基于遗传算法的最优扩展螺旋搜索

本文在对传统螺旋搜索算法研究的基础上,提出了一种基于遗传算法的最优扩展螺旋搜索算法.该算法将遗传算法和扩展螺旋搜索法相结合,优化出搜索器在扩展螺旋搜索时的第一个探测点和运动转向角,为实现水下目标的最优搜索提供了条件.仿真分析了潜艇的运动速度和航向分别变化的情况下,所提算法与传统算法对目标搜索时间和发现概率的差异.由仿真结果可见,该算法可缩短搜索时间,提高发现目标概率.     

铁路通信网路径选择性能优化及仿真分析

提出了铁路通信运营支撑系统(RCBSS)的体系结构，讨论了Dijkstra算法在其电路路径自动搜索上的应用，在此基础上提出了基于动态权值、具有平衡网络负载功能的路径搜索优化方案，并利用存储过程、动态链表初始化、四叉堆排序以及双向并行搜索算法，有效地提高了其搜索速度，合理地分配了网络负载，使网络性能得以优化。最后，通过仿真性能分析证实了这一方案的优越性。     

不确定环境下多无人机协同区域搜索算法

针对通信约束在不确定环境下对多无人机协同区域搜索问题的影响,提出了一种基于预测控制思想的多无人机协同区域搜索算法,研究各种通信约束对多无人机协同区域搜索效能的影响。首先,根据多无人机协同搜索的行为准则建立了无人机运动模型和搜索模型。其次,分析了通信约束对于多无人机协同搜索的影响,结合预测控制思想,使多无人机在执行区域搜索任务时同时考虑当前搜索代价和长期搜索代价,提高了多无人机的协同搜索效能。使用蒙特卡罗方法对各种情况进行仿真,仿真结果验证了基于预测控制的多无人机协同区域搜索算法的合理性和有效性。     

基于遗传算法的网络脆弱性计算方法

韧性度是衡量网络结构脆弱性的重要指标,它描述了网络在节点失效或遭遇外来攻击时被破坏的难易程度、网络损毁后持续通信能力的强弱及修复受损子网的难易程度.韧性度的计算是NP问题,目前尚无多项式时间内的实用算法.针对穷举搜索算法时间复杂度过高的缺陷,提出一种基于遣传算法的韧性度计算方法,利用随机优化技术对韧性度的参数空间进行高效搜索.仿真试验表明,该算法能快速、有效地收敛于最优解,为基于韧性度的网络脆弱性评估提供了一种可行、有效的方法.     

对地观测卫星系统优化问题的求解框架与方法

对地观测卫星系统优化问题具有设计变量多、设计空间大、难以解析计算而仿真又十分耗时的特点, 因此提出了基于综合拉丁方试验设计和代理模型的仿真优化框架. 该框架通过综合拉丁方试验设计方法生成仿真方案, 然后通过Kriging代理模型对仿真数据进行优化分析, 为实现代理模型的更新提出了代理模型最优点与最大化期望提高相结合的方式, 为实现代理模型的优化, 提出了全局与局部相结合的搜索模式, 其中全局搜索采用遗传算法实现, 局部搜索采用改进广义模式搜索算法实现, 最后通过仿真实例验证了该求解框架的有效性.     

一种高效的实时交通信号灯控制算法

针对交通信号灯实时控制问题,设计了一种以最小化车辆等待时间为目标的数学模型,并给出了一种能求解该模型最优解的启发式搜索算法.仿真结果显示启发式搜索算法存在求解时间长,求解效率不稳定等问题.因此在原算法基础上加入了多阶段决策优化方法,并且在各个阶段中采用了限时搜索,使得算法能在固定时间内得到结果,保证了算法的稳定性和实时性.通过实际数据仿真显示,优化后的算法对比固定周期算法减少了车辆的等待时间;对比原始的启发式搜索算法,提高了求解效率,满足了实时控制的要求.     

基于无标度网络的应用层组播仿真

最新的研究表明,Internet网络中节点的连接度服从幂律分布,且具有无标度(scale-free)特性.基于无标度网络模型建立的网络仿真能够更真实的反映在互联网中应用的演化特征.基于对无标度网络的研究,提出了一种基于对数关系的改进的非平稳增长模型,在此模型基础上建立了基于gossip协议的应用层组播(ALM)的模拟仿真.仿真结果表明,与常用的随机网络模型比较,提出的基于无标度网络的模型与互联网的实际情况更吻合;与Planetlab实验床试验和实际测量数据分析比较,基于无标度网络的仿真可以有效模拟大规模网络上的应用.     

基于时间片段的多IT项目人力资源调度问题求解

针对多个IT项目的人力资源调度问题, 根据其在时间和人员方面的特殊要求, 可以将项目的演进时间划分 为相等的时间片段, 然后根据特定时间片段内的活动与可选人员之间的关系, 建立相应的人员调度方案搜索树. 将所有时间片段内的搜索树按顺序连接后, 可以得到总的方案树, 并列出所有的方案, 然后根据不同方案下得到的平均提前完工率和提前完工率方差, 找到最优解. 又为该搜索算法添加了启发规则, 使搜索空间急剧收缩, 极大提高了搜索效率. 基于该算法的特殊性, 可以将其用于求解许多具有与上述问题类似条件的资源调度问题. 本研究通过实例发现, 根据运算中的特殊规律, 该算法还具有进一步提取启发规则的潜力.     

一种无线传感器网络可靠传输协议及其仿真分析

在无线传感器网络应用中,不稳定的通信链路会导致较低的传输可靠性.提出一种基于"动态簇"的无线传感器网络可靠传输协议.此协议利用网络节点部署稠密的特点和无线信道的广播特性,使报文以簇为单位进行转发;各个簇的成员构成多路径以保证传输的可靠性,并通过限定转发簇成员个数来降低冗余传输能耗;簇是动态的,在数据每跳转发前通过"回退竞争"机制选出,完成转发任务后自动撤销.建立了网络仿真模型,用NS2网络仿真系统对此协议的传输性能,如传输可靠性、传输时延及传榆能耗,进行了仿真分析.仿真结果表明,此协议的综合性能优于同类协议.     

基于能耗的带时间窗车辆路径问题建模与仿真

基于节能环保的新视角,研究了以总油耗最小为目标的萨时间窗车辆路径问题,建立了基于油耗的数学规划模型,提出了随机变邻域禁忌搜索算法.该算法选用自适应并行算法构造初始解,采用了随机变邻域搜索和重起策略.最后,对具有不同目标的带时间窗车辆路径问题进行了数值仿真,并对客户规模、等待期油耗率和时间窗的变化进行了性能分析.仿真结果表明,基于总油耗的路线安排比传统的以总运行距离或总运行时间最小为目标的路线安排具有更好的节油潜力,也更能减少对环境的污染.     

带相关噪声的加权观测融合估计算法及其全局最优性

针对多传感器线性离散定常随机控制系统,当具有相关噪声且每个传感器带不同观测阵时,基于矩阵满秩分解与加权最小二乘理论,提出了新的加权观测融合估计算法。该算法首先将多个传感器的观测折算到一个等效的传感器上,对等效的传感器系统进行估计,证明了其估计结果相同于集中式融合稳态Kalman估计结果,因而它同样具有渐近全局最优性,且可明显减小计算负担,便于实时应用。仿真实验结果表明了该算法的有效性。     

Drifting model approach to modeling based on weighted support vector machines

This paper proposes a novel drifting modeling (DM) method. Briefly, we first employ an improved SVMs algorithm named weighted support vector machines (W_SVMs), which is suitable for locally learning, and then the DM method using the algorithm is proposed. By applying the proposed modeling method to Fluidized Catalytic Cracking Unit (FCCU), the simulation results show that the property of this proposed approach is superior to global modeling method based on standard SVMs.     

无人机动态环境实时航迹规划

提出了一种基于实时A*搜索的无人机实时航迹规划算法。该算法将飞行器运动与航迹搜索相结合,在飞行器飞行过程中实时规划出下一段航迹;在搜索过程中,使用了多步寻优搜索的方法,相比单步搜索生成的航迹更加优化;使用最小转弯半径对生成的折线进行连接,使路径平滑可飞;针对算法局限性,给出一种改出局部最优点的策略。最后经仿真证明了该算法能够较好地满足规划要求。     

基于仿真的双目标并行机开放车间自适应动态调度

针对工件到达时间与加工时间不确定，且存在紧急工件的并行机开放车间调度问题，以TWC(total weighted completion time)与TWT(total weighted tardiness)为优化目标，设计了一种集成FlexSim仿真模型与NSGA-Ⅱ算法的自适应动态调度方法。该方法以FlexSim模型仿真工件的生成和加工为基础，根据车间实时负荷确定动态调度周期，对紧急工件进行右移重调度，利用NSGA-Ⅱ算法生成双目标优化的调度方案。某晶粒拣选车间生产数据的实验结果表明，相较于利用规则的实时动态调度与固定周期重调度，提出的方法能够在最小化调度偏离度的同时获得满意解。     

An Approach of the Fuzzy Weighted Inputs to the Generalized Predictive Control

1　 IntroductionAs the representative of a kind of advanced computer control algorithm,generalizedpredictive control (GPC) is of many applications in various domains[1 ] .But to ourdisappointment,it is difficult to establish precision models,which makes GPC algorithmhave only limited robustness since GPC algorithm is still model based algorithm and thereexist such factors as nonlinearity,indefinity,etc,in some real systems.To improve the robustness of GPC algorithm and avoid the weakness …     

一种新的连续特征量化方法

对连续特征进行有效量化是水下目标分类中有待解决的一个重要问题。本文提出一种加权距离量化方法。该量化方法使用类别相对频率构造了两相邻区间的加权距离,将加权距离作为特征量化标准,在量化过程中,将加权距离最小的相邻区间进行合并,直到满足终止条件为止。文中使用递归最小信息熵、Chi2、加权距离等五种量化算法对27维水下目标的识别特征进行了量化处理,比较了各量化方法的性能。结果表明,使用加权距离量化算法对水下目标的识别特征进行量化处理之后,所产生的量化区间数目较少,量化时间较短,量化数据较好的保持了原数据的分类能力,且量化数据的分类时间也大大缩短。     

Grover quantum searching algorithm based on weighted targets

The current Grover quantum searching algorithm cannot identify the difference in importance of the search targets when it is applied to an unsorted quantum database, and the probability for each search target is equal. To solve this problem, a Grover searching algorithm based on weighted targets is proposed. First, each target is endowed a weight coefficient according to its importance. Applying these different weight coefficients, the targets are represented as quantum superposition states. Second, the novel Grover searching algorithm based on the quantum superposition of the weighted targets is constructed. Using this algorithm, the probability of getting each target can be approximated to the corresponding weight coefficient, which shows the flexibility of this algorithm. Finally, the validity of the algorithm is proved by a simple searching example.     

一种基于马尔可夫链的高维离群点挖掘算法

提出了一种基于马尔可夫链的离群点检测(outlier detection algorithms based on Markov chain, MRKFOD)算法。该算法把基本数据集看作一个加权无向图,数据集中的每个数据表示一个节点,用每条加权边表示节点之间的相似度;形成一个邻接矩阵,把邻接矩阵当作马尔可夫链中的概率转移矩阵;寻求概率转移矩阵的主要特征向量;把每个节点的主要特征向量值作为每个数据的离群度。实验结果表明,该算法与其他高维离群点挖掘算法相比,在效率及有效处理的维数方面均有显著提高。     

基于相关机会规划思想的模糊随机时间费用均衡模型

对于实际工程的管理者和决策者来说, 工程整体费用和工期之间如何达到均衡以及工程所处环境的不确定性是两个必须要面对和考虑的问题. 基于相关机会规划的思想, 针对随机性和模糊性并存的复杂不确定环境, 提出了一类时间费用均衡模型. 在建立的模型中, 以模糊随机变量来刻画工程所处的复杂不确定环境. 随后, 结合模糊随机模拟方法和遗传算法设计了一种混合智能算法, 用于求解该模型. 最后, 通过数值实验来验证所设计算法的有效性和稳定性.     

基于免疫克隆原理的改进粒子群优化算法的研究

提出了一种改进的粒子群优化(PSO)算法来进行函数优化,以克服PSO算法容易陷入局部极值的不足,加快收敛速度,从而实现全局搜索.PSO算法是基于群体智能的随机优化算法,参数结构简单,但收敛速度慢,容易陷入局部极值.通过对PSO算法的深入分析,基于传统的速度--位置更新操作,把免疫克隆(IC)原理引入PSO算法中,将抗体视为粒子,根据亲和度的高低进行粒子克隆选择、克隆抑制和高频变异,提高了种群的多样性和全局搜索的能力.测试结果表明,该算法完成全局搜索所需的迭代次数明显少于PSO算法,大大缩短了搜索时间,在多维函数最优解的搜索中具有优良的性能.