基于加权k-均值聚类与粒子群优化的多航迹规划

针对复杂环境下的无人机多航迹规划问题,提出了将粒子群优化（particle swarm optimization, PSO）算法与加权k-均值聚类算法相结合的规划方法。每个粒子表示一条航迹,采用加权k-均值聚类算法对粒子进行分类,得到多个粒子子群,在每个子群内部进行一条可行航迹的优化,最终得到多条不同的可行航迹。对传统k-均值聚类算法进行改进,采用排挤机制产生初始聚类中心,针对实际环境中突发威胁的分布不均性,在聚类过程中,对航迹节点按照所在区域突发威胁的出现概率进行加权,提出了加权k-均值聚类算法。仿真实验表明,所提出的方法能够有效地得到无人机的多条可行航迹。     

基于事例推理的加工中心智能CAD系统研究

针对加工中心模块化设计智能ＣＡＤ系统,提出了基于事例推理的设计方法。文中建立了基于事例推理的方案设计事例树状分层模型和功能模块事例数据模型,提出了设计事例的检索算法及事例的修改与学习策略,最后给出了卧式加工中心设计实例。应用结果表明,基于事例推理的设计方法对开发模块化系列化产品是十分有效的。     

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合，提出了一种新的机器学习方法，实现了基于类比的案例推理学习模型。具体实现思想是，首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识，由所得结果建立一般模糊极小极大神经网络分类模型，然后用该模型实现新目标问题的案例相似性检索，最后针对目标问题结果案例完成案例学习。通过实例表明，该算法具有较好性能，并在基于案例推理的固体火箭发动机总体设计中成功应用，得到了论域覆盖面大的设计结果集。     

基于遗传-模糊聚类的说话人识别方法及其仿真研究

利用遗传算法的全局收敛性及模糊C-均值（FCM）聚类强大的局部寻优能力，提出了一种基于遗传-模糊聚类的说话人识别方法。对说话人的训练语音数据进行遗传-模糊的软聚类分析，从而得到分类中心的全局最优解，作为每个说话人的语音模型，最后利用最大总平均隶属度函数准则对待识别语音进行模糊聚类识别．除此之外，使用自适应参数增加遗传算法的局部搜索能力。实验结果表明，这种算法克服了传统硬聚类的缺点，避免了FCM对初值敏感及容易陷入最小值的缺陷，使聚类更加合理，更好地描述了说话人的语音特征。     

一种基于小生境遗传算法的星座识别方法

提出了一种新的PSK/QAM星座识别方法,将星座聚类问题转化为星座二维密度函数的数值优化问题,采用小生境遗传算法对该多峰值函数数值矩阵进行有效搜索,获取星座中心,最后结合聚类有效性评价和星座模板匹配,实现了信号星座类型的识别。与基于模糊C-均值的星座聚类方法相比,新方法与初始聚类中心和样本输入次序无关,缩减了星座识别过程中对聚类结果的评价,减小了运算量。     

基于CBR的水库洪水调度模式

由于水库洪水调度问题的复杂性和不确定性,单纯利用调度模型进行洪水调度在实际应用中往往存在一些问题.为了使理论研究尽可能与实际应用相结合,将人工智能中的基于事例推理(CBR)技术引入到水库洪水调度中,将以往的洪水调度事例作为历史事例以一定的结构和方式存储在事例库中,对于新的洪水调度问题,从事例库中寻找相似的事例,并根据其调度方案,确定新问题的解决方案.实际算例表明,对于水库洪水调度问题,基于事例推理的水库洪水调度能充分的将以往的调度经验和调度模型结合起来,使得调度结果更合理、可行, 具有较强的实用性.     

基于案例推理的纺纱质量预测模型研究

针对纺织企业的纱线质量控制问题,提出了基于案例推理(CBR)的纱线质量预测模型.利用纺织企业纱线生产中积累的历史数据构建案例库,采用聚类算法为其建立索引结构.在此基础上,使用最近邻法分两步检索出相似案例,并对相似案例进行修改以获得预测值,同时采取主动学习策略保存当前案例,更新案例库.最后使用纺纱生产的实际数据进行仿真,得到具有较高精度的预测结果,验证了模型的有效性.     

模糊C均值聚类算法的一种初始化方法

模糊Ｃ均值聚类算法（ＦＣＭ）在图像处理和模式识别中有着广泛的应用，该算法实质上是一种局部搜索寻优方法，对初始值很敏感，容易陷入局部极小值。当聚类数比较多时，往往得不到满意的聚类结果。本文首先讨论了ＦＣＭ算法初始化对聚类结果的影响，然后提出了一种基于形态处理的ＦＣＭ初始化方法。这种方法不仅可以得到比较满意的聚类结果，而且可以自动确定聚类数。     

基于多维伪F统计量的基因表达动态聚类分析方法研究

K-均值聚类分析算法是一种广泛应用于基因表达数据聚类分析中的迭代变换算法，它通过指定类别数K-基于给定的聚类目标函数，并采用迭代更新的方法，使得最终的聚类结果的目标函数值为极小值，达到较优的聚类效果。针对K-均值聚类分析算法存在参数依赖性强，且在整个聚类过程中类的数目无法改变的缺点，引入动态调整聚类个数的思想和多维伪F统计量，提出了一种基于多维伪F统计量的基因表迭动态K-均值聚类算法。实验结果表明该算法可以动态调整聚类个数，给出最佳聚类数目，从而获得较好的聚类质量．     

协同教育规划中的多主体动态协调

协同规划系统性能好坏的重要标志之一，即确保多个主体协调一致的问题求解。为此，本文提出了一个面向黑板的混合推理多主体系统结构，其中，基于事例推理实现多主体动态协调，用以解决由于主体间冲突所引起的系统控制问题。分析和讨论了主体间动态协调方式和协调过程以及基于事例的推理技术的实现方法。     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

基于多个混沌BP网的案例匹配技术研究

描述了混沌BP网的拓扑结构与实现步骤，引入了模拟退火的控制策略，以便在训练后期有效地控制混沌运动．提出一种基于改进的德尔菲法的算法来确定输出样本集，以提高训练质量，得到了预期效果．给出了基于多个混沌BP网的案例匹配技术框架，提高了案例匹配的效率．与最邻近法相比，结果表明该技术对于类似钢铁生产动态调度这样的复杂系统，能够提高案例匹配的精确性，更适于解决案例属性权重难以确定或存在着耦合和复杂的非线性关系的问题．     

面向复杂仿真元建模的序贯近邻探索实验设计方法

复杂仿真影响因素多,影响关系非线性,需要高效的元建模方法.元模型的建立不仅取决于所选定的元模型数学结构,还取决于仿真训练数据的充分性.数据充分性直接影响到仿真实验空间的设计与实验运行的计算复杂度,需要通过针对性的仿真实验设计方法来应对维数爆炸困境.序贯实验设计方法可以有效提高设计的效率,但传统上的序贯方法依赖于人工干预...     

快速JPDA算法的递归和并行实现

联合概率数据关联算法（ＪｏｉｎｔＰｒｏｂａｂｉｌｉｓｔｉｃＤａｔａＡｓｏｃｉａｔｉｏｎ，ＪＰＤＡ）是密集杂波环境下一种良好的多目标数据关联跟踪算法。但是，当目标的数目增大时，关联概率计算时的计算量爆炸效应一直是一个难题。为降低计算量，有不少文献讨论了次优ＪＰＤＡ算法，但都是以降低关联跟踪性能为代价的。本文将从联合关联事件的构造出发，讨论关联假设事件的分层构造以达到降低计算量的目的。这里的层次可从０取值到某一Ｌ值，０层表示没有任何目标能够跟当前的观测数据关联。Ｌ层表示共有Ｌ个目标可以跟当前扫描得到的观测数据相关联。本文在关联事件的构造中，各层次的搜索具有递归性并可以独立进行，因而可以并行实现。文中还将本文的方法跟有关文献作了比较，并且给出相应的计算机仿真实验及其结果     

基于GA-RL的进化博弈求解主从博弈结构的供应链协调问题

供应链协调问题多数基于主从博弈结构建模,但如果研究对象是相对复杂的供应链结构.理论求解主从博弈问题就变得困难.因此从求解一对一的供应链协调问题开始,针对主从博弈问题的特点,利用个体学习的进化博弈仿真手段,设计了经销商利用经验分布的预期随机需求的信念更新模式与最优反应的决策模式,为生产商分别设计了基于强化学习的信念更新模式与基于遗传算法搜索策略空间的决策模式,并将两者有机结合,取得了博弈问题的均衡解并且验证该解与理论求解结果一致,为进一步求解复杂问题提供了新的途径.     

基于正交遗传算法和灵敏度分析的体系仿真优化方法

体系对抗已成为当今战争的主要形式,因而急需对体系优化问题进行深入细致地研究.鉴于此,提出了一种基于正交遗传算法和灵敏度分析的体系仿真优化方法.该方法采用正交遗传算法在可行域内快速地搜索一些较优方案(解);利用灵敏度分析方法从已评估方案中得到待研究体系输入、输出之间的灵敏度关系;应用这种灵敏度关系来指导正交遗传算法的后续搜索.最后采用一些数据实例来验证该方法,实验结果表明,该方法是可行的、正确的和有效的.该方法能在较少次数的仿真后,得到待研究体系的满意解或最优解;同时,该方法可推广到其它复杂优化问题的求解中.     

基于线性回归分析的快速搜索聚类中心算法

针对一种可快速搜索和寻找到聚类密度峰值点聚类算法的缺陷,利用线性回归与残差分析的方法进行改进,可自动、快速地确定聚类中心且优化样本点密度值。算法利用样本点的近邻信息重新度量点的密度值,提高聚类中心点位置稳定性;利用一元线性回归与残差分析,快速、自动地选出聚类中心点,去除了人为选择的主观性。通过理论分析以及在人工数据集和真实数据集的对比实验表明,提出的基于线性回归分析的快速搜索聚类中心算法能够克服原有算法的缺陷,并且在聚类效果和计算时间上优于原有算法、基于密度的带有噪声的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)以及K-means算法。     

概率天气预报的K近邻非参数估计仿真模型

基于模式识别和相似预报思想，提出了一种制作概率天气预报的K近邻非参数估计仿真模型(简称KNN-M)。该模型包括历史样本数据库、近邻子集搜索程序、近邻子集优化算法和预报量估计技术。利用该模型进行了降水和云量的概率预报试验，独立样本检验结果表明，该模型预报稳定性好，预报准确率较高，具有较好的业务应用前景。     

Control model of neural network based on novel genetic algorithm for PEMFC

The operating temperature of PEMFC stack is a very important control parameter. In operating process, electro-chemical reaction and the humidity of proton exchange membrane vary sensibly with it, the variation of operating temperature has a significant influence on the output performance and lifespan of fuel cells. The most existing PEMFC mathematical models are too complicated to apply in on-line control process, so it is necessary to find a simple accurate stable control method. In this paper, a novel genetic algorithm (NGA) is presented, which possesses stronger global searching and local optimizing capacities than SGA. NGA is applied to optimize rapidly the weights of neural network according to the population of excellent individuals, neural networks technique is used to establish a self-adjusted control model for PEMFC system. The results of simulation and experiment are given in the end.     

一体化集货和配送车辆路径问题的混合遗传启发式算法

为满足电子商务客户多样化和个性化的需求,建立多约束条件的一体化集货和配送车辆调度模型.针对模型特点,采用混合遗传启发式算法求解.首先,采用自然数编码,可以使问题变得更简洁;用最佳保留选择法,以保证群体的多样性;用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏,保证算法能够收敛到全局最优;其次,对混合遗传算法求得的精英种群进行禁忌搜索求解.通过实例计算表明,该算法好于单独使用遗传算法或是禁忌搜索算法.