一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

股指时间序列的低维分形表示及相似性研究

针对复杂波动股指时间序列分形表示以及相似性问题,建立了以复杂波动趋势特征为基础的低维分形表示方式,提出了一种基于低维分形表示的相似性度量方法.定义了一种基于维数简约的趋势特征提取技术,以满足低维分形表示方式对波动趋势特征的需要.在此基础上,构造出一种综合考虑复杂波动趋势特性的相似性度量方法用以划分不同类别的股指时间序列.采用多组真实数据进行计算实验,并与其他三种相似性度量方法进行相比,实验结果表明本文方法优于对比方法.     

Modal-FEM混合法对复杂终端进气道RCS的计算

对带有复杂结构终端进气道的电磁散射问题进行了研究.给出一种高效的Modal-FEM分析方法,采用改进的模式法处理前端空腔部分,而复杂终端则只需有限元法进行一次求解;最后,在分界面上耦合得到整体的散射结果.与其他数值算法相比,计算结果表明:混合算法在保证精度的前提下减少了计算时间和所需内存,为计算带复杂终端进气道的RCS找到了一条可行的路径.     

基于分形几何的高度非线性过程虚拟仿真技术研究

针对一类高度非线性过程的虚拟仿真问题,提出一种虚拟环境下仿真新方案,即“物理行为模型 现象发生系统”,该方案由虚拟现实系统、基于分形几何建模、物理行为模型三部分组成,关键技术包括:物理行为模型与现象发生系统之间映射关系建立方法;基于分形几何的复杂拓扑结构几何模型快速构造算法;虚拟环境下基于结点的大量复杂几何对象近似纹理快速处理算法;大量复杂几何对象的实时渲染问题。随后以散体岩石在圆锥破碎机破碎腔中的破碎过程虚拟仿真为例,说明方案的应用过程。     

复杂系统、复杂网络自相似结构的涌现规律

在现实世界的复杂系统中,树状分形广泛存在.最近对于复杂网络的研究又揭示大量网络为自相似结构,随之而来的问题是:自相似结构是如何形成的.本文结合复杂系统与复杂网络,给出一个树状生长模型,通过论证揭示:生长过程及自相似结构的涌现,可集中由简单的幂律体现:幂律是自组织形成的临界状态,在它的支配下,系统得以保持有序演化发展,并涌现层层相似的自相似结构,其分形维数或相应的指数,是系统功能的度量.复杂寓于简单,简单形式的幂律蕴含了自组织演化发展并涌现自相似结构的全部过程的信息,是支配现实世界广泛现象的动力学.     

基于GPU加速的分形地形生成方法

针对分形方法生成大规模地形数据时计算量大和运算速度慢的问题,提出基于GPU加速的分形地形生成方法,将Diamond-Square分形地形生成算法转化为CUDA线程块并行执行过程,使地形生成过程完全在GPU中加速执行,在取得较好模拟效果的同时,显著提高了算法的运算速度。     

并行计算机上数值算法的构造原理

本文举例说明了并行数字计算机上数值算法的一些构造思想,为在并行计算机上进行数值计算或数字仿真提供一些处理的途径。文中首先从算法构造的观点对一些并行处理机作了简单的介绍,并按构造算法将它们划分成三种类型,即向量运算型、局部存贮向量运算型和运算块分解型,接着讨论了如何将串行算法改造成并行算法,即利用算法中的自然并行性和向量扩充法。讨论了递归问题的并行算法的构造思想,特别讨论了非线性递归问题的迭代并行计算,举例介绍了构造并行算法的杂凑技术,最后介绍并行计算机上异步信息处理的算法。 本文综述了作者构造并行算法的一些经验,以及文献中的并行算法的一些构造途径。     

三维可控真实感地形生成方法研究

提出了一种基于分形布朗运动的形状基本可控的真实感地形的生成方法.根据地形上少量特征点的三维坐标,将地形的整个平面区域划分成几个三角形,然后对每个三角形,利用改进的随机中点位移法进行三维地形数据的细分与迭代生成.并在PC机上用VC 6.0结合OpenGL编程,将生成的三维地形数据转化为具有真实感的可视化图形.模拟实验结果表明所提出的算法可以方便生成具有真实感、可控性的多峰山脉地形、一般平缓地形、以及复杂的组合地形,较好地解决了传统分形布朗运动对生成地形的形状无法预测和控制的问题.     

基于空间几何模型的遥感卫星任务分解算法

遥感卫星调度问题包含资源约束和任务约束,约束条件比较复杂,在调度前需要将观测任务分解为能被调度算法处理的元任务。任务分解的核心是计算卫星观测目标的时间窗口和侧摆角,由于区域目标无法被单次完全观测,在进行分解时需要将其划分为若干个子区域。针对点目标,提出了一种基于空间几何模型的任务分解算法,在此基础上结合动态划分方法,提出了区域目标任务分解算法,并分析了区域划分参数与观测效率的关系。实验结果验证了算法的有效性。     

基于网格划分的混合优化算法

提出了用于求解大规模优化模型的基于网格划分的混合算法。该算法引入了空间划分和收缩的思想,在求解过程中首先应用全局优化算法确定优解信息,其次使用网格划分和合并将解空间快速划分和收缩为多个子空间,然后用局部优化算法在模型的极值点附近搜索,可以很快地收敛到极值点。仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都体现了良好的性能。     

动态武器目标分配问题中策略优化的改进算法

动态武器目标分配(Weapon Target Assignment,WTA)中的目标选择策略问题可以通过建立马尔可夫决策过程(Markov decision processes,MDP)模型进行研究,但目前尚无有效求解此类较大规模的MDP问题中最优策略的算法.通过分析动态WTA问题的MDP模型特点,给出了求解该问题最优策略的改进算法.该算法主要在初始策略选取规则、策略改进规则以及最优策略的判断准则等方面进行了改进.该算法具有计算量小,节省内存,并可得到最优解等优点.最后,通过算例将该算法与传统算法进行了比较.改进算法可以用于解决较大规模的动态WTA中的策略优化问题.     

一种求解连续空间优化问题的改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。     

临近空间非弹道式目标跟踪修正变结构滤波

以X-51A和HTV-2为代表的临近空间高超声速飞行器采用非弹道式机动飞行方式,飞行速度快而且其加速度不规则,难以精确估计其运动状态。针对临近空间目标4种典型的非弹道式机动模式,设计了一种修正变结构交互式多模型(modified variable structure interacting multiple model, MVSIMM)算法。该算法采用当前统计模型作为中心模型,左右两边采用匀速转弯模型,相比传统变结构多模型算法, 提高了模型切换速度,实现更加实时,可以更高精度跟踪临近空间目标飞行器。仿真结果表明,针对4种非弹道式机动模式,修正变结构交互式多模型算法效果优于固定结构多模型滤波方法。     

稀疏森林:真彩色直方图快速生成算法

基于空间数据索引技术,提出了一种新的真彩色图像颜色直方图生成算法,这种算法采用一种新的空间数据结构——稀疏森林,通过将RGB空间中三维颜色(点)投影至(r,g,0)平面进行"降维",将三维空间点索引变成一维数据索引问题,降低了问题的复杂度。进一步,利用B树高度平衡、多分支、低深度、结构紧凑等特点,对一维数据进行索引。理论与实验结果表明,稀疏森林保留了全部颜色空间信息,生成、索引速度快,可以方便地进行点查询和区域查询,并且空间效率比较高。     

基于机动判别的变结构交互多模型跟踪算法

临近空间高超声速机动目标具有高速、高机动的运动特性,协同转弯模型是跟踪临近空间目标的常用模型之一。基于协同转弯模型的自适应网格交互多模型(adaptive grid interaction multiple model, AGIMM)算法能够较好地适应临近空间高超声速目标运动特性,但AGIMM算法存在着依赖中心网格模型,非机动时刻模型集收敛缓慢的问题,基于此提出了一种基于机动判别的变结构交互多模型算法。所提算法根据目标机动特性调整跟踪模型集的结构及模型概率转移矩阵,加快了非机动时刻模型集的收敛速度,克服了AGIMM算法存在的问题。通过蒙特卡罗仿真验证,改进的算法相对于AGIMM算法提高了对临近空间高超声速目标的跟踪性能。     

基于LASSA算法的多无人机协同航迹规划方法

针对基本麻雀搜索算法(sparrow search algorithm,SSA)在求解多无人机(unmanned aerial vehicle,UAV)协同航迹规划问题时收敛精度不高,易于陷入局部最优等问题,提出了一种使用对数螺旋策略和自适应步长策略的SSA (logarithmic spiral strategy a...     

Dominance property based tabu search for single machine scheduling problems with family setups

The problem of minimizing the maximum lateness on a single machine with family setups is considered. To solve the problem, dominance property is studied and then introduced into the tabu search (TS) algorithm. With the dominance property, most unpromising neighbors can be excluded from the neighborhood, which makes the search process always focus on the most promising areas of the solution space. The proposed algorithms are tested both on the randomly generated problems and on the real-life problems. Computational results show that the proposed TS algorithm outperforms the best existing algorithm and can solve the real-life problems in about 1.3 on average.     

多传感器信息时空融合模型及算法研究

在目标识别中,为了获得观测目标的准确状态,需要同时考虑数据融合的时间性和空间性。提出了一种多传感器信息的时间和空间两级融合的结构模型。首先对同一时刻不同传感器的信息进行空间融合,然后对经空间融合后的时间序列进行时间上的融合。就该模型提出了基于证据理论和模糊积分的融合算法。将该模型和算法应用于目标识别。仿真实验表明,该模型可以提高系统的识别率和可靠性。     

New judging model of fuzzy cluster optimal dividing based on rough sets theory

To investigate the judging problem of optimal dividing matrix among several fuzzy dividing matrices in fuzzy dividing space, correspondingly, which is determined by the various choices of cluster samples in the totality sample space, two algorithms are proposed on the basis of the data analysis method in rough sets theory: information system discrete algorithm (algorithm 1) and samples representatives judging algorithm (algorithm 2). On the principle of the farthest distance, algorithm i transforms continuous data into discrete form which could be transacted by rough sets theory. Taking the approximate precision as a criterion, algorithm 2 chooses the sample space with a good representative. Hence, the clustering sample set in inducing and computing optimal dividing matrix can be achieved. Several theorems are proposed to provide strict theoretic foundations for the execution of the algorithm model. An applied example based on the new algorithm model is given, whose result verifies the feasibility of this new algorithm model.     

DBN结构学习度量分解性能分析

针对动态贝叶斯网络(DBN)结构学习中涉及的度量分解问题,提出了DBN度量分解后的相关性能。首先,细化了DBN的贝叶斯信息度量(BIC)及贝叶斯-狄里克莱(BD)度量公式,通过表达式的分析,讨论了分解后的相关性质,进而提出了由分解公式提供给DBN结构学习的相关性能。其次,通过设计的性能分析仿真实验,验证了提出的若干设想,即将BN结构学习算法移植到DBN结构学习的可行性及分解降低算法复杂度等问题,并提出了寻找DBN快速结构学习算法的有效思路。