并行广义预测自校正控制器(GPC)

本文旨在讨论ＧＰＣ算法［１，２］的并行化问题，通过对原串行算法的数据流及数据相关性的分析，得到了一种三角阵列的并行算法。该算法自然导致Ｓｙｓｔｏｌｉｃ结构，并具有良好的数值稳定性。对于一个 ｎ阶系统而言，本算法采用Ｏ（ｎ２）阶的处理器单元互连成三角阵列，可以把计算时间由原来的Ｏ（ｎ３）阶（内积运算）时间提高到 Ｏ（ｎ）阶，因而具有 Ｏ（ｎ２）的加速比，其处理器的利用效率得到了很大提高。     

一类事件驱动马氏决策过程的Q学习

对广泛存在的一类事件驱动的平均费用型马尔可夫决策问题,通过分析其模型特征,研究了一种简单的增强型学习算法,不必将事件扩充为系统状态,而只对原始状态的值函数进行学习,减少了计算量和数据存储量。将算法应用于M/M/1排队系统的接纳控制问题,计算机仿真结果表明,算法优于通常的增强型学习和动态规划方法,验证了算法的有效性。     

A LAGRANGIAN RELAXATION APPROACH FOR SUPPLY CHAIN PLANNING WITH ORDER／SETUP COSTS AND CAPACITY CONSTRAINTS

A heuristic approach is developed for supply chain planning modeled as multi-item multi-levelcapacitated lot sizing problems. The heuristic combines Lagrangian relaxation(LR) with local search.Different from existing LR approaches that relax capacity constraints and/or inventory balanceconstraints, our approach only relaxes the technical constraints that each 0-1 setup variable must takevalue 1 if its corresponding continuous variable is positive. The relaxed problem is approximatelysolved by using the simplex algorithm for linear programming, while Lagrange multipliers are updatedby using a surrogate subgradient method that ensures the convergence of the dual problem in case ofthe approximate resolution of the relaxed problem. At each iteration, a feasible solution of the originalproblem is constructed from the solution of the relaxed problem. The feasible solution is furtherimproved by a local search that changes the values of two setup variables at each time. By taking theadvantages of a special stru     

基于信息熵权的最近邻域数据关联算法

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。     

基于Delta-Gamma-Theta模型的外汇期权风险度量

引入金融参数Delta、Gamma、Theta,将外汇期权近似表达式拓展成Delta Gamma Theta模型,然后分别使用了MonteCarlo方法和Cornish Fisher方法来计算外汇期权组合的VaR值,并发现使用这两种方法得到的VaR值相差不大,都比Delta 正态模型有非常大的改进,但Cornish Fisher方法计算简单、快速,而MonteCavlo方法计算繁琐、速度慢.     

多工件族无缓冲混合Flow Shop问题的模型和算法构建

旨在研究并解决一类从集装箱混合装卸作业环境中提取的多工件族无缓冲混合Flow Shop问题. 针对该问题的多工件族、无缓冲、部分专用机、与机器和顺序相关的准备时间和作业时间等特点, 构建了问题的混合整数线性规划模型. 鉴于问题的NP-hard特性, 构造型的启发式算法被构建, 核心思想是基于提出的机器库存和配额等概念, 动态构建含有三元副的调度列表, 三元副表示与其一一对应的工件在3阶混合Flow Shop中的加工轨迹. 通过仿真实验、下界分析, 发现算法能获得好的近优解和低的计算成本. 更为重要的是, 算法尤其适合解决大规模的实际问题.     

Feature Extraction of Localized Scattering Centers Using the Modified TLS-Prony Algorithm and Its Applications

Feature Extraction of Localized Scattering Centers Using the Modified TLS-Prony Algorithm and Its Applications~~~~     

飞行器耦合系统的一种逐步逼近优化设计方法

阐述了飞行器耦合系统优化设计所面临的计算问题,包括计算量大,计算精度低等.分析指出了产生这些问题的原因在于计算中存在两重嵌套的循环.在上述分析基础上,提出逐步逼近的优化设计方法,在该方法中构造了一个非耦合的近似模型,并针对该近似模型进行优化计算,这样做将嵌套的两个循环过程转化为序列进行的两个循环过程.同时为了在保证精度的前提下提高计算效率,构建了一种近似模型逐步逼近真实模型的迭代格式.仿真算例表明了本方法的有效性.     

GNSS软件接收机中匹配滤波器算法研究

为了适应全球卫星导航定位系统接收机的发展趋势,针对GNSS系统不同信号,研究了一种联合多个星座卫星信号的匹配滤波器捕获算法.通过对算法的分析,给出了影响算法复杂性的两个因素:接收序列伪码长度和本地复现序列数,并通过仿真给出了捕获GPS粗码信号和伽利略系统E1频段开放信号可以参考的最佳复现序列数.仿真结果表明,对不同的GNSS信号,只要通过软件配置算法中的复现序列数,就可以以最小的计算复杂性来捕获相应信号.这个结论对软件接收机中匹配捕获算法的设计有重要的指导意义.     

需求可拆分车辆路径问题的三阶段禁忌算法

需求可拆分车辆路径问题(SDVRP)是一类有待深入研究的车辆路径问题,其求解方法与需求不可拆分的VRP问题有较大的区别.针对该类问题,本文提供了一种新的求解思路——基于双层规划模型的三阶段禁忌算法.首先,将目标函数设定为大TSP路径成本加上切割增加路径成本,构建了SDVRP的双层规划数学模型;然后,根据双层规划的思路设计了三阶段禁忌启发式算法:先求包括车场和所有顾客的大TSP路径,再对大TSP进行切割和拆分,接着对备选方案进行子路径优化;最后,通过实验仿真,将所提出的三阶段禁忌算法与其他算法进行比较,结果表明了所提出的算法可以比较有效地求得需求可拆分车辆路径问题的优化解,是解决需求可拆分车辆路径问题的有效方法.     

结合Nystrm逼近的图半监督纹理图像分割

针对半监督学习算法在图像分割中的应用,提出了一种基于流形插值的半监督图像分割方法。该方法将分类问题看作一个流形上的函数的插值问题,通过优化某些系数来更好地拟合数据。该算法采用稀疏图可解决大规模矩阵特征值和特征向量的求解。但是,对于图像分割来说,构造稀疏图的运算时间较长,针对这一问题,提出采用Nystrm逼近方法来降低计算复杂度。合成纹理图像分割结果验证了该算法可获得良好的分割质量,结合Nystrm逼近方法在保证分割质量的前提下从很大程度上提高了计算效率。     

Adaptive Multisensor Tracking Fusion Algorithm for Air－borne Distributed Passive Sensor Network

ＡｄａｐｔｉｖｅＭｕｌｔｉｓｅｎｓｏｒＴｒａｃｋｉｎｇＦｕｓｉｏｎＡｌｇｏｒｉｔｈｍｆｏｒＡｉｒ－ｂｏｒｎｅＤｉｓｔｒｉｂｕｔｅｄＰａｓｓｉｖｅＳｅｎｓｏｒＮｅｔｗｏｒｋ￥ＺｈｅｎＤｉｎｇ；ＨｏｎｇｃａｉＺｈａｎｇ＆ＧｕａｎｚｈｏｎｇＤａｉ（Ｄｅｐａ...     

基于时间序列的Global Skyline并行算法

Global Skyline 查询是Skyline查询的一种变种,它和动态Skyline查询、反Skyline查询关系密切,已被广泛应用于多目标决策、网络监控、数据挖掘等方面。随着数据的积累,传统集中式的Skyline查询已经不能满足大数据的处理要求。为了高效解决大规模的基于时间序列的数据处理难题,提出了基于MapReduce框架并行的Global Skyline Cell查询算法。首先,通过对实际应用需求进行分析,本文提出了基于时间序列数据Skyline查询的时间倒排索引模型;并提出了Global Skyline格概念,利用格间的支配关系进行粗粒度高效剪枝,避免了大部分的无效运算;其次查询点将数据空间分割成不同象限,基于各象限进行轮询,实现了Global Skyline 格的查询,在此候选结果中得到Global Skyline点,为下一步实现动态Skyline和反Skyline查询奠定基础。最后,我们在Hadoop集群环境中实现了该算法。实验结果表明,该算法能有效解决基于时间序列的大规模数据Skyline查询的时间和空间矛盾,能够满足实际应用需求。     

具有恶化效应的新工件到达生产调度干扰管理

在工件加工时间具有恶化效应的单机环境下,研究初始计划执行中计划外多个新工件到达的干扰管理问题.将加工成本作为初始目标,将工件相对于初始完工时间的延迟作为扰动目标,构建多目标干扰管理模型.结合归档式多目标模拟退火算法在全局寻优方面的优势,与非支配排序遗传算法在快速收敛到Pareto有效前沿的局部搜索优势,设计了混合元启发式算法在全局搜索和局部搜索之间进行平衡.通过分析问题Pareto最优解特性,可以进一步有效降低混合元启发式算法的搜索空间,提高收敛速度和输出有效前沿的质量.最后,通过随机生成算例进行数值实验,验证混合算法对求解干扰管理问题的有效性和Pareto最优解特性对于算法性能的改进.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

基于递归标记的红外图像变分辨率相关匹配算法

提出了一种新的红外图像分析算法。该算法根据图像预处理分割后的二值图像,对目标图像进行递归标记,避免了基于点的连通体检测中“1”像素点可能被重复扫描的现象,实现了只考虑提取目标特征,不用得到最终的标记图像本身的要求。获取对应红外图像的二进制编号后,根据目标形心特征进行变分辨率相关匹配,实验结果表明对理想及带噪声的输入均有较好识别率。该算法在提高了目标单帧检测概率同时,尽可能地降低了相关匹配的运算量。     

SLAM问题中特征相关性研究

结合SLAM算法及不确定性分析,对SLAM问题中的特征相关性进行了研究.并在对相关性进行详细深入分析的基础上,得到了特征稀疏的两个标准,进而提出了相关优先的特征稀疏策略,可利用较少的相关性强的特征从而减少大量的计算负担,计算误差却和一般传统方法相当.最后,采用EKF滤波对SLAM进行了仿真,通过多次Monte-Carlo仿真实验结果表明了该方法的有效性.     

一种基于最大信息系数预处理的k-modes聚类方法

为解决现有k-modes聚类方法因忽略了变量属性之间的弱相关性,常造成其在实际应用中聚类性能不佳的问题,提出一种包含属性弱相关性的新k-modes聚类方法。引入最大信息系数（maximum information coefficient,MIC)度量数据集中变量属性之间的相关性;将得到的MIC值与原有距离进行融合,建立包含属性弱相关性信息的新度量方法,以增强变量属性间相关信息的完备性,建立更加精细的k-modes聚类方法;调用3种不同的数据集,将新方法与原有的k-modes聚类方法和其他改进k-modes聚类方法的性能进行对比,并通过仿真结果表明了新方法的有效性。     

基于混沌算法的自适应预测模型

在混沌算法神经网络的预测模型中 ,适当选择非线性反馈项 ,能使网络的动力学在权空间具有混沌行为 ,网络系统在学习和训练过程中能够跳出能量的局域极小达到全局极小或其近似 .本文基于EP进化算法建立一种自适应机制 ,使得网络能够根据学习和训练的结果优化非线性反馈项 .应用这种算法的神经网络对基于 Mackey-Glass方程和 Lorenz系统的时间序列进行在线预测 ,结果表明 ,网络具有很好的自适应预测性能.     

隐私保护的快速聚类算法

针对基于安全多方计算聚类算法的低效问题,提出了基于聚类特征树结构的隐私保护的层次k-means聚类算法.算法基于半诚信模型,在第三方内存中保留对各记录的索引信息及聚类特征树的当前层信息,减少了I/O次数和通信量,克服了难以适应多数据方和因过于信赖第三方导致隐私泄漏等缺陷.算法通过基于安全多方计算的标准化协议、距离计算协议和聚类中心计算协议,实现了数据的有效保护,综合层次和k-means聚类算法的优点,提高了计算精度和算法的可伸缩性.理论证明了算法的安全性和高效性,实验结果表明所提算法优于同类算法.