M-限制合作对策的最小二乘解

在经典合作对策中,最小二乘解是使得联盟分配值与联盟收益的期望偏差最小的分配方案,众多单值解可以看作它的特例.为了拓展最小二乘解的适用范围,本文公理化研究M-限制合作对策的最小二乘解,这类对策的联盟收益是否已知仅与联盟中局中人的个数有关.首先,基于经典合作对策的最小二乘解定义了M-限制合作对策的最小二乘解.然后,利用拉格朗日乘子法得到了该最小二乘解的具体表达式及其等价形式,并以此重新解释了最小二乘解的现实意义.最后,为了说明最小二乘解的公平合理性,根据该值与ESL值的关系提出了它的公理体系.第一种公理体系是有效性、对称性、线性、非本质对策性、公平对待性.基于该公理体系,替换部分公理可得到其他的公理体系,比如:公平对待性可替换为联盟单调性或者联盟占优单调性;对称性可替换为基数无异性.另外,如果线性弱化为可加性且非本质对策性强化为策略等价性,则也可以公理化刻画最小二乘解.     

递推最小二乘算法的补充性证明

在使用递推最小二乘算法时，通常考虑的情况是训练样本所构成的方程组为矛盾方程组时该算法的收敛情况。本研究对递推最小二乘算法进行了理论证明及分析，指出了在任意第k步，未知参数估计值收敛于前k组数据的极小范数解(如果前k组数据所组成方程组为相容方程组)或者极小范数最小二乘解(如果前k组数据所组成方程组为矛盾方程组)，并且此解是唯一的；仿真结果同样也验证了该结论的正确性。     

基于结构总体最小二乘的多传感器定位算法

多部二维传感器组网定位时,为充分利用各传感器量测并减小地球曲率对观测的影响,建立了大场景下考虑地球曲率的三维空间观测定位模型,提出7此场景下融合测距信息的方位结构总体最小二乘定位算法.该算法首先根据各传感器的方位角量测信息使用结构最小二乘法初步定位,然后利用观测模型融合各传感器的距离量测提高定位精度并最终得到目标位置估计.仿真实验证明了该方法在多部2D传感器组网情况下对三维空间内目标定位的实际性和有效性,适用于工程利用.     

递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩.从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二来解,并且此解是唯一的,仿真结果同样验证了该结论的正确性.     

非线性递推部分最小二乘及其应用

部分最小二乘回归(PLS)可较好地解决变量间的共线性问题,目前被广泛地应用于过程建模和监控.本文将递推PLS(RPLS)算法同RBF网络相结合,给出了一种非线性递推PLS方法(NRPLS),可根据在线数据自适应地调整模型结构和参数,使模型适应非线性过程的变化.在确定RBF网络的隐层节点参数时,采用了一种改进的k-means聚类算法,自动确定最优的聚类区数.该递推算法用于聚丙稀熔融指数软测量模型的在线修正,取得了较好的效果.     

多测站测量角量误差的最小二乘修正

在使用光测网对运动目标进行多站定位时，由于受到诸多干扰因素的影响，定位点的测量值并不唯一，从而影响目标定位的精度。提出一种新的迭代初始值——公垂线中点。为了进一步提高估计精度，结合多站最小二乘交汇定位法对目标定位，并对各测站的测量角量做了残余系统误差的最小二乘修正。最后，还给出一个随机模拟实例以验证所提算法的可行性。     

不平衡最小二乘支持向量机

针对标准的最小二乘支持向量机(LSSVM)没有考虑样本分布不平衡的问题提出一种称为不平衡最小二乘支持向量机的算法.首先用标准的最小二乘支持向量机对原始数据进行初步训练,产生一个分离超平面的法向量.然后把高雏样本投影到该法向量上得到一维数据.最后由该一维数据的标准差以及样本数量差异所提供的信息,给出两类数据惩罚因子比例,再用标准的最小二乘支持向量机进行第二次训练,对分离超平面进行调整.该方法克服传统方法只考虑数量的不平衡的不足,将原有样本集中具有的分类信息充分提取出来,提高了最小二乘支持向量机的泛化能力.实验结果表明,所提方法可以有效提高不平衡数据的分类性能.     

多新息最小二乘法辨识水下机器人动力学模型

水下机器人动力学模型辨识是水下机器人运动控制、状态监测和系统设计开发的基础.把6自由度动力学模型适当简化,给出Falcon水下机器人的动力学模型,在最小二乘算法(LS)和递推最小二乘算法(RLS)的基础上,提出基于多新总最小二乘算法(MILS)的水下机器人动力学模型辨识方法,最后给出MILS辨识算法、RLS算法和LS辨识算法仿真实验结果,证明所提算法的可行性与优越性.利用多新息最小二乘算法得到的水下机器人动力学模型参数更接近于理想参数,能够更好的描述水下机器人的动态特性,对于水下机器人的操纵与自适应控制的研究有较大的实际意义.     

最小二乘超球多类支持向量机

超球体多类支持向量机(HSMC-SVM)是一种直接型多类分类器,具有训练速度快,检测效率高的优点,但由于HSMC-SVM使用一阶范数软间隔作为目标函数的惩罚项,使得其训练精度受到一定影响,为了提高HSMC-SVM训练精度,将最小二乘法引入到HSMC-SVM中,提出了最小二乘超球多类支持向量机(LSHS-MCSVM)的概念,并且分析了它的训练算法和判决规则,从而形成了完整的LSHS-MCSVM分类理论.实验表明,LSHS-MCSVM无论在训练速度上还是在泛化性能上都要优于HSMC-SVM,适合于分类类别多,样本数量大的多分类场合.     

MIMO雷达约束总体最小二乘改进算法

针对多输入多输出MIMO雷达目标定位系统中基于最小二乘算法的AOA定位精度低的缺点,分析出造成这一缺点的原因是系数矩阵存在误差.进而利用系数矩阵误差存在相关性的特点,提出用约束总体最小二乘法进行目标定位,推导了定位均方误差公式.计算机仿真证明该方法比普通最小二乘法具有更好的定位性能.     

一种求解协作配送成本分摊问题核仁解的近似迭代算法

协作配送问题是典型的组合优化合作博弈问题,也可称为协作车辆路径问题,其核心问题之一是确定公平合理的成本分摊方案.其中核仁解由于具有唯一性和公平性等特点,是成本分摊领域中公认的科学分摊方案.本文提出了一种近似求解协作配送问题核仁解的方法.首先分析证明了当顾客位置分布均匀,从理论上协作配送成本分摊问题会是凸博弈问题,然后,基于凸博弈的核仁解会等同于预内核解的理论,提出了一个能够求解凸博弈问题核仁解的迭代逼近算法(approximate iterative algorithm,AIA),分析了AIA算法的复杂度为O(n~42~n),为此又提出了AIA的有效提速策略,可将AIA的复杂度降低至多项式.最后,通过求解协作配送算例和实例,验证了本文AIA算法能够准确求解得到协作配送成本分摊问题的核仁解,提出的求解策略能有效的减少求解耗时,并且得到的最终结果与实际核仁解的平均偏差不到0.02%,更重要的是AIA能够用于求解所有凸博弈问题的核仁解.     

带层次结构效用可转移合作对策的多步Shapley值

作为一种局中人结盟形式,层次结构比联盟结构更具一般性.本文致力于给出带层次结构效用可转移合作对策的多步Shapley值,具体给出了其分配过程及公理化刻画.另外,作为一个等价分配过程,本文还证明了它等价于一个特殊效用可转移合作对策的加权Shapley值.研究结果扩展了带联盟结构效用可转移合作对策的两步Shapley值,可为研究其它带结盟限制合作对策的解提供借鉴.     

基于竞合博弈的O2O品牌制造商定价与订货联合策略

考虑品牌制造商开发移动客户端对线上线下渠道定价与订货联合策略的影响,品牌制造商可通过移动渠道,电脑渠道与零售渠道三种渠道销售产品满足消费者的需求,需求模型受价格与移动客户端丰富度的共同影响,构建了非合作博弈,竞合博弈与合作博弈下的定价与订货联合策略模型,运用逆向求解法得到均衡解.数值算例表明不同策略下,随着移动客户端丰富度的增加,系统总利润均先增加后减少,零售商订货量随着移动客户端丰富度的增加而增加,同时得到了竞合博弈与合作博弈下系统总利润近似相等,并且渠道价格一致策略并不一定是最优策略.     

一类优先联盟内有限制的具有联盟结构的合作对策

结合具有联盟结构的合作对策和具有权限结构的合作对策,考虑了一类优先联盟内有限制的合作对策.在这类合作对策中,局中人结成一些优先联盟参与合作,而各优先联盟内部具有层级组织结构,其中某些局中人对其他人的行动具有否决权.定义了这类合作对策的一个解,该解是Owen值的推广.证明了其公理化结论,最后通过一个算例说明这类合作对策在收益分配问题中的应用.     

无线感知网络最小二乘法定位算法的误差分析与优化

无线感知网络(WSN,wireless sensor networks)中位置信息及其位置可信度对于感知数据至关重要,目前针对WSN定位的可信度分析很少见.利用误差分析理论对最常用的最小二乘法定位算法进行理论分析,并提出一种简化误差分析算法,在给出节点预测位置同时给出定位误差范围;而且,利用误差分析对循环定位的锚点选择进行优化,能够显著提高定位精度;最后,采用模拟试验的方法对误差分析及其简化算法和优化算法的有效性进行验证.     

最小二乘支持向量机参数选择方法及其应用研究

针对最小二乘支持向量机参数选择问题，提出了一种基于三步搜索技术的参数选择方法，理论分析表明了这种方法的有效性和优越性，可以优化选择最小二乘支持向量机参数。然后把该方法用于钢材淬透性建模中的参数选择，仿真结果表明，这种方法可以得到优化的参数，从而获得精确的建模效果。     

基于加权最小二乘支持向量机的温室小气候建模与仿真

分析了温室小气候系统结构,采用加权最小二乘支持向量机回归方法在线建立温室小气候模型,并进行仿真研究,取得了较好的效果.最小二乘支持向量机中引入加权因子,使其回归估计对非高斯分布噪声及野点数据具有较好的鲁棒性.最后将此方法和带有智能监督级的渐消记忆递推增广最小二乘方法的在线建模及仿真结果进行了对比分析.     

基于GMDH-PSO-LSSVM的国际碳市场价格预测

针对国际碳市场价格预测LSSVM建模输入节点和模型参数难以确定的问题, 建立了基于数据分组处理方法(GMDH)-粒子群算法(PSO)-最小二乘支持向量机(LSSVM)的国际碳市场价格预测模型. 首先利用GMDH算法获得LSSVM建模中的输入变量; 其次应用PSO算法对LSSVM建模中的参数进行优化, 进而使用训练好的LSSVM模型对测试样本进行预测; 最后采用该模型对欧盟排放交易体系(EU ETS)两个不同到期时间的碳期货价格(DEC 10和DEC 12)进行实证分析, 取得了令人满意的效果.