状态概率矩阵及其在GO法中应用

状态组合算法和概率公式算法是GO法常用的定量分析方法,但对于多输入多状态的复杂系统,二者的计算均过于烦琐.结合两种算法,提出了一种简化的GO定量概率矩阵算法.首先引入状态概率矩阵的概念,对常用操作符导出基于矩阵的定量计算公式;然后针对系统中共有信号的修正,提出了对任意多状态共有信号均适用的新算式;最后通过两个算例的可靠性计算,证明了所提算法的有效性.新算法不仅便于分析操作符状态和信号流状态之间的组合关系,而且算式直观、计算简单、易于编程,尤其在多输入多状态系统的可靠性计算上具有更大的优势.     

无线传感器网络下的粒子滤波分布式目标跟踪算法

针对无线传感器网络环境下的机动目标跟踪问题,提出了一种描述目标机动加速度的目标状态空间模型,以此模型为基础开发出基于粒子滤波的单目标和多目标跟踪算法.基本思想是:在状态空间中通过寻找一组传播的随机样本来获得近似后验概率分布,并以样本均值代替积分运算,从而求得最小状态方差估计.仿真结果表明,所提算法可以较好地解决无线传感器网络环境下的机动目标跟踪问题,速度跟踪精度、机动加速度跟踪精度均较经典分布式粒子滤波算法分别提高20%、27%.     

部分成员没有毁伤能力的随机格斗的获胜概率

建立了一方全部成员具有毁伤能力,另一方部分成员具有毁伤能力的随机格斗模型。在双方随机瞄准的条件下,分别就进攻方分组和不分组的情况建立了格斗双方的状态概率微分方程组。在不同的作战停止规则下,给出了进攻方分组和不分组情况下进攻方获胜、防御方防御成功以及出现和局的概率递推算法。在进攻方分组的条件下,证明了不同作战停止规则下获胜概率的性质,不同的作战停止规则导致获胜概率的性质有较大差异。在进攻方不分组与分组的情况下,通过具体数值例子比较进攻方的不同参数下的获胜概率,结果发现没有一种进攻方案绝对占优。     

Nakagami-m信道下双向中继选择的中断概率分析

在并行多双向中继通信系统中,提出了一种低复杂度的中断概率最优的中继选择策略,各个中继只需利用本地信道状态信息(CSI)进行分布式的选择.在Nakagami-m信道下分析了所提策略的中断概率性能,推导了系统中断概率的闭合表达式.仿真结果显示,该中继选择策略的中断概率性能在2种信道情况下均优于其他中继选择算法,且随着中继数的增加,所提策略可充分利用多中继分集提升系统中断概率性能.     

正交频分多址系统中最低速率限制下的自适应载波分配

针对用户有最低传输速率要求的正交频分多址系统中,传统资源分配算法频谱利用率低的问题,提出了一种自适应载波分配算法.该算法根据用户最低传输速率的要求、信道状态和当前载波分配状况,确定子载波分配给用户的效用,进而将子载波分配给可以带来最大效用的用户.该算法综合考虑了效率和公平性,从而显著改善了系统性能.仿真结果表明,当用户数不超过系统负载时,与效率和公平分开考虑的算法相比,所提出的算法频谱效率可提高10%,系统负载在同样中断概率下可提高60%.     

基于延时状态统计的分布式QoS路由算法

为了克服网络状态的不准确性给服务质量(QoS)路由机制带来的负面影响,针对延时约束最小代价(DCLC)路由问题,提出了一种基于延时状态统计的分布式路由算法(DSS-DRA)。根据延时状态的稳定性程度预测路径状态的不准确性,并结合概率选路,为到来业务探测寻找满足其QoS要求的DCLC路径。仿真及其分析表明,DSS-DRA能够较好地容忍不准确的网络状态信息,在路由性能以及DCLC问题的解决能力方面具有较为明显的优势,同时与泛洪探测等方法相比,可以较好地减小探测开销,而与最小延时等算法相比,当网络重载时,能够以略微增加的开销为代价换取较大的性能改进。     

基于延时状态统计的分布式QoS路由算法

为了克服网络状态的不准确性给服务质量(QoS)路由机制带来的负面影响,针对延时约束最小代价(DCLC)路由问题,提出一种基于延时状态统计的分布式路由算法(DSS-DRA)。根据延时状态的稳定性程度预测路径状态的不准确性,并结合概率选路,为到来业务探测寻找满足其QoS要求的DCLC路径。仿真及其分析表明:DSS-DRA能够较好地容忍不准确的网络状态信息,在路由性能以及DCLC问题的解决能力方面具有较为明显的优势;同时,与泛洪探测等方法相比,可以较好地减小探测开销,而与最小延时等算法相比,当网络重载时,能够以略微增加的开销为代价换取较大的性能改进。     

Decryption of pure-position permutation algorithms

Pure position permutation image encryption algorithms, commonly used as image encryption investigated in this work are unfortunately frail under known-text attack. In view of the weakness of pure position permutation algorithm, we put forward an effective decryption algorithm for all pure-position permutation algorithms. First, a summary of the pure position permutation image encryption algorithms is given by introducing the concept of ergodic matrices. Then, by using probability theory and algebraic principles, the decryption probability of pure-position permutation algorithms is verified theoretically; and then, by defining the operation system of fuzzy ergodic matrices, we improve a specific decryption algorithm. Finally, some simulation results are shown.     

一种基于非精确状态信息的QoS单播路由改进算法

传统的QoS保障的单播路由算法都假设IP网络结点的状态信息可以被准确地获知,但实际网络存在许多因素使得状态信息非精确.所设计的改进算法是通过动态确定k优路径算法(k_shortest algorithm)中的k值,从而确保最终求得的路径相对其他算法所求得路径是更优的.因此能有效地降低了丢包率,提高了端到端延迟绑定的概率,通过网络仿真器Ns的仿真分析,结果表明了该算法的有效性.     

基于Markov链模型的被动测试错误检测算法

通过分析如何将概率统计的思想应用到基于有限状态机的协议被动测试上,在Markov链模型基础上,提出了一种新的被动测试错误检测算法,并给出了与已有算法的比较.从比较结果可知,新算法只需要知道有限状态机中转换的概率分布和最终观察到的输入/输出对的概率分布,就可以解决已有算法存在的问题,因此适用范围更广,同时还探讨了单个错误定位问题.     

MWSN中基于马尔可夫链的节点移动预测算法

在以往的移动无线传感器网络(mobile wireless sensor network,MWSN)中,热点分配问题没有得到很好的解决,网络利用率较低.通过预测移动节点的轨迹可以优化网络结构,提出结合加速度进行轨迹预测的算法MTPA:首先对节点的运动状态进行建模;其次建立了一步运动状态概率转移矩阵;最后以马尔可夫链为基础设计多步概率转移矩阵计算算法.为了验证算法性能,在STM32F407平台上进行了实验,结果表明,MTPA算法相比于传统的匀速预测算法与频率统计算法,预测准确度具有一定的优势,相关研究成果可以为MWSN提供基础.     

Markov控制过程基于神经元动态规划的优化算法

论文在Markov性能势理论基础上,研究了Markov控制过程在神经元网络等逼近结构表示的随机平稳策略作用下的仿真优化算法,分析了它们在一个无限长的样本轨道上概率1的收敛性,并给出了一个三－状态受控Markov过程的数值实例。     

基于二叉树结构编码的遗传算法

为对树形结构编码的遗传算法进行更深入的研究 ,提出了基于二叉树结构编码的遗传算法的一般形式 ,并以函数模型的波兰表达式为例 ,详细描述了二叉树结构编码的遗传算法的算子。重点分析了二叉树结构编码的遗传算法的收敛性。在实际的研究中 ,对二叉树结构进行空间深度限制后 ,其遗传算法可以用一个有限状态空间的 Markov链来描述。在此基础上 ,证明了二叉树结构编码的遗传算法在对选择算子进行改进后依概率收敛到最优解。     

基于自适应交叉和变异概率的遗传算法收敛性研究

交叉概率pc和变异概率pm在整个进化进程中保持不变,是导致算法性能下降的重要原因。为了提高算法的性能,文章提出了自适应交叉概率公式和自适应变异概率公式,并在非线性排序选择情况下,证明了所提出的自适应交叉和自适应变异概率公式是收敛到全局最优解的。     

稀疏网络编码中秩分布分析模型研究

针对现有稀疏网络编码研究中线性相关概率性能指标精准度较低的问题,提出基于马尔可夫链的性能分析模型。对线性相关概率、秩的概率分布等性能指标及其复杂度进行分析,并通过该性能分析模型分析编码包传输后期的译码成功概率;基于吸收马尔可夫链计算编码包传输过程中的瞬态、吸收态以及各状态间的状态转移概率,并对状态转移概率中蒙特卡罗模拟误差较大的问题进行改进,由状态转移概率构建吸收马尔可夫链基本矩阵,得出信宿端收到非再生包的线性相关概率,进而推导出秩的概率分布和译码成功概率性能指标。仿真结果表明,在相同条件下所提模型性能指标精确度均优于对比模型,且能精确地评估信宿端解码矩阵秩的概率分布、译码成功概率等稀疏网络编码的译码行为。     

基于混合遗传算法的自适应神经网络优化设计

传统遗传算法优化神经网络存在"近亲繁殖"、"早熟收敛"、收敛速度慢和容易陷入局部极小等缺点.将适应度与相应的个体数目相联系,提出一种自适应交叉变异概率,并将其用于遗传操作,使得个体具有较强的多样性,一定程度缓解种群"早熟";将单纯形法和遗传算法结合到一起,使遗传算法的搜索更具有方向性,提高遗传算法的搜索能力,加快收敛速度.仿真实验进一步证明本文提出的算法对加快收敛速度,防止"近亲繁殖",保持种群多样性比较有效.     

概率算法在求解定积分中的应用

结合概率原理和程序设计语言知识，设计了2种计算定积分的概率算法，然后比较了2种算法的优劣，数据实际结果表明，算法对复杂定积分的计算是有效的．     

起伏背景噪声下地震波传感器阵列目标检测算法研究

针对起伏背景噪声下传统地震波传感器阵列检测算法虚警概率高、检测概率低的问题,提出一种基于信号相关性的阵列目标检测算法.利用传感器阵列在一个检测周期内接收到的数据建立信号检测矩阵,由检测矩阵列向量之间的相关性标记信号中目标成分的大小,进而引入相关性参数并构建检测统计量,利用信号相关消除时变的环境噪声干扰,有效克服起伏噪声对目标检测结果的影响.推导算法虚警概率与检测门限之间的定量关系,得到一定虚警率下的检测概率.基于计算机仿真和舰船目标实测试验对比本文提出算法与现有方法,结果表明本文算法可以在起伏背景噪声下有效检测出目标,且检测性能优于现有检测算法.     

概率鲁棒镇定控制器的研究

将统计学习理论中的经验概率一致收敛特性应用到鲁棒控制中,针对具有实参数不确定性的控制系统,研究了概率鲁棒镇定控制器的设计问题.给出了设计概率鲁棒镇定控制器的前提条件,采用基于经验概率一致收敛特性的随机化算法设计概率鲁棒镇定控制器的具体步骤和方法.研究表明,与传统方法相比,在概率意义下采用随机化算法设计概率鲁棒镇定控制器具有设计方法简单、计算量小的优点.计算实例表明了该算法的有效性.     

对DFA最小化算法等价性问题的探讨与改进

有穷自动机极小化问题的研究,在程序测试、模糊系统、概率自动机等方面具有重要意义。利用自动机状态集上的等价关系对自动机的状态集极小化,从而得到与原自动机功能等价的极小化自动机,该内容是词法分析的重点。很多编译原理书籍介绍的DFA最小化算法是＂分割法＂,但该算法存在一定的问题,本文从对一些特殊的DFA的处理入手,分析＂分割法＂算法在等价原则方面的漏洞,并提出了对最小化问题的改进算法。