基于细胞自动机模型的自适应生产调度问题

用细胞自动机来建模生产调度问题,通过把调度序列分散到规则网络中,相邻细胞之间相互影响,可以避免细胞的早熟.当进化过程出现扰动时,可以通过控制器自行修改相关参数加以响应,实现自适应调度.介绍了细胞自动机的建模原理,并结合遗传算法的运算因子和进化规则,讨论了基于遗传细胞自动机模型的自适应生产调度方法,用算法的仿真结果验证了模型的有效性和适应性.     

扩展产生式规则的网络故障诊断专家系统

根据自然语言理解和网络故障诊断专家系统的特性,提出了一种扩展产生式规则的知识表示方法.扩展产生式规则将规则的前提、结论和建议分别用概念图表示,是一种混合知识表示方法.在扩展产生式规则知识表示方法的基础上,设计出了网络故障诊断专家系统的模型.该系统具有自然语言接口,可将网络中有关故障问题的汉语语句转换成概念图;经过专家系统推理后,可将推理结果和推理过程转换成汉语输出.为了增强专家系统知识获取的灵活性,在系统中还增加了Apriori关联规则挖掘算法,通过对陷阱协议数据单元挖掘,实现在线知识获取.利用该系统模型已开发出网络故障诊断专家系统原型.     

基于UML的领域规则建模方法

为了实现领域约束规则的可视化表示,检验需求模型与领域知识之间的一致性,该文提出一种领域规则建模及需求模型验证方法.在借鉴本体定义元模型和语义网规则语言(SWRL)基础上,定义了一种领域规则定义元模型.用该元模型扩展统一建模语言,使其可用于领域规则建模.给出了领域规则模型到SWRL描述的转换方法,使需求模型验证可通过形式化推理引擎自动完成.通过模型验证案例分析,说明了该方法的可用性.     

基于时间有限状态自动机的事件重建推理算法

应用时间Mealy型有限状态自动机(TMM)模型进行系统建模及计算机证据的形式化.针对单路推理算法推理时随着搜索路径的延长造成推理效率下降的问题,利用证据的时间先后关系以及推理路径数量发散特性,提出一种双路双向事件重建推理算法以提高推理效率.在8个时间MeaIy有限状态自动机模型上进行了推理验证,实验结果表明该算法推理效率得到了提高.     

基于超图文法的软件体系结构动态演化

提出用带约束的超图表示软件体系结构,给出基于超图态射的软件体系结构动态演化通用产生式规则的形式化语义和操作,定义类型超图作为体系结构风格,运用超图文法和体系结构风格建模软件体系结构动态演化.为了验证软件体系结构动态演化的正确性,采用模型检测技术,设计算法对软件体系结构动态演化性质进行形式化验证,并应用模型检测工具进行实验分析.该方法既提供了图形化的直观表示,又展示了基于文法的形式化理论框架.     

面向灾害蔓延仿真的元胞自动机通用模型

为模拟灾害蔓延而建立的元胞自动机模型种类繁多,但尚无一种通用的建模方法。基于此提出了一种面向灾害蔓延仿真的元胞自动机通用模型。首先,通过解析灾害蔓延机理和理论模型,根据灾害动态发展变化过程的相似性,将灾害蔓延分解为灾害量集、时空邻域集、判定规则集、更新规则集4个部分;其次,采用元胞自动机的建模方法将4个部分重新组合,构建灾害蔓延的元胞自动机参数计算仿真模型;最后,利用所提方法改进了A.Ohgai的城市火灾蔓延模型,并进行了实例验证分析。研究结果表明：所提模型只需输入环境数据和灾害起始扰动,就能得到灾害模型中的各项动态参数,可为多种灾害蔓延仿真提供通用建模方法和实现模式。     

基于模糊元胞自动机的复杂图案、纹理生成实现

结合模糊规则和元胞自动机的机理,分析了模糊元胞自动机的基本原理,根据元胞自动机的不同构形,提出多种模糊元胞自动机演化规则,并根据这些基本规则,分别用3邻元、5邻元以及9邻元进行元胞状态更新,生成了多颜色\复杂、漂亮的图案和织物纹理,其结果在针织织物设计中意义重大.     

应用UML2.0模型的测试用例生成方法

针对软件开发过程中测试自动化程度低的问题,在研究基于模型的测试用例生成技术的基础上,提出了一种基于UML2.0序列图与用例描述的测试用例生成方法.采用事件确定有限自动机来描述系统序列图,通过命题投影时序逻辑的模型检测技术,验证了自动机模型的正确性.使用自动机模型与用例描述来生成测试用例,该用例满足事件与全路径覆盖准则.通过对图书管理系统的分析表明,该方法不仅能够提高软件的测试效率,而且还确保了针对管理员的执行动作所产生的测试用例的正确性.     

股市投资复杂性的元胞自动机模拟

以上海股票交易市场为研究对象,将元胞自动机的建模理论与方法应用于股票市场的复杂性模拟。建立了基于投资分析的元胞自动机模型;采用分形理论为工具,应用重标级差(R/S)方法,对比现实与模拟数据,验证了模型仿真的有效性;应用模型,通过改变初始值和规则,进一步研究了股票市场的复杂性。     

下推格值自动机词的计算

在格半群意义下,提出基于词计算的下推格值自动机模型,它的输入是输入字母表的模糊子集,即词串,对应的是具有模糊性的自然语言.并研究下推格值自动机识别的格值词语言,利用格半群的性质证明了下推格值自动机基于词的计算可以通过基于值的计算实现.     

Research on transformation from UML statechart to interface automata

This paper studies the problem of deriving an interface automata model from UML statechart, in which, interface automata is a formaliged model for describing component behavior in an open system, but there is no universal criterion for deriving behavior from component to construct the model. UML is a widely used modeling standard, yet it is very difficult to apply it to system verification and testing directly for its imprecise semantics. After analyzing the expression ability of the two models, several transformation rules are defined and each step of transformation is described in detail, after that, the approach is illustrated with an example. The paper provides a method for acquiring interface automata and lays the foundation for related research.     

改进最短距离法自动获取元胞自动机转换规则

提出了一种利用改进的最短距离算法自动获取地理元胞自动机转换规则的方法。CA的核心是如何定义转换规则,但目前主要是采用启发式的方法来定义转换规则,受主观因素影响较大。该模型通过熵化空间变量特征权重,对最短距离算法进行改进,自动获取CA的转换规则和模型参数值。并与一般的最短距离算法进行对比分析,结果表明,改进后的的最短距离算法所提取的转换规则在模拟城市发展时具有更高的精度,并且具有清晰的物理意义。     

产生式系统与神经元网络的结合

提出了产生式系统和神经元网络相结合的方法,研究了从推理网络转换到神经元网络的途径,研究了从神经元网络权矩阵转换到产生式规则的方法,从而使产生式系统能自动修正规则和获取规则.还提出了一种由二次型阈值元件组成的神经元网络,给出了它的学习算法,并严格证明了它的收敛性.     

用前向神经网络获取特定结构的规则知识

介绍一种用前向神经网络来获取特定结构的产生式规则知识的方法，这些规则知识既可以用于解释神经网络的行为，又可以用于问题求解，获取的产生式规则知识可以是任意形式的，也可以是包含多个推理步的多级推理链知识，而且具有所需的易于理解的特一表达结构，另外，文中还提出了解决智能系统形成过程中知识不断增长问题的方法，大量的逻辑表达式学习实验结果表明，文中获取规则知识的方法是有效的。     

二维Ising模型元胞自动机(Q2R)模拟

用元胞自动机Q2R规则来模拟微正则系综的临界行为,同时考虑到二维Ising模型[2]的同步演化.计算结果表明,此数值仿真能够显示二维晶格在孤立条件下的自发磁化.可以为三维Ising模型的仿真计算奠定基础.     

铸造铝硅合金液相线自适应神经-模糊建模

在合金熔炼和加工过程中,往往需要知道液相线温度,以便确定相关工艺参数.建立能从成分预测铝硅系工业铸造合金液相线温度的模型.收集工业合金实测数据,采用模糊推理方法,建立了合金液相线温度的自适应神经-模糊推理模型.它具有Takagi-Sugeno型网络结构,能直接从数据中提取推理规则,并可利用前馈神经网络的学习能力调整参数.与现有的其它统计回归模型相比,模糊推理模型能反映成分之间的交互作用,具有更高的预测精度.在铸造合金研究、热力学计算和凝固过程数值模拟时,所建立的模型可用于计算工业合金的液相线温度.     

基于目标函数的矩阵分解非线性系统模糊建模

提出了基于新的目标函数的模糊聚类建模方法．改进的模糊聚类方法把模糊模型结构辨识和参数辨识融为一体．首先,通过新的目标函数的最小化确定模糊模型的输入空间,即确定模糊规则和规则数、参数．然后对经模糊聚类得到的模糊前件推理矩阵进行QR分解,通过分析秩亏损确定重要的聚类规则．为了证明这种建模方法的性能,对非线性系统进行了仿真建模研究,仿真结果证明所提出方法是一种有效的、精确的模糊建模方法.     

Incorporating Linguistic Rules in Statistical Chinese Language Model for Pinyin-to-character Conversion

An N-gram Chinese language model incorporating linguistic rules is presented. By constructing elements lattice, rules information is incorporated in statistical frame. To facilitate the hybrid modeling, novel methods such as MI-based rule evaluating, weighted rule quantification and element-based n-gram probability approximation are presented. Dynamic Viterbi algorithm is adopted to search the best path in lattice. To strengthen the model, transformation-based error-driven rules learning is adopted. Applying proposed model to Chinese Pinyin-to-character conversion, high performance has been achieved in accuracy, flexibility and robustness simultaneously. Tests show correct rate achieves 94.81% instead of 90.53% using bi-gram Markov model alone. Many long-distance dependency and recursion in language can be processed effectively.     

The Application of Big-Neuron Theory in Expert Systems

With a new way of knowledge representation and acquirement, inference, and building an expert system based on big-neurons composed of different field expert knowledge presented, the fundamental theory and architecture of expert system based upon big-neuron theory has thus been built. It is unnecessary to organize a large number of production rules when using big-neurons to build an expert system. The facts and rules of an expert system have already been hidden in big-neurons. And also, it is unnecessary to do a great quantity of tree searching when using this method to do logic reasoning. Machine can do self-organizing and self-learning.