动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

基于神经网络的伙伴选择协商模型研究

为了更好的在伙伴选择中对供应商进行评判，提出建立基于BP神经网络的伙伴选择智能协商模型。模型经过训练学习，使其拥有商家的思维方式，并对供应商可协商和非可协商因素进行分析，对供应商做出客观评价。供应商通过对可协商因素进行调节，得到双方都比较满意的协商结果。     

基于Markov对策和强化学习的多智能体协作研究

MAS的协作机制研究,当前比较适用的研究框架是非零和Markov对策及基于Q－算法的强化学习。但实际上在这种框架下的Agent强调独立学习而不考虑其他Agent的行为,故MAS缺乏协作机制。并且,Q－算法要求Agent与环境的交互时具有完备的观察信息,这种情况过于理想化。文中针对以上两个不足,提出了在联合行动和不完备信息下的协调学习。理论分析和仿真实验表明,协调学习算法具有收敛性。     

考虑信任度T的伙伴选择策略及实证分析

在充分考虑战略联盟建立的过程中,伙伴选择的复杂性及其信息的不完全性和不透明性的情况下,引入信任因素对模糊评价方法进行改进,提出考虑信任因素下的伙伴选择策略,并通过具体事例验证模型的可行性和科学性.     

基于模糊层次分析法实现虚拟企业中的伙伴选择

以层次分析法与模糊数学为基础,提出了一种实现虚拟企业中的盟友选择的模型·主要介绍了虚拟企业中的盟友选择的因素和过程,层次分析法与Fuzzy函数在伙伴选择过程中的应用·通过此模型,能为决策者提供一种有利的支持,从而为虚拟企业的正常运行提供基本保证     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

虚拟企业伙伴选择的多目标方法新探

虚拟企业成功的关键是能否选择出理想的合作伙伴。在分析虚拟企业理想伙伴基本特征的基础上 ,抽象归纳出选择理想合作伙伴应考虑的主要因素 ,对多目标决策方法加以适度改进 ,给出了选择理想合作伙伴的一种新方法。对多目标中的效益型指标、成本型指标、区间型指标及固定型指标分别进行标准化 ,根据标准化后的最优点和最劣点 ,求出各方案的密切值 ,由密切值的大小来选择最终合作伙伴。     

基于模糊δ规则的模糊关系方程求解算法的改进

首先给出反例说明Li Xiaozhong等人提出的基于模糊δ规则的神经网络学习算法中的基础引理是有缺陷的,然后直接对算法进行了改进,并证明了改进后算法的有效性.最后用数字例子对改进后的算法进行了验证,结果表明十分有效.     

基于自适应模糊神经网络的污泥膨胀智能检测方法

污水处理是一个运行机理复杂,影响因素众多的非线性过程,一旦发生污泥膨胀,会影响泥水分离效果,导致出水水质恶化。为了实现污泥膨胀的在线准确检测,提出一种基于自适应模糊神经网络的智能检测方法(AFNN-ID),实时获取污水处理过程中污泥膨胀的动态特性;设计一种基于检测模型误差的多指标评价策略,实现了污水处理过程污泥膨胀状态的检测。利用实际污水处理厂的运行数据对所提出的污泥膨胀智能检测方法进行测试,验证了其有效性。     

知识型网络组织的知识共享伙伴选择问题分析

选择高质量的知识共享伙伴是知识型网络组织有效运作的重要条件之一,在甄选高质量的知识共享伙伴的过程中,由于知识的复杂性引起的信息不对称导致了逆向选择问题的产生。文章通过建立一个不完美信息动态博弈模型,分析了如何促使高质量伙伴参与知识共享而低质量伙伴不参与共享的发生条件,并进一步探讨了知识共享伙伴选择的影响因素,给出了如何减少逆向选择问题的负面影响,从而正确选择出知识共享伙伴的可行措施。     

基于模糊神经网络分类器的精馏塔温度控制器设计

文章对精馏塔温度控制中所遇到的参数耦合严重、非线性高、数学模型难以建立的问题,提出了一个基于模糊神经网络分类器的控制方案,以精馏塔温度、流量、液位作为输入,导热油阀门开度作为输出,通过对人工操作的自适应学习和模糊化处理,实现对精馏塔温度的智能控制。实验结果表明,该方案能够模仿人工操作,智能学习的精度很高。     

基于 TOPSIS 的匹配博弈网络选择算法

针对无线通信中网络资源利用率的重要性,提出一种基于逼近理想解排序法（technique for order preference by similarity to ideal solution,TOPSIS）的匹配博弈论异构网络选择算法,联合考虑用户端的网络选择和网络端的用户选择,分析用户和网络的时延、传输速率、丢包率,运用匹配博弈的原理选择出双方满意度最高的网络选择方案。仿真结果表明,在多用户同时存在的情况下,给出 TOPSIS 的匹配博弈论异构网络选择算法具有较低的阻塞率和较高的满意度。     

模糊神经网络局部通风机调速控制器

为提高煤矿局部通风机的调速能力,采用模糊控制与神经网络技术,设计了局部通风机智能调速控制器。该控制器由瓦斯检测、风速检测、模糊神经网络控制器、变频调速器和局部通风机五部分组成,采用多层前向神经网络输出控制量。仿真结果表明：通风机速度曲线与实际电机速度曲线误差很小,模糊控制与神经网络的结合能够克服传统线性和非线性控制的缺点,较好地实现煤矿局部通风机的调速,提高了系统的鲁棒性。     

基于BP神经网络的供应商选择研究

供应商的选择在整个物流系统中占有非常重要的地位.本文建立了基于BP神经网络的供应商评价指标体系,给出了BP神经网络的评价模型,并结合算例进行分析.实例证明,该方法是可行的.     

基于小波神经网络的自适应控制器设计

针对一类未知非线性系统,设计了一种基于小波神经网络的自适应控制器,并提出了一种适合在线学习的参数混合训练算法。根据离线和在线学习系统的特性,得到小波神经网络控制器的初始参数,使用混合训练算法在线修正控制律,实现了自适应控制。仿真结果验证了该控制方案的有效性。     

基于模糊粗糙集的层次分类增量特征选择

随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.     

基于可扩展算法库的多Agent社会体系结构

为解决虚拟企业创建过程中的伙伴企业选择的评价标准以及评价算法的应用问题，根据虚拟企业的构建过程中伙伴企业选择问题，以遗传算法为算法库模型算法，给出了一种基于可扩展算法库的多Agent社会体系结构，并举例简述了该体系结构的通信机制，最后给出了一种基于遗传算法的虚拟企业伙伴企业选择算法，该算法的作用是对伙伴选择进行优化。     

Non-cooperative game for network access selection in heterogeneous integrated networks

The integration of different heterogeneous access networks is one of the remarkable characteristics of the next generation network,in which users with multi-network interface terminals can independently select access network to obtain the most desired service.A kind of unified quantification model of non-monotone quality of service （QoS） and a model of non-cooperative game between users and networks are proposed for heterogeneous network access selection.An optimal network pricing mechanism could be formulated by using a novel strategy which is used in this non-cooperative game model to balance the interests of both the users and the networks.This access network selection mechanism could select the most suitable network for users,and it also could provide the basis when formulating QoS standards in heterogeneous integrated networks.The simulation results show that this network selection decision-making algorithm can meet the users＇ demand for different levels service in different scenes and it can also avoid network congestion caused by unbalanced load.