基于PSO的模糊控制及在孵化中的应用

针对孵化系统复杂的动态非线性特性,提出一种基于粒子群优化的模糊控制算法,该算法针对模糊控制器量化因子参数调节的困难,采用PSO的惯性系数的自适应调整机制,用以加速优化算法的收敛性和维持群体的多样性,以寻优模糊控制器量化因子参数,将该方法应用于孵化过程,较好的实现了温度、湿度和含氧量的稳定控制。仿真和实际运行结果表明了所提出的算法的有效性和优越性。     

基于反馈机制和TOPSIS方法的应急决策模型

应急决策中常常需要对于多个备选方案进行选择,topsis方法可以针对有限个对象进行评价,依据是各对象与最优解之间的距离,距离越近说明该方案越好。但是如果仅仅根据各备选方案的属性预估值进行推算,那么针对同一个备选方案集合,每次的决策结果一定相同。为了在决策中加入反馈效果,可以根据过去每次决策的实际执行结果来调整属性权重进而影响未来对于各方案的评价结果,其改进之处在于每次决策效果都将对后续决策产生影响,从而增加了优秀方案被选中的可能性。     

基于改进PSO的保障性社区公共服务设施配置空间优化研究

近年来,房地产价格持续快速上涨,居民住房问题日益突出,为了缓解中低收入居民住房问题,政府兴建了大批保障性社区.而当前保障性社区公共服务设施普遍存在配置不完善,供给滞后,低效与供给过剩同时存在的问题,导致人口入住过程缓慢,入住率低.这不仅影响到居民的生活质量,同时也影响到保障效果的实现及和谐社会的构建.文章以上海市保障性社区为研究对象,在多目标约束条件下,构建了可以清晰表达保障性社区公共服务设施配置空间的多目标微粒群算法(particle swarm optimization,PSO)优化模型,并基于所构建模型,实证分析保障性社区公共服务设施配置优化模拟,在此基础上求出了公共服务设施最优配置方案,这对于提高保障性社区公共服务设施配置的科学性和合理性,完善社区公共服务设施的配置理论,具有较大的理论意义和实践意义.     

基于变权和TOPSIS方法的灰色关联决策模型

为提高现行灰色关联模型决策结果的可靠性,将惩罚型变权方法引入到模型指标权重设定中,使各方案指标权重随指标状态值的变化而变化;同时借鉴TOPSIS方法的思想,分别考察各候选方案与正、负理想方案间的关联程度并予以集成;构建了基于变权和TOPSIS方法的灰色关联决策模型。将其应用于项目评标决策案例,通过与现行方法的对比分析,证明了该模型有助于优选出指标间较为均衡的方案,决策结果更为合理可靠;通过不同惩罚水平下结果的对比分析,表明该模型具有较强灵活性,可以适应不同的均衡决策要求。     

基于Vague集的TOPSIS方法及其应用

逼近理想解的排序方法(TOPSIS)是求解多属性决策问题的一个典型方法,将TOPSIS方法在V ague集下进行了扩展。介绍了V ague集的概念及其相似度量方法,提出了用V ague值表示的语言术语集。根据V ague值的优势函数定义了V ague正、负理想解。根据V ague值的相似度量定义了各方案到正理想解和负理想解的距离,得出各方案的相对贴近度,并据此排序,供决策者选择最优方案。     

一种语言模型的精确学习方法

语言模型具有很好的可解释性，但面对复杂问题时，其精确性不能满足要求。为此结合微粒群算法和遗传算法各自的演化特点，采用两阶段学习策略。对语言模型进行分层演化，首先利用微粒群算法优化各输入变量的语言值数目及对应的模糊集参数。形成候选规则集，再应用遗传算法选择规则，得到精确的语言模型．该方法几乎无需先验知识，可直接从样本数据获取语言模型，应用函数近似为例说明其有效性。     

基于工程语义信息和优先约束矩阵的装配顺序规划方法

虚拟装配作为虚拟制造业的一个重要分支,不仅为降低产品发展的成本和缩短上市时间提供了有效途径,还有助于提高产品自身质量.提出的装配顺序规划方法主要基于两个方面:一方面是从人机交互(HCI)对话框中获得的工程语义信息(SEI),另一方面是根据每个装配元件的配合约束关系,几何图形和拓扑信息、以及可移动方向集(MDS)推导出的优先约束矩阵(PCM).在对原始干涉情况进行修正后,从工程的角度通过分析优先约束矩阵生成完备的可行甚至最优装配顺序并非难事.最后,将一个仿真模型引入对Pro/Engineer二次开发出的虚拟装配支持系统VASS 2000,以验证该方法的有效性和实用性.     

作战任务优选建模及求解方法研究

针对作战任务规划中的任务优选问题,结合属性图与影响网定义一种作战任务图,以描述任务、效果及其相互之间的关系。基于作战任务图构建任务优选模型,提出作战效果网络传播算法和资源约束判断算法,并利用改进的差分进化算法进行求解。实验结果表明,作战任务图能够形象地描述作战任务及效果之间的关系,而基于作战任务图的模型及求解方法具有可行性和有效性。     

基于改进PSO算法的人群疏散模型

针对粒子群优化算法（PSO）在疏散模拟中局部寻优能力差、易过早收敛的问题,提出了一种基于改进PSO 算法的人群疏散模型。在原有模型基础上引入正向驱动力、排斥驱动力、疏散人员的恐慌程度等因子;根据环境因素和人群移动动态调整疏散人员的方向,并在最佳出口选择机制下趋向理想出口;对出口位置等物理因素进行疏散效率的参数化仿真实验。实验结果表明了疏散模型的有效性,可有效避免疏散过程中的局部拥堵现象,从而为建筑设计与管理人员提供合理参考。     

基于PSO的组合拍卖模型及其Swarm仿真

通过放松竞买人对拍卖物品的替代性或互补性的一致性认识假设,在组合拍卖机制设计的基础上建立了基于竞买人报价的组合拍卖模型.为了高效率地获得物品的最优分配方式,运用particle swarm optimization(PSO)算法模拟物品分配方式的寻优过程,在此基础上构建了基于PSO算法的组合拍卖模型.在Swarm仿真平台上对基于PSO算法的组合拍卖模型进行设计与实现,并通过一个具体的组合拍卖算例进行仿真验证,结果分析表明基于PSO算法的组合拍卖模型能够有效地解决多个物品的分配问题,并能实现卖主收益的最大化.学习能力参数分析表明,与自我学习能力相比,社会学习能力对卖主收益的优化更加重要.本文的研究结果对组合拍卖的理论研究和实际应用具有一定的借鉴价值.     

基于DINs和PSO的组织行动过程选择方法

有效的行动过程是组织成功完成使命的关键.提出了使用动态影响网对行动过程问题进行建模的方法, 通过引入因果强度参数, 替代贝叶斯网络中的条件概率表, 缓解模型在知识获取方面的瓶颈问题, 给出了利用因果强度参数进行概率传播的具体计算方法; 并用粒子群优化算法对模型进行优化求解. 最后结合一个联合作战的想定, 验证了方法可行性和有效性.     

基于粒子群算法的地磁匹配航迹规划

针对无人机地磁匹配航迹规划问题,提出了一种基于粒子群优化算法的航迹规划方法.借鉴稀疏A-Star搜索算法的思想,将约束条件结合到搜索方法中,给出了基于地磁网格图的航迹节点扩展方法.结合无人机的机动性能约束和地磁匹配的自身特点,设计了一种适用于地磁匹配的航迹性能评价函数作为粒子群的适应度函数.仿真实验的结果表明:生成的航迹能够满足地磁匹配导航要求,且具有威胁规避的能力.最后,针对只在中制导段采用地磁匹配的情况提出了初步的解决方案,保证无人机顺利进入地磁匹配航迹段.     

基于区间数TOPSIS法的空战目标威胁评估

针对空战目标威胁评估问题,提出了一种新的基于区间数TOPSIS法的评估方法。在分析了现有的目标威胁评估方法中距离威胁模型存在不足的基础上,提出了改进的距离威胁模型。给出了区间数特征向量法求解威胁指标权重的计算步骤,克服以往威胁指标权重确定方法的不足,建立了区间数TOPSIS法评估目标威胁的数学模型。给出了仿真算例,仿真结果表明该方法是合理和有效的。     

基于熵的TOPSIS法空战多目标威胁评估

针对传统逼近理想解的排序法(TOPSIS)在确定权重系数上面的缺陷和不足,提出了基于熵的TOPSIS改进算法,该算法运用熵理论处理空战获取的客观信息,确定目标各个属性权重,将权重运用到TOPSIS法中,研究空战威胁评估问题。建立多目标威胁评估数学模型,并进行了仿真研究。仿真结果表明该算法是合理和有效的。     

基于虚拟包络面和TOPSIS的DEA排序方法

传统的DEA模型将决策单元简单地分为DEA有效或DEA无效两大类, 无法实现决策单元的完全排序. 为实现决策单元完全、合理的排序, 文献中出现多种DEA排序方法. 文章在文献总结的基础上, 对现有DEA排序方法的局限性进行了详细的探讨; 基于实际评价的决策单元, 提出了一种虚拟前沿面的DEA方法, 并给出了基于最优虚拟前沿面和最劣虚拟前沿面的效率评价模型; 然后基于TOPSIS排序思想, 构造了基于最优虚拟前沿面理想决策单元和基于最劣虚拟前沿面的负理想决策单元, 提出了一种集成的DEA排序方法. 该方法同时考虑决策单元的最优和最劣权重体系, 兼顾所有决策单元的效率信息, 能够获得较为合理的排序结果. 算例分析验证了所提出的方法的合理性和优越性.     

基于粒子群优化的高超声速飞行器航迹规划

提出了一种基于粒子群优化算法的高超声速飞行器航迹规划方法并进行了仿真验证.首先计算了高超声速飞行器的最小转弯半径,然后建立威胁模型,将威胁模型投影到赤道平面内,利用一个有限项的多项式函数采逼近实际航迹在赤道平面内的投影,使航迹规划问题简化为在一个多项式系数空间中的搜索寻优问题.利用粒子群优化算法,鉴于高超声速飞行器特点,规划得到赤道平面内的航迹,根据对应关系,最后得到实际航迹.仿真结果表明,生成的航迹自动避开了威胁.     

熵权与群组AHP相结合的TOPSIS法多目标威胁评估

针对传统TOPSIS法在确定权重系数上面的缺陷和不足,提出了改进的TOPSIS法,该法综合考虑主观和客观因素,将运用聚类分析法得出的各决策专家个人权重应用到群组AHP法中确定目标属性主观权重,并与运用熵权法求解出的目标属性客观权重相融合,得到组合权重.运用改进的TOPSIS法研究空战威胁评估问题,建立多目标威胁评估数学模型,并进行了仿真研究.仿真结果表明该算法是合理和有效的.     

A ranking method for DMUs with interval data based on dea cross-efficiency evaluation and TOPSIS

The traditional data envelopment analysis(DEA)model can evaluate the relative efficiencies of a set of decision making units(DMUs)with exact values of inputs and outputs,but it cannot handle imprecise data.Imprecise data,for example,can be expressed in the form of the interval data or mixtures of interval data and ordinal data.In this study,a cross-efficiency method is introduced into the DEA model to calculate the interval of cross-efficiency values,based on which a new TOPSIS method is proposed to rank the DMUs.Two examples are presented to illustrate and validate the proposed method.     

基于TOPSIS法的第四方物流作业多属性优化指派模型

针对第四方物流作业多属性指派决策问题,推广TOPSIS法的思想,引入待定解、正理想解、负理想解等参数,给出了待定解、正理想解、负理想解等参数的表达式,建立了基于TOPSIS法的不考虑整合和考虑整合的第四方物流多属性指派决策模型.并设计了相应的遗传算法用以对模型求解,通过对20个算例进行求解分析,表明该方法有一定优势.