基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

DEDS仿真模型优化算法的终止规则研究

终止规则在优化算法中起着十分重要的作用。本文首先对采用传统终止规则的优化算法在处理DEDS优化问题时遇到的问题进行分析,在此基础上针对DEDS优化问题及其算法的特点提出一个新的终止规则,文章最后通过实际例子对终止规则进行了仿真分析。     

基于仿真模型的排队规则遗传优化算法研究

排队规则是排队系统的重要组成部分, 直接关系到排队系统的运行效率. 本文以具有复杂结构的排队系统为研究对象, 构建了排队系统仿真模型; 进一步地, 考虑排队规则的多样性特征, 提出了基于排队系统仿真建模的排队规则遗传优化算法, 并进行了算法的优化设计. 基于眼科医院实际数据的分析结果表明, 与先来先服务(FCFS)排队规则相比, 本文提出的方法所得到的排队规则可以将平均住院等待人数减少1/2以上, 并可实现系统的长期稳定性. 论文工作实现了系统仿真与遗传优化算法的有效结合, 对优化复杂系统的排队规则、提高排队系统的运行效率具有积极意义.     

基于POMDP模型的智能雷达干扰决策方法

为了有效提高复杂电磁环境下对非合作方工作模式未知的智能雷达的干扰效率和准确率,提出了一种基于部分可观测马尔可夫决策过程(partially observable Markov decision process, POMDP)的干扰决策方法。首先,根据智能雷达的工作特点构建了智能雷达对抗系统的POMDP模型,采用非参数的、基于样本的信念分布反映智能体对环境的认知,并利用贝叶斯滤波更新智能体对环境的信念。然后,以信息熵作为评估准则,令干扰机选择信息熵最大的干扰样式不断尝试。最后,通过仿真实验与传统Q-学习法和经验决策法的干扰决策性能进行比较,验证所提方法的优越性。结果表明,所提方法能够根据未知雷达状态变化动态地选择最优干扰方式,且能更快实现对智能雷达的干扰决策。     

并行梯度算法的分散仿真

本文对并行梯度算法进行了分散仿真.并行梯度算法具有在结构上的分散性和通讯上的异步性的特点.由于并行仿真机具有并行地运行多个程序的功能;因此,用并行仿真机对并行梯度算法进行分散仿真,具有很大的方便性.     

面向仿真优化的粒子群算法计算模型

粒子群优化算法（Particle Swarm Optimization,PSO）是群集智能的典型代表,其参数较少且操作简单,故一直是智能优化算法研究应用的热点。然而PSO有易早熟和搜索精度不高的缺陷,针对此弊病,在基于仿真的优化（Simulation Based Optimization,SBO）思恕体系下,融合人工生命、基于Agent的升算和计算智能,提曲面向SBO的PSO计算模型,茅籽PSO的系统研宄和算法改庭抽象力一含大规模纽合优化问题的求解。最后利用一系列benchmark函数进行了仿真优化实验,取得了较好的结果,从而论证了本思想方法的可行性与可信性。     

基于仿真的铁路集装箱装卸策略优化

铁路集装箱运输系统是复杂的随机系统,难以用数学模型准确描述.采用基于仿真的优化方法,对铁路集装箱中心站集装箱装卸作业中,设备的配置和装卸策略进行优化.将仿真与GA相结合,提出了虚拟评价值的概念,计算目标函数适应值时,使用了案例检索、调整仿真模型时间步长和仿真次数等方法,有效地解决了基于仿真的优化方法中,计算量过大的问题,并且能够获得满意解,仿真实验证明了该方法的有效性.分析了集装箱装卸作业中的较优策略.     

基于机器学习的地铁行人流在线优化控制研究

为了实现高峰期地铁站行人流管控的在线优化,设计了基于机器学习的地铁站行人流管控算法框架。以某地铁车站早高峰的行人流管控流程为研究对象,利用Agent技术搭建地铁站行人流管控仿真模型。多次运行仿真模型可以获得深度学习网络的训练数据。通过对网络进行充分训练,得到优化调度策略。将网络接入地铁站行人流实时运行数据,实现实时优化管控。仿真实验表明：引入的深度强化学习框架可以实现在线优化,调度结果优于传统方法。     

基于遗传算法优化模糊对模型参数的算法设计及仿真

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法，提出基于GA的一套完整，系统的优化模糊对模型参数的算法，其关键是选择确定祖先节点a的方式和选择哪些变量作为染色体基因，对国际标准例题的仿真表明，该方法对算法初始值的选择不敏感，能显著提高模糊树模型的建模精度，在相同模型精度条件下，则可简化样本空间的划分，降低模型的计算量。     

基于深度强化学习的机场货运业务优化研究

为了将智能Agent技术架构应用于机场货运业务的仿真模型开发,以机场货运资源优化为目标,提出了将深度强化学习与机场货运业务仿真模型结合的决策支持系统框架,用仿真数据实现对深度学习网络的训练,运用深度学习网络优化模型中的调度方案.训练成熟的系统采取在线模式,可以用于实时优化货运流程的调度方案.为了验证架构的有效性,在An...     

基于ADAMS的并联机器人振动特性仿真及结构优化

提出了一种利用虚拟样机仿真技术进行结构优化的方法。分析了并联机器人的振动原理以及激振测试原理,并给出了利用正弦扫描进行激振测试的原理和流程。为了进行激振测试仿真,在ADAMS软件中建立并联机器人的刚柔耦合振动系统,并使该系统受到一定激振力产生位移响应,获得该并联机器人激振特性曲线,从而找出其薄弱环节并对其进行结构优化,对薄弱构件优化后再次对系统进行仿真测试,结果表明构件结构优化后的结果较为理想。     

虚实结合的多关节机器人开放式仿真系统研究

基于工业控制计算机、单片微处理器等硬件和OpenGL、VC 等软件,针对典型的五自由度多关节工业机器人构建出了一个虚拟现实和物理模型相结合的开放式通用仿真综合试验系统,给出了机器人三级控制系统体系结构和内部通信协议,建立了机器人运动学坐标系,推导出了相应的末端作用器位姿转换矩阵,可以完成机器人学中正向运动学、逆向运动学、路径规划以及动力学等方面的研究与设计。最后,将其成功应用于《工业机器人学》课程教学和智能型采棉机器人的研发过程中,发挥了重要的指导作用。     

基于遗传Data Farming的公共政策优化仿真模型

为了解决公共政策优化仿真时考察点不全面及耗费时间大的问题,提出了基于遗传DataFarming的公共政策优化仿真模型.所提出的模型中,Data Farming被用于全面地考察输入参数空间中各输入参数水平对应的输出响应,通过把仿真过程的输出过程看作适应度的计算,遗传算法被用于优化仿真过程,提高优化效率.分析了公共政策作用效果的影响因素,并介绍了传统的DataFarming技术,然后从仿真目标、模型框架、算法等三方面介绍了所提出的优化仿真模型.最后进行了实验,证明了所提出模型的有效性.     

基于遗传算法优化模糊树模型参数的算法设计及仿真

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法,提出基于GA的一套完整、系统的优化模糊树模型参数的算法,其关键是选择确定祖先节点a的方式和选择哪些变量作为染色体基因。对国际标准例题的仿真表明,该方法对算法初始值的选择不敏感,能显著提高模糊树模型的建模精度,在相同模型精度条件下,则可简化样本空间的划分,降低模型的计算量。     

基于Matlab的机器金枪鱼巡游的动力学仿真

利用大摆幅细长体理论,结合水动力学理论、能量守恒原理及效率理论,并对经典叶素理论进行修正,研究仿生机器金枪鱼游动的力学机理。建立机器金枪鱼的运动学物理模型,推导出动力学方程和效率计算公式。通过MATLAB仿真软件数值求解动力学方程,获得机器金枪鱼的位移、速度和推进力随时间的变化关系。并进一步分析了仿生机器金枪鱼的运动学参数对游速、推进力和平均效率的影响,为如何提高水下推进器的游速、推进力和效率提出一些理论基础。     

基于振荡器模型的蛇形机器人的步态仿真

自然界中的生物蛇具有多种周期性运动方式如蜿蜒运动、直线运动和侧移运动等,步态的多样性极大的提高了自然蛇对复杂环境的适应性.生物学家通过研究证明脊椎动物的这种节律性运动方式是由中枢神经模式发生器(CPG)控制的.针对蛇形机器人高自由度的机械结构和不同步态的运动特点,利用Hopf振荡器模型的稳态特性建立了蛇形机器人的CPG步态模型,通过ADAMS仿真实现了1种九连杆八关节机器人样机的蜿蜒运动和三维空间内的侧向蜿蜒运动,并讨论了 2种步态之间的切换.仿真分析结果证明该CPG模型在实现蛇形机器人2种步态控制上的有效性.     

基于Robust优化的多链库存系统动态切换模型及仿真

以两个单链合作为出发点,基于合作的方式不同创建了多个子系统,并以此建立了多供应链不确定切换系统模型。为了抑制多供应链系统在链间合作过程中产生生产运作波动和牛鞭效应,运用鲁棒优化理论给出了多供应链系统的切换控制算法,以及基于计算机的控制实现方法。结合多模型切换系统运作过程,仿真并对比分析了该多供应链多模型切换系统控制在有无切换两种情形下系统的订货波动变化大小和牛鞭效应变化大小。仿真结果表明多模型切换控制方法应用于复杂多供应链库存管理系统,可以抑制牛鞭效应,同时提高系统市场快速响应能力和集群整体需求放大性。     

基于OpenGL的机器人虚拟漫游系统开发

基于OpenGL图形库具有的强大三维渲染能力，开发了一个机器人虚拟漫游环境，提出了一种基于PC的机器人虚拟漫游框架，重点描述了建立三维场景及漫游系统中观察者与机器人的位置控制方法，实现了观察者与机器人的三种不同相对运动状态。实验结果表明，该系统取得了良好的仿真效果。     

多重约束下智慧仓储机器人配置仿真优化研究

针对智慧仓库的仓储机器人配置问题,构建了基于排队论的离散事件仿真模型,在保证系统可靠性和服务强度的前提下,考虑到故障对系统的影响,以距离成本、时间成本、空闲成本和购置成本所构成的总成本最小化为目标,提出了一种基于FlexSim平台的离散事件仿真优化方法。通过分析系统平均队长、订单平均逗留时间等指标,将直观化的系统瓶颈与运行实际数据相结合,求得系统成本最小的配置策略。结合实例,对算例中的智慧仓库机器人配置方案进行求解。结果表明,基于FlexSim平台的离散事件仿真寻优方法,能够求解仓储机器人配置的优化方案,并能保证模型方法的计算效率。