工业过程稳态优化中的PD型迭代学习控制

论述在工业过程的稳态优化中，施行选代学习控制的思想方法．给出了一种ＰＤ型迭代学习算法，分析了算法收敛性．数字仿真结果表明这种控制方法对抑制超调，加快动态响应，减小优化过程对工业生产过程的影响是行之有效的．     

具有死区的饱和工业过程控制系统的迭代学习控制

对具有死区的非光滑饱和工业过程的稳态优化进程施加迭代学习控制,给出加权开环PD型迭代学习控制算法。算法基于前次迭代的输出动态信息和事先给定的理想轨张,修正工业过程控制系统的阶跃输入,以期改善控制系统的动态品质。给出了理想轨线的选取方法,提出了理想轨线的δ可达性和迭代学习算法的ε收敛性的概念。利用Bellman-Gronwall不等式和λ范数理论,论证了算法的ε收敛性。数字仿真表明,迭代学习控制能有效改善工业过程稳态优化进程中控制系统的动态品质,如减少超调,加快动态响应速度,缩短过渡时间等,显示了算法对工业过程控制系统的有效性。     

加权超前开环PD型迭代学习控制

对具有滞后的线性大工业过程提出了加权超前开环PD—型的迭代学习控制算法，建立了基本的选代学习控制结构，给出了迭代学习控制算法关于控制系统的ε—收敛性的定义和证明，提出了理想轨线的δ—可达性的概念．数字仿真表明，迭代学习控制能有效改善控制系统的动态品质，如缩短过渡时间，抑制超调等，表明了迭代学习控制算法的有效性．     

半Markov控制过程在平均准则下的优化算法

研究了一类半Markov控制过程(SMCP)在紧致行动集上关于无限水平平均代价准则的性能优化算法．利用等价Markov过程的方法，导出了SMCP的性能势公式和平均代价最优性方程，给出了求解最优或次最优平稳策略的策略迭代算法和数值迭代算法，并证明了算法的收敛性．最后给出了一个数值例子来说明算法的应用．     

具控制时滞的线性时滞系统的迭代学习控制

针对一类具有控制时滞的线性系统，讨论了D型迭代学习控制算法，从理论上给出了算法收敛的充分条件。数值仿真结果表明，这种算法是有效的。     

基于估计概率密度函数的独立分量分析方法

利用混合高斯模型，给出了估计概率密度函数算法，并利用高斯混合模型法获得了对分离矩阵的梯度学习算法，给出了一种迭代概率密度估计的独立分量分析学习算法．这种块处理方法可实现超、亚高斯混合信源的情况．最后在仿真实验过程中验证了该算法具有较高的稳定度和精确度。     

高速公路网动态交通分配离散模型与算法

给出了一个入口匝道流量控制下高速公路网动态交通分配离散模型，其中采用了一个反馈控制，通过调节匝道流量使高速公路各路段的车辆数接近理想值。并给出了求解的迭代算法和算例。     

非线性时变系统开闭环PI型迭代学习控制研究

讨论了一类非线性时变系统开闭环PI型迭代学习控制算法,该算法相对于开环、闭环PI型迭代学习算法不仅能较快地跟踪期望轨迹,而且能增强学习控制的鲁棒性。给出了仿真研究实例,仿真结果验证了该算法的有效性和优越性。     

时滞系统的PID型迭代学习控制

通过对智能控制、人工智能、自动控制和控制论的相互关系的分析和总结,提出了时滞系统中应用迭代学习控制的思想方法,给出了时滞系统PID型迭代学习算法,并在理论上证明了算法的收敛性     

求解单调变分不等式的一类迭代算法

给出了求解单调变分不等式的一类迭代算法．通过解强单调变分不等式子问题，产生一个迭代点列，该迭代点列收敛到变分不等式的解．最后，给出了这类新算法的收敛性分析。     

两种改进的最优路径规划算法

在对经典Dijkstra算法和A*算法分析的基础上对它们分别进行了改进.在经典Dijkstra算法中,针对当前不相连节点间路径长度为无穷大这一特点,首先对两个节点是否相连进行判断;若发现两个节点并不相连时,则舍去相应计算,从而减小计算量.针对A*算法在实际应用中搜索效率低的缺点,将经典A*算法搜索出的原始最优路径中的节点依次进行封堵后,再按照经典A*算法搜索出相应的新最优路径,最后再将原始最优路径与这些新最优路径进行对比,以便确定最终的最优路径.仿真研究表明:改进的Dijkstra算法可以减少大量的无关节点计算,提高运算的效率;改进的A*算法则可以提高搜索到最优路径的成功率.     

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。     

低熵多键排序问题的实用算法

给出低熵情况下的多键排序改进算法.利用众数投票算法结合中位数选择算法产生枢纽元,对与枢纽元相等的元素使用改进算法,其他元素仍采用原算法.理论分析表明,重复数据较多时改进算法速度较快,且在数据量不大时其性能接近线性算法.     

公交线路管理系统查询算法设计

讨论了一种基于集合理论的线路查询算法,对换乘算法给出了详细的设计流程,并提出了改进算法效率的方案.该算法简单、实用,能快速有效地帮助用户完成出行线路的选择.     

一种新的布尔函数求补算法

研究了SOP(积的和型)布尔函数的求补算法,分析了已有的求补算法之间的深层联系,给出了否定树的概念.证明了单边求补算法、Sharp算法与德*摩根律是等效的、不相交的.Sharp算法是递归算法的一个特例.提出了以否定树为基础的解决SOP型函数求补运算的新算法.     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法，精关联是联合概率数据关联(JPDA)算法的推广，JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点；其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法，MNJPDA算法能克服计算量爆炸问题，基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．     

一种基于遗传算法的知识规则挖掘算法

论述了遗传算法在数据挖掘中的一类知识分类应用,并给出了基于遗传算法的知识规则挖掘算法的基本思想和关键问题,包括知识规则表示,适应度函数定义等.通过实例证明了该算法的有效性.     

用混合遗传算法求解约束NLP问题

将传统的求解约束ＮＩＰ问题的罚函数法和可行方向法同遗传算法结合,得到一种新的混合遗传算法。该算法弥补了仅用罚函数作为遗传算法的适应函数之不足,数值模拟结果表明该算法比其他算法更加有效。     

分组Turbo码软判决自适应Chase译码算法的研究

针对二进制分组turbo码提出了一种加快译码速度的软判决译码算法-自适应门限Chase译码算法(ATC).该算法以迭代Chase算法为基础,根据传输系统编码方案和信道条件联合确定Chase算法中不可靠比特数,从而可以减少测试序列的数目,并利用外信息的三角函数代替迭代译码时的归一化因子,以达到降低软判决译码复杂度的目的;与迭代Chase译码算法相比,该算法可在译码复杂性和译码性能之间达到平衡.仿真结果表明:ATC算法能在保持turbo码的译码性能基础上,提高译码速度,降低译码复杂度.     

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上,将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作了比较研究,结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延、变阶次被控对象的控制鲁棒性明显优于广义预测控制