的优化模型

为了提高连续采煤机工作机构的设计效率和工作性能,采用相似理论和单因素试验的方法,对连续采煤机滚筒的结构特点和工作状况分析,建立了以截割比能耗、载荷波动系数、煤岩块度和生产率为目标函数的多目标、多变量、复合约束的工作机构优化模型,该模型为提高工作机构的设计质量和设计效率以及生产中合理选择工作参数提供了一定的理论依据.     

列车到发不确定的客站咽喉利用与股道分配

研究了列车到发时刻不确定条件下的铁路客站咽喉利用优化与股道分配问题.首先,建立了基于不确定列车运行图的咽喉利用与股道分配优化模型,模型考虑股道占用时间与均衡使用性,满足列车、咽喉、股道三者的耦合关系.然后分析并统计了不确定列车运行图的列车到、发站时刻的均值与方差,通过函数模拟的形式抽离出列车时刻表.此外,考虑到问题的NP-hard性,设计了基于模拟退火算法的启发式算法.最后,以宝鸡车站一个阶段计划内的咽喉利用与股道分配问题为实例进行了仿真验算.     

基于状态集结的值函数逼近

用更为紧凑的方法表示和存贮值函数,以求解大规模平均模型Ｍａｒｋｏｖ决策规划（ＭＤＰ）问题。通过状态集结相对值迭代算法逼近值函数,用Ｓｐａｎ半范数和压缩映原理分析算法的收敛性。给出了状态集结后的Ｂｅｌｌｍａｎ最优方程。在Ｓｐａｎ压缩条件下了该算法的收敛性,同时还给出了其误差估计。