0／1背包问题的动态状态树的回溯算法

本文给出了一个以动态状态空间树为基础的０／１背包问题的回溯算法．动态树方法对求解线性规划问题等是非常有用的，该算法所用时间比静态状态空间树方法要少．文中给出的Ｓｐａｒｋｓ算法经用Ｃ语言写成程序上机验证，思路正确     

求符号系统函数的新算法：状态空间树法

应用LIFO分支-定界搜索法和状态空间树概念,提出了求符号行列式的新算法SSTMSD——行列式的状态空间树法(它是Minty算法的发展和改进);根据它并应用变形图概念提出了求符号系统函数的新算珐SSTMSF——系联函数的状态空间树法。     

0／1背包问题的动态状态树的回溯算法

本文给出了一个以动态状态空间树为基础的０／１背包问题的回溯算法。动态树方法对求解线性规划问题等是非常有用的，该算法所用时间比静态状态空间树方法要少。文中给出的Ｓｐａｒｋｓ算法经用Ｃ语言写成程度上机验证，思路正确。     

一种状态集结因子化SARSA（λ）强化学习算法

提出了一种自适应状态集结因子化SARSA（λ）强化学习算法,在学习的过程中利用Bellman余留数进行状态集结,通过集结,大大减少了状态空间搜索与计算的复杂度,有利于求解大状态空间的MDPs问题,而且,本算法不需要有关状态特征的先验知识,有很好的通用性。     

状态空间搜索的几种算法讨论

论述了状态空间搜索的几种算法，给出了深度优先搜索、广度优先搜索和启发式搜索之间的算法比较。通过比较，得到了这样一个结论：在通常情况下，采用启发式搜索算法来进行状态空间搜索更为方便、快捷。     

技能背景下学习空间的判别方法和技能评估

技能背景是以问题为对象、技能为属性并体现问题与技能关系的一种特殊形式背景，在技能背景下，通过面向问题概念格和面向技能概念格分别得到知识空间和闭包空间.知识状态是知识空间理论的核心概念，它不仅体现个体当下的学习现状，还可以通过非空的内、外边缘指导下一步的学习.但在知识空间和闭包空间下，知识状态可能不存在非空的边缘，而在良级知识结构下，任意知识状态都存在非空边缘.良级知识空间是学习空间，而且良级知识空间和良级闭包空间都是程序性知识评估的重要工具.在技能背景下研究知识空间是学习空间的充要条件以及什么样的闭包空间是良级的问题.首先，基于知识状态的关系提出良好技能背景，并给出技能背景下学习空间的判别方法和良级的闭包空间的充要条件；其次，根据良好技能背景对个体进行技能评估，得到个体的能力范围；最后，提出技能推测关系，同时给出求解技能推测关系和寻找学习路径的方法 .     

一类求解CSP问题的混合算法

在研究了各种求解CSP问题方法的基础上,提出了一个基于分层技术的混合算法,从理论上分析了该方法能以少的代价来缩小搜索空间,并且能求出全部解的特点.最后用一个经典问题——皇后问题作为例证,求解的结果表明该方法是有效的.     

投资评价推理模型及其框架式知识表示方法

针对投资项目评价的ＡＨＰ方法，提出了一种建立在知识处理基础上的推理求解模型，讨论了评价知识的特点及评价知识的框架表示法，研究结果为评价问题的知识处理方法提供了一种可行途径。     

基于状态空间理论的多变量样条元法

本文提出一种基于状态空间理论的多变量样条元法。文中根据弹性理论的控制方程和二类变量广义变分原理导出状态方程．应用基样条函数构造二类场变量函数，建立了以样条结点参数为未知量的状态方程组，由现代控制论中的状态空间法来求解．文中给出平面应力问题的数值算例，计算结果表明，与材料力学方法十分接近．本文方法计算量小、精度好、效率高，可推广应用于板壳结构等问题     

一种基于状态空间搜索的混沌分组密码

传统分组密码的结构缺陷性比较明显,使得密码安全性大大降低.奉文设计并实现了一种基于混沌状态空间搜索的混沌分组密码.提供了状态空间搜索过程,引入了参数变换单元,最后进行了性能分析.在搜索过程中,密码分析者无法得到混沌轨道信息,从而不能利用混沌理论工具进行攻击.     

基于回溯法的最优送货路线图

回溯法解问题时能充分运用问题的已有解,节省算法的时间,加入一定的限界条件用,可以使搜索的空间大大减少,使某些难解问题得到可行解。     

基于显式Wilson-θ法的动载荷识别研究

推导出多自由度动力学方程的Wilson-θ数值算法显式表达形式,进而提出了一种显式Wilson-θ 的动载荷识别算法.该算法避免了Wilson-θ算法的隐式迭代形式的迭代误差,在拥有显式算法特性的同时具备隐式算法的特性.当θ取合适的值时,该算法是无条件稳定的.通过悬臂梁的算例和实验对算法的识别效果进行了验证,并与传统的状态空间法的识别结果进行了对比.结果表明:该算法不仅能够对矩形载荷、谐波载荷和随机载荷进行准确地识别,并且比状态空间法的识别精度更高.     

计算模态响应灵敏度的两种方法比较

 从结构强迫振动的有限元方程出发,用Newmark 直接积分法和状态空间法两种不同的方法计算出结构的模态响应。进一步用两种方法推导了模态响应对结构物理参数(如单元杨氏模量)的灵敏度。计算了模态位移、速度和加速度响应对单元杨氏模量的灵敏度,并且对这两种方法的计算效率和精度进行了比较。计算结果表明两者精度相当,但状态空间法所需要的计算计时要少,比Newmark法具有较高的计算效率。因此,状态空间法更适合用于正问题分析中结构动态响应的计算。     

框剪结构协同分析的状态空间法

在楼板刚性和连续化假定下,基于并联铁摩辛柯梁模型,引入建筑结构状态变量的概念,导出高层框架-剪力墙结构协同分析的控制微分方程,将方程进行无量纲化,建立框架-剪力墙结构协同分析的状态空间表达式,并采用精细积分法求出其高精度数值解,最终得到框-剪结构协同工作的变形和内力。建立的并联铁摩辛柯梁模型具有通用性,采用的计算方法精度较高,有很强的适用性,可以推广到其他结构的静力和动力计算中。     

框剪结构协同分析的状态空间法

在楼板刚性和连续化假定下，基于并联铁摩辛柯梁模型，引入建筑结构状态变量的概念，导出高层框架-剪力墙结构协同分析的控制微分方程，将方程进行无量纲化，建立框架-剪力墙结构协同分析的状态空间表达式，并采用精细积分法求出其高精度数值解，最终得到框-剪结构协同工作的变形和内力。建立的并联铁摩辛柯梁模型具有通用性，采用的计算方法精度较高，有很强的适用性，可以推广到其他结构的静力和动力计算中。     

用遗传算法解决博弈问题

解决博弈问题的传统算法——搜索树法所无法克服的对搜索深度的限制.以五子棋为例,提出了用遗传算法代替搜索树法解决博弈问题的基本方案,并对适应度函数的设计作了一些有益地探索,给出了设计适应度函数应满足的必要条件.实验表明,用遗传算法所设计的对弈程序优于搜索树法.     

不确定信息的模糊决策融合算法

针对不确定性问题,提出了一种新的基于知识发现的信息融合的方法·利用模糊决策树的ID3算法对测试空间中的大量不确定多源信息数据进行综合分析、处理,建立准确的评估模型,提取隐含其中的规则,最终获取新的知识·此方法已成功应用于吉林丰满水电数字仿真系统中的考核系统·实验证明,这种知识提取方法充分体现了信息融合中解决多源信息数据的思想,能很好地解决系统中数据存在的无序、不确定问题,并能有效地提取出规则·     

基于正域的决策树构造方法

决策树是数据挖掘中的一种重要分类方法。在此以粗糙集理论中的正域为启发式函数,设计了一种新的、有效的决策树构造方法。该算法具有较大的灵活性,能从测试属性空间逐次删除已使用过的属性。避免对这些属性进行重复测试,减少测试空间,降低了树的复杂性,从而提高了分类效率。最后,实例验证了算法的可行性与有效性。     

多传感器矩阵加权信息融合预测控制算法

针对多传感器线性离散时不变随机控制系统,应用Kalmam滤波方法,基于状态空间模型,在线性最小方差最优信息融合准则下,给出了多传感器按矩阵加权信息融合预测控制算法.该算法将信息融合Kalman滤波器和预测控制相结合,避免了求解复杂的Diophantine方程,可明显减轻计算负担.与单传感器情形相比,可显著提高控制精度.一个三传感器目标跟踪控制系统的仿真例子说明了算法的有效性和正确性.