基于SMDP模型的Web服务组合优化方法

针对Internet环境的动态性和Web服务的不确定性,文章使用有限状态连续时间半马尔可夫决策过程(Semi-Markov Decision Process,简称SMDP)对服务组合进行建模,并给出了服务组合的Q学习优化算法,以获得最优的服务组合策略.通过仿真实验验证了该算法的有效性,仿真结果表明,使用动态的控制方法具...     

连续时间Markov控制过程的平均代价最优鲁棒控制策略

在Markov性能势基础上 ,研究了一类转移速率不确定但受紧集约束的遍历连续时间Markov控制过程 (CTMCP)的鲁棒控制问题 .根据系统的遍历性 ,平均代价Poisson方程的解可被看作是性能势的一种定义 .在平均代价准则下 ,优化控制的目标是选择一个平稳策略使得系统在参数最坏取值下能获得最小无穷水平平均代价 ,据此论文给出了求解最优鲁棒控制策略的策略迭代 (PI)算法 ,并详细讨论了算法的收敛性 .     

基于AMDP-Q的自主车辆行驶策略求解

结合增广马尔可夫决策过程(AMDP),蒙特卡罗-部分可观察马尔可夫决策过程(MC-POMDP)以及Q学习,提出了AMDP-Q学习(AMDP-Q)算法.算法的主要思想是:首先用一个低维充分统计量表示原信念状态空间,通常使用最大似然状态和信念状态的信息熵作为充分统计量,其组成的空间称为增广状态空间;然后应用参考状态集离散化...     

改进遗传算法在过程系统工程中的求解策略

针对过程系统综合问题的多峰、奇异等特性 ,将遗传算法同可行域序贯搜索技术结合起来 ,实现对混合整数非线性规划问题 (MINLP)的有效求解。为克服遗传算法在可行域边界搜索效率较为低下的弊病 ,将惩罚函数同个体的生成函数有机地结合起来 ,利用惩罚函数将跨越可行域的不可行点拉回到可行域内。对过程系统综合中典型的MINLP问题的求解 ,表明该方法在求解过程中能有效地实现全局浏览 ,得到全局最优解或近优解。     

求解有限马氏决策问题的神经网络方法

在有限马尔可夫决策过程的线性规划求解方法以及神经网络算法的基础上提出了运用神经网络求解有限马尔可夫决策问题的方法．并通过算例验证了该方法的有效性．     

随机环境SMDP的弱收敛逼近

在随机环境半马氏决策过程的计算方法中,直接从最优方程求最优策略或求ε最优值函数都会遇到困难,本文讨论的弱收敛逼近提供解决这类问题近似计算的一种方法     

随机环境SMDP的弱收敛逼近

在随机环境半马氏决策过程的计算方法中，直接从最优方程求最优策略或求ε最优值函数都会遇到困难，本文讨论的弱收敛逼近提供解决这类问题近似计算的一种方法。     

基于遗传算法的极值问题求解

遗传算法是一种颇具生命力的算法，用遗传算法的思想来求解一函数取得最大值时的解，并给出了用遗传算法解此问题的详细过程。最后，对实验的结果进行了分析，并给出改进该算法性能的一些建议。     

基于过程神经网络和量子遗传算法的油藏采收率参量逆向求解

对于多输入多输出系统，针对如何根据系统模型和期望输出反求系统输入的问题，提出了一种基于过程神经网络和量子遗传算法相结合的方法，并给出了具体的实现方法。首先根据实际系统的领域知识和学习样本集，建立满足系统实际输入输出映射关系的正向过程神经网络；然后按照系统在过程区间的某一期望输出，用过程神经网络的输出误差构造适应度函数，用量子遗传算法逆向确定系统的过程输入信号，使该输入信号满足已建立的正向过程映射关系，从而完成系统的逆向过程控制。油藏采收率参量的逆向求解结果证明了该方法的有效性。     

基于过程神经网络和量子遗传算法的油藏采收率参量逆向求解

对于多输入多输出系统,针对如何根据系统模型和期望输出反求系统输入的问题,提出了一种基于过程神经网络和量子遗传算法相结合的方法,并给出了具体的实现方法.首先根据实际系统的领域知识和学习样本集,建立满足系统实际输入输出映射关系的正向过程神经网络;然后按照系统在过程区间的某一期望输出,用过程神经网络的输出误差构造适应度函数,用量子遗传算法逆向确定系统的过程输入信号,使该输入信号满足已建立的正向过程映射关系,从而完成系统的逆向过程控制.油藏采收率参量的逆向求解结果证明了该方法的有效性.     

基于遗传算法的工艺路线优化决策

为了实现计算机辅助工艺计划(computer-aided process planning, CAPP)系统中的工艺路线优化决策,分析了工艺路线优化决策过程中存在的问题以及相关约束,提出利用遗传算法对基于工艺约束的工艺路线进行优化决策.在加工工序排序决策过程中同时考虑机床和刀具的选择,通过遗传算法的复制、杂交、变异等操作进行工艺路线决策.结果表明 利用遗传算法可以有效地对工艺路线进行优化决策,得到满足生产要求的最优或接近最优的工艺路线.通过实例,详细介绍了利用遗传算法进行加工工序排序决策以及相关的机床和刀具的选择过程.     

基于遗传算法的ABS控制门限自寻优方法

结合国家关于汽车ABS制动控制性能优劣的相关评价标准和调试经验,分析了汽车的车辆单轮模型和ABS基于加减速度门限及参考滑移率门限的控制策略,设计了有效的适应度函数,提出一种基于遗传算法的ABS控制门限自整定方法,实现了控制门限参数优化的计算机自主寻优。仿真结果表明,该方法具有较好的适应性。     

基于遗传算法的ABS控制门限自寻优方法

结合国家关于汽车ABS制动控制性能优劣的相关评价标准和调试经验,分析了汽车的车辆单轮模型和ABS基于加减速度门限及参考滑移率门限的控制策略,设计了有效的适应度函数,提出一种基于遗传算法的ABS控制门限自整定方法,实现了控制门限参数优化的计算机自主寻优。仿真结果表明,该方法具有较好的适应性。     

基于遗传算法的SON功率控制

针对自组织网络(self-organizing network,SON)基站自动配置、自优化、自修复等优点,在深入研究遗传算法的基础上,提出了一种基于遗传算法的SON功率控制。通过划分频带和设置门限值来做到小区的功率控制,并提出了小区中心用户和边缘用户不同的SINR(signal to interference plus noise ratio)计算公式。为了更好地解决最佳门限值的设定,还提出了控制门限值的函数。通过建立遗传算法流程,对门限值函数和目标SINR值进行了寻优。仿真结果表明,该算法能够很灵敏地做到最佳门限值的搜寻,同时搜寻结果也符合相关理论的验证。     

遗传算法与神经控制的融合算法研究

遗传算法和神经控制是现代智能控制常用的两种方法,它们具有各自的优点和不足。将遗传算法用于前向神经网络的可能性进行了研究,阐明了遗传算法和神经网络结合的必要性。针对遗传算法和神经控制各自的优缺点,设计了二者的融合算法,将遗传算法应用于神经网络控制器的学习和训练,从而使建立的控制器兼有二者的优点,具有神经网络的广泛映射能力和遗传算法快速全局收敛以及增强式学习等性能,继而提高控制系统的性能。运用该方法对电加热炉温度控制系统进行的仿真实验,实验结果体现了良好的控制效果,证明了融合算法的优越性。     

基于遗传算法的鲁棒PID控制器设计

将基于遗传算法的PID控制器设计方法应用于分布参数系统,在这个过程中,将系统的鲁棒性能指标作为目标函数选择的重要依据,使用遗传算法对PID参数进行寻优.仿真结果表明,由于加入鲁棒性信息,改进方法完全满足了控制系统的快速性、稳定性和准确性要求,控制系统表现出很好的动态鲁棒性及性能鲁棒性.     

船舶航向保持的非线性逆推鲁棒控制算法

为提高控制器的鲁棒性能,针对非线性船舶航向保持系统,将简化的逆推算法与闭环增益成形算法相结合,设计出非线性鲁棒控制器.以大连海事大学实习船“育鲲”号为例进行仿真.结果表明,该算法能够使船舶无超调无静差地跟踪设定航向,调节时间为200 s,控制效果良好,且控制器对模型摄动具有一定的鲁棒性.该算法设计过程简单,物理意义明显.     

遗传算法与神经控制的融合算法

针对神经控制器和遗传算法二者各自的优缺点,提出了遗传算法和神经控制的融合算法——将遗传算法应用于神经控制器的学习和训练,使控制器兼有二者的优点从而提高控制系统的性能。运用该方法对电加热炉温度控制系统进行的Matlab仿真,结果表明采用遗传神经控制器的系统,不但提高了阶跃响应的快速性,而且大大减少了超调量。     

模糊遗传算法在混沌控制中的应用

将模糊遗传算法与混沌的延迟反馈控制方法相结合,提出了基于模糊遗传算法的延迟反馈控制方法.它利用模糊遗传算法强大的寻优能力来整定延迟反馈控制中的控制刚度矩阵参数,从而克服了延迟反馈控制中控制刚度难于确定的问题.对混沌Lorenz系统的仿真控制说明该算法具有快速性好和抗干扰能力强等优点.