多信息流协作自组织网络资源优化策略研究综述

在基于协作通信的自组织网络中,需要对无线通信资源进行优化控制与合理协调,以提高对这些资源的使用效率,进而达到提高网络性能的目的;针对多信息流网络环境,以分布式最佳中继选择、基于节点状态的协作传输自适应以及跨层协作路由三大资源优化策略作为研究内容,对当前存在的研究成果进行了详尽的综述,并指出未来需要研究的内容以及需要解决的关键问题。     

一种新颖的协作式自组织学习社区算法

远程教育为学生和教师提供了巨大的方便，但同时也导致了许多“孤独”的学习者．提出一种基于信任奖励和动态交换机制的协作式自组织学习社区算法．该算法是基于动态学习行为，将具有相同兴趣的学生自动组成学习社区，帮助其分享学习资源．实验证明，本算法具有较高的效率和良好的可扩展性．     

基于几何特征的自重构模块机器人自修复算法

基于网格型的自重构模块机器人,研究了一种基于几何特征分布式自重构机器人的自修复算法.它用广度和深度优先算法搜索有效的运动路径,将故障模块转移到系统构型边界处释放,并用备用模块取代.分析了该算法实现任意位置故障模块的自修复过程,并优化了自修复过程中的模块运动路径.仿真结果表明,对于三维网格型的自重构机器人,该自修复算法是可行和有效的.     

宏观建模与多机器人自组织任务分配

针对两个紧耦合子任务的任务分配问题,从宏观层面上进行了数学建模,通过求解该数学模型,获得了任务分配需要遵循的基本分配原则.根据该原则设计了一个随机任务选择模型以及相应算法,通过统计机器人操作子任务的时间,算出每个子任务的选择概率,然后以该概率随机选择子任务.对基于该算法的随机系统进行了统计建模,分析表明该算法下任务分配结果与基本分配原则保持一致.最后,建立了一个多机器人物品搬运仿真实验系统,将任务分配算法应用到该系统,分析了算法的有效性以及各种参数对实验结果的影响.     

改进合同网协议的多移动机器人协作系统

以多移动机器人大规模搜索搬运为背景,探讨机器人异构、目标物异构情况下,多移动机器人协作系统的构建.通过改进合同网协议,实现动态局域网招标,并根据期望值投标,以期望值作为确定任务执行者的重要指标.仿真实验结果表明,该方法能大幅减少系统通信开销,有效缩短任务响应时间与任务完成时间,提高了系统效率.     

分布式多机器人协作研究与仿真

描述了一个分布式多机器人完成推箱子或其他任务的协作仿真平台．仿真系统可以用来试验机器人队伍的控制决策、团队组织原则．机器人可以通过环境进行协商，以简单的消息互相通讯．机器人通过传感器信息感知世界，并根据感知序列确定机器人行动．三维视图实时显示了机器人的运动状态，小地图显示了机器人的路径．     

一种多移动机器人协作围捕策略

提出一种在连续未知环境中实现多移动机器人协作围捕移动目标的整体方案.围捕包括包围目标和靠近目标,包围目标行为由强化学习算法实现.用状态聚类减小状态空间,利用Q学习算法获得Q值表,根据学习后的Q值表选择动作.对各种行为的输出进行加权求和获得综合行为,实现对移动目标的围捕.仿真实验获得了在不同条件下的围捕结果.结果表明,环境、hunter与prey的速度关系以及prey的逃跑策略对围捕效果都有影响.     

分布式多Agent局部控制下形成的宏观自组织

集中式协作过滤算法中 ,服务器的负荷过大且成为瓶颈环节 ,该文研究了分布式算法。Agent只有局部视角 ,算法以有限朋友列表和信任度为基础。文中将信任度的控制规则分为比例、积分、微分规则。通过仿真实验研究了比例、积分规则对系统全局性能的影响。实验结果表明 ,各个Agent通过自适应学习 ,逐渐与自己的朋友形成了恰当的信任联系 ,该连接强度反映了合作的密切程度。同时 ,所有这些连接强度构成的加权连接图 ,反映了多 Agent的宏观聚类效果和自组织现象     

多段电阻炉自组织模糊控制系统

介绍了自组织模糊控制的原理及其在多段电阻炉控制中的实现方法;并通过与其它控制算法的比较,同时指出了该算法的优缺点及其适用场合。     

一种WSN环境下多机器人协作式声源定位方法

研究多机器人协作式任务执行具有现实意义。针对目前机器人声源定位算法不能满足多机器人协作式搜寻声源的场合,提出一种无线传感器网络(Wireless Sensor Networks, WSN)环境下的多机器人窄带声源定位方法。该方法根据接收信号强度对多个机器人的全局坐标进行测距定位,利用到达时间差(Time Difference of Arrival,TDoA)定位方法估计机器人与声源的相对距离,并结合全相位傅里叶变换(all-phase FFT,apFFT)算法提高相对距离的估计精度,最后通过测距定位算法得到声源的全局坐标值。在4个WSN节点和3个机器人组成的系统中进行方法测试,实验结果表明：该方法能实现三机器人协作式的声源定位任务,定位准确率较高,可满足搜救场合中声源定位的要求。     

群机器人Flocking行为研究综述

主要回顾了群机器人自组织flocking行为的研究。首先,介绍群机器人学的含义及关键特征;然后,指出flocking行为在生物学上及机器人学上的意义,之后对目前的研究现状进行介绍。最后,按照以下的三个分类对群机器人flocking行为进行总结:行为控制,硬件设备及交流策略。     

基于复杂加权网络的移动协同空间分析

为解决移动协同空间的描述和分析问题，提出了一种移动协同网络，将协同空问中的终端及终端之间的关系分别映射为协同网络中的节点和边，同时定义两节点共有功能的数目为介于它们之间的边的权．通过定义节点的强度、聚类系数等参数，分析这些参数之间的关系，揭示节点在移动协同空间中所处的地位与其配置之间的关系，不仅为协同空间的构建和协同过程的监控提供了依据，也为协同伙伴的寻求和协同小组的划分提供了向导，说明复杂加权网络理论在移动协同空间分析中的应用是可行的．     

Self-organized criticality of forest fires in China

Self-organized criticality (SOC) of forest fires in China from 1950 to 1989 is studied. The stability, scaleinvariant character of SOC and external effects on SOC of forest fires in China are analyzed in detail. Forest-fire cellular automata model is a typical model for the research of SOC. Based on the traditional forest-fire model, an improved model, in which effects of tree species, meteorological conditions and human efforts on forest fires are considered, is introduced. Actual forest fire data in China are compared with simulation results of the two models. It is shown that forest fire data in China have SOC behavior and simulation results of the improved model accord better with actual forest fire data than those of the traditional model.     

二维准流体的自组织临界性

在二维ＢＴＷ模型的基础上建立了准流体系统的计算机仿真模型．研究了临界点的存在性和系统的临界指数行为,建立了一个新的临界参量,确定了具体的算法和程序,得到了一些有意义的曲线．结果表明,二维准流体确实存在自组织临界性．     

我国移动学习领域科研合作网络研究

从社会网络分析方法的角度,以CNKI刊载主题为移动学习论文作者的合著情况为样本,从数据预处理、核心作者群的选定两方面对合作作者的总体进行了分析.从合著网络的密度、中心性、平均路径长度、凝聚子群角度对移动学习领域科研合作网络作了实证研究,揭示了该领域作者群的一些特征,并建议要自觉融入合作网络,以适度增加合作网络密度;要积极加强合作,适度扩大合作网络的规模;要建立激励机制,培育“桥点型”作者,从而加强移动学习领域的科研合作.     

基于自组织神经网络的模式分类研究

分析了常用的ＶＱ（ＶｅｃｔｏｒＱｕａｎｔｉｚｅｒ──矢量量化）分类算法所存在的缺点，提出用自组织神经网络模型取代ＶＱ算法，对这种模式分类的过程进行了描述，并阐明它的优点．     

自组织生长InAs量子点的发光性质研究

通过对加InGaAs覆盖层的InAs自组织生长量子点的变温光致发光谱以及时间分辨谱的研究．发现低温下量子点的发光强度和光生载流子的寿命不变；中间温度区载流子寿命随温度升高而变大；更高温度时．发光强度和载流子寿命均随温度升高而快速下降．     

自组织竞争神经网络及其在社会经济区划中的应用

在MATLAB6.5软件的支持下,利用人工神经网络中"自组织竞争神经网络"的原理及聚类功能,选取耕地面积、人均耕地、农业总产值、乡镇企业产值、财政收入、农民人均收入等6项社会经济相关指标,较为客观地将宝兴县11个乡(镇)划分为3类社会经济区域,并对其分类结果进行了分析.结果表明,该网络能很好地反映并提取样本间复杂的信息,实现科学合理的社会经济区划.相比传统的系统聚类法,自组织竞争神经网络由于在运行过程中人为主观因素介入少,因此分类结果具有更大的可靠性,适于在社会经济分区中应用.     

Self-organized criticality of power system faults and its application in adaptation to extreme climate

This paper analyzes the statistics of faults in a transmission and distribution networks in central China, unveils long-term autocorrelation and power law distribution of power system faults, which indicates that power system fault has self-organized criticality (SOC) feature. The conclusion is consistent with the power systems data in 2008 with ice storm present. Since power systems cover large areas, climate is the key factor to its safety and stability. In-depth analysis shows that the SOC of atmosphere system contributes much to that of power system faults. Extreme climate will be more intense and frequent with global warming, it will have more and more impact upon power systems. The SOC feature of power system faults is utilized to develop approaches to facilitate power systems adaptation to climate variation in an economical and efficient way. Supported by the National Basic Research Program of China (Grant No. 2009CB219701), National Natural Science Foundation of China (Grant No. 50595414), and Youth Scientific & Technological Innovation Project of CSEE     

基于本体的多智能体知识共享和协作

研究了基于本体的知识建模过程及其应用模式，分析了采用本体模式的知识集成和共享，设计了本体知识库的集成和融合方法，提出了基于本体的多智能体知识共享和协作处理模型，并给出了该模型在医学中的应用。研究结果表明，利用本体方式来获取、重用、共享和组织知识，可以简化多智能体协作中知识交互的复杂性，加强异构知识源的融合。