基于遗传算法的机器人装配顺序规划的研究

装配顺序规划对于机器人自动装配的可行性和优化性方面起着重要作用。首先在装配工艺信息的表达、零件装配顺序的染色体表示、装配中约束的分类方法方面进行了研究，并提出将不同类型的约束在遗传算法的不同阶段予以考虑。针对装配零件顺序规划和优化中的具体要求，对遗传算法作了改进，在传统的遗传算法步骤中增加了一个静态约束检测步骤。仿真结果表明该方法是有效的，为机器人自动装配中的装配顺序的自动生成提供技术支持。     

基于最大期望算法的多时变信号DOA估计方法

当多个辐射源同时存在并交替发射信号时,接收数据间相互交错,且多个数据间并无显性关联,无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息。为了同时、高效地实现多个参数的联合估计,提出采用最大期望算法进行估计多个时变信号参数估计的新方案,将一个高维多参数优化问题分解成多个并行的低维问题进行求解。该方法主要包含求解期望值步骤和期望值最大化两个步骤。求解期望值步骤主要建立接收信号与其辐射源的对应关系,即信号分选,而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息。这两个步骤相互迭代,交替进行辐射源信号的分选与测向。同时,还推导出无源合成圆阵相位差数据的最大似然方法进行入射角的精确估计的闭合形式解,并通过接收信号的复数响应进行相位模糊解算,并推导出测向精度的理论下限。最后,通过数值仿真结果验证了该方法的有效性。     

基于最大期望算法的多时变信号DOA估计方法

当多个辐射源同时存在并交替发射信号时,接收数据间相互交错,且多个数据间并无显性关联,无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息。为了同时、高效地实现多个参数的联合估计,提出采用最大期望算法进行估计多个时变信号参数估计的新方案,将一个高维多参数优化问题分解成多个并行的低维问题进行求解。该方法主要包含求解期望值步骤和期望值最大化两个步骤。求解期望值步骤主要建立接收信号与其辐射源的对应关系,即信号分选,而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息。这两个步骤相互迭代,交替进行辐射源信号的分选与测向。同时,还推导出无源合成圆阵相位差数据的最大似然方法进行入射角的精确估计的闭合形式解,并通过接收信号的复数响应进行相位模糊解算,并推导出测向精度的理论下限。最后,通过数值仿真结果验证了该方法的有效性。     

探索曲面结构的小生境遗传算法

提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和约束交叉算子GC，定性地分析了它们的作用机制，给出了基子仿真实验数据的遗传算法收敛速度和全局收敛可靠性的定量计算方法。仿真实验数据表明，PLS能有效地提高搜索速度并维持足够的种群基因多样度，GC可有效地微调解的质量，使改进的遗传算法的全局收敛速度和收敛可靠性均显著地优于标准遗传算法，并具有良好的鲁棒性和稳定性．     

基于Jess和机器学习的Robocode策略研究与实现

研究Java规则引擎和机器学习在Robocode坦克机器人战斗仿真引擎中的应用。探讨利用Jess规则引擎对Robocode坦克机器人决策规则库部分进行开发与维护,满足仿真环境实时性和策略易扩展性的要求。同时为了提高坦克机器人的在线自适应和自学习能力,结合机器学习方法进行角色训练,利用人工神经预测网络对产生式系统中瞄准规则的火炮瞄准角度值进行优化。结合遗传算法与产生式系统,设计混合的移动策略选择器,并对神经网络预测瞄准和基于遗传算法的移动策略进行了实验,给出了实验结果。     

联邦对象模型与仿真对象模型开发过程建模

在基于高层体系结构(HLA)的分布仿真系统开发过程中,需要对仿真系统中的交互数据进行建模和抽象,以便生成FOM和SOM,保证联邦执行的正确运行。提出了综合开发联邦对象模型(FOM)和仿真对象模型(SOM)的七个步骤,并对各个步骤所完成的任务进行了详细的定义。这些步骤包括:对仿真任务中的实体和事件类型进行抽象和建模;分解仿真任务,确定联邦成员及其仿真的实体和事件类型;确定FOM中的对象类和交互类;生成SOM草案;综合SOM草案,生成FOM;确定FOM中的路由空间,生成正式的FOM;生成正式的SOM。     

自动化立体仓库拣选作业路径优化问题研究

合理优化货物的拣选路径是提高自动化仓库运行效率的一种有效方法.通过分析自动化仓库拣选作业的工作特点,为自动化仓库拣选作业创建了含装箱约束条件的多目标优化新型数学模型,用遗传算法对该数学模型进行了求解,基于不可行程度和作业次数对遗传算法初始种群的生成进行了改进.实验仿真和工程实际应用表明该模型和算法是可行、有效的.     

仿真实验数据一体化分析工具研究

为了实现仿真实验数据导入、数据分析以及分析结果报告生成的一体化操作,进而提高仿真实验数据分析工作效率,给出了仿真实验数据一体化分析工具的总体框架,对仿真实验数据库、样本数据提取机制、专家知识库以及过程管理信息库进行设计,并开发了仿真实验数据一体化分析工具。该工具在多个仿真实验中应用,很大程度上提高了数据分析工作效率。     

基于免疫机理的多峰值函数并行优化算法

多峰值函数的极值问题一直是优化领域中的一个难点和热点。传统搜索方法和遗传算法很难同时搜索出多个极值。基于生发中心中免疫细胞亲和度成熟的机理，本文提出了一种并行优化算法，目的是找出多峰值函数的多个最优解或最优解和尽可能多的局部优化解。算法的主要步骤有超变异、选择、记忆和相似性抑制。用不同的多峰值函数进行了仿真实验，并和相关算法进行了比较，结果表明所提出的算法具有良好的搜索性能。     

基于深度学习的体系作战效能智能评估及优化

采用仿真模拟评估方法进行体系作战效能评估包括配置想定、多次运行仿真系统和调用效能评估模型计算多个复杂步骤。针对此流程复杂、耗时长的问题,提出一种基于深度学习回归思想的体系作战效能智能评估方法,引入基于进化策略的作战效能优化流程。以全连接深度回归网络为预测模型,通过多个数据集的试验结果给出网络隐层数和样本量选择的指导原则。进一步结合遗传算法调整网络输入得到优化输出,迭代性能较好。以某仿真系统为例初步验证了其有效性和使用价值。     

声呐数据合成与环境仿真研究

研究了被动声呐数据合成与环境仿真的系统结构和水声合成信号的生成﹑建模与仿真试验。以水中运动目标为例,给出了水声环境下,合成信号、环境噪声、海洋声学的数学模型和合成环境系统仿真实验。该研究可用于水下探测系统和水声对抗系统的环境模拟,及水声设备的性能评估。     

人工社会--基于Agent的社会学仿真

介绍一个方兴未艾的热门领域——人工社会。这是一个采用复杂系统中的自下而上的建模方法，结合人工智能、Agent技术、计算机仿真、社会科学等多门学科的综合交叉学科。在简单的回顾了基于Agent社会学仿真的方法发展历史之后，较详细地介绍一个人工社会模型实例——糖域(Sugarscape)。然后就人工社会建模方法、步骤、特点以及与传统社会科学研究方法的对比进行评论。目前，虽然人工社会还没有形成一个完善的理论体系，然而它已经深深的渗透到了经济学、社会学、组织理论、环境科学、语言学、文化学等社会科学领域，并成为社会科学研究的一种重要方法。     

人口—经济仿真系统中的对话式模糊综合评价模型

本文描述了人口－经济仿真系统的工作机理，提出了一种对话式多层次目标模糊综合评价模型，并对该模计算机实现的算法步骤作了讨论。该模型，决策者可对人口－经济信真系统的多个仿真方案进行综合评价并选取处自己满意的仿真方案。实践表明，应用该模型可将因素对仿真方案的影响通过不同层交，不同阶段较为直观地表现出来，从而较好地保证了仿真客观性。     

改进的遗传算法在测试数据自动生成中的应用

提出了图的一种新的存储方式:双向邻接链表,可完备地表示软件项目的类图结构。基于自动插装,构造了一种新颖的用树结构来设计适应度函数的改进遗传算法iAGA,并使用自适应的交叉和变异算子来进行下一代生成。将改进算法与基本遗传算法SGA和自适应遗传算法AGA进行了比较,发现可以明显节省搜索和生成时间。使用三角形分类等实例进行了测试数据自动生成的验证,证明所提的iAGA改进算法是有效的。对采用均匀权值、自顶向下和自底向上这三种权值分配方式进行了比较,实验表明在采用树结构计算适应度方式下,均匀分配权值比较。     

阵列天线干扰抑制的一种改进遗传算法

提出了一种阵列天线干扰抑制的改进遗传算法,在射频端基于功率判决直接通过调节权系数进行波束合成,可以有效地抑制与信号方向不同的干扰。该算法引入嫁接遗传算法的基本思想,采用一个交叉矩阵来确定每一代每一个个体的交叉概率,避免了基本遗传算法过早收敛的缺点,提高了收敛性能。计算机仿真实验表明了该算法的有效性和鲁棒性。     

广义最小生成树的遗传算法求解及应用

介绍了最小生成树的概念,分析了最小生成树在实际应用中的局限性。引入了节点的度的定义,据此提出了广义最小生成树的概念。采用遗传算法来求解最小生成树,并针对普通遗传算法求解该问题的不足,提出了自调整的变异算子和限制父代个体数目的混合选择策略。通过一个有线电视网络的建模与仿真,表明了广义最小生成树模型的适用性。分别采用普通遗传算法和改进后的遗传算法进行求解,并将结果进行比较,证明了改进后的遗传算法的有效性。     

求解TSP的改进人工鱼群算法

利用遗传算法的交叉算子,并引入去交叉策略,对人工鱼群算法进行了改进,提出了一种改进型人工鱼群算法,并将该算法用于求解旅行商问题(traveling salesman problem,TSP)这一经典的NP难问题。通过实验仿真与目前TSP已知最优解进行对比分析,结果表明,改进后的人工鱼群算法在种群规模较小,迭代次数较少的情况下也可以收敛到已知最优解。     

一种快速的海浪仿真方法

海浪仿真的实时性是海洋场景仿真的重要需求之一。对海面网格和浪高计算同时进行简化处理,提出一种快速的海浪仿真方法。该方法采用放射状环形网格对海面进行LOD划分,用海浪谱反演生成海浪高度纹理图序列,并在GPU顶点着色器上对海面网格进行循环纹理映射以获得网格节点的动态高度数据。同时,采用多级纹理映射和视域裁剪对海面网格进行优化处理。实验结果表明,提出的方法能有效提升海浪仿真速度,仿真对CPU的占用率低,真实感强,可充分满足视景仿真系统对海浪仿真的实时性要求。     

多感知通道融合虚拟实验的快速生成方法

针对传统虚拟实验存在的开发效率低、体验单一等问题，提出多感知通道融合虚拟实验的可视化快速生成方法。对虚拟实验的实验步骤、实验步骤序列进行定义。提出基于Petri网的实验元素参数化描述方法对实验步骤序列进行描述，突破传统虚拟实验一步步按既定程序走的约束，支持建立探究式虚拟实验。提出路由图的可视化表达方法及其与Petri网之间的转换方法，使用户能通过编辑路由图的方式实现实验的快速开发，融入了嗅觉与温感两个通道的反馈，使实现视、听、嗅、触多感知通道融合的虚拟实现成为可能。为验证所提出的方法，开发了相应的原型系统，并以铝热反应实验为例，介绍生成过程。结果表明：该可视化快速编辑方法对虚拟实验的编辑有效且可行。     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。