基于谱方法的复杂网络中社团结构的模块度

现实中的大量复杂网络表现出明显的社团结构, 模块度是衡量网络社团结构划分的重要指标函数, 但最常用的NG模块度存在分辨率限制问题, 不能识别出小于一定规模的社团. 文章在谱映射的基础上, 提出了复杂网络社团结构的两种模块度. 改进的表现模块度不仅能够应用于有权网络, 而且部分解决了NG模块度的局限性问题; 内聚模块度以社团内部的内聚度为衡量依据, 从根本上避免了NG模块度和表现模块度可能出现的不恰当划分情况. 最后通过计算机生成的测试网络和两个经典网络, 与NG模块度对比验证了表现模块度和内聚模块度的可行性和有效性.     

基于Q-学习的交通信号控制方法

为了减少车辆通过路口时的延误,采用Q-学习方法对智能体控制的单路口进行信号配时的优化,在模糊控制规则集的基础上,通过Q-学习来改进控制规则的组合,从而达到改善信号控制效果的目的.仿真实验的结果表明,基于Q-学习的信号控制方法优于定时控制、感应式控制和基于遗传算法的信号控制方法.研究说明,基于Q-学习的信号控制方法适合城市交通控制.     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

一种基于Agent的单路口交通信号学习控制方法

Agent技术是从分布式人工智能领域中兴起的研究热点，论文将Agent与经验知识和加强学习方法中Q－学习算法相结合，应用到城市交通信号控制领域中，解决单个路口的动态实时问题，通过在仿真环境下的对比，证明该方法具有较好的控制效果。     

基于内模控制的ATM网络拥塞控制方法研究

针对ATM网络单瓶颈节点模型,提出用内模控制的方法实现交换节点队列长度零稳态偏差控制,避免拥塞发生。实现了可用带宽的动态公平分配,提高链路利用率,降低信元丢失率,保证了服务质量。仿真结果表明系统具有较好的动态性能。     

最优信号控制条件下城市交通离散网络设计问题的备用能力模型

将备用能力的概念与城市交通离散网络设计问题结合在一起,一方面通过对路口的信号进行最佳设置使交通网络可以容纳最大的交通需求量;另一方面,通过在交通网络中添加新的路段来提高整个交通网络的通行能力.给出了最优信号控制条件下城市交通离散网络设计问题备用能力的优化模型及其启发式求解算法.最后,通过一个简单的算例,说明该算法是可行并且有效的.     

复杂网络的特征谱及其应用

网络的特征谱与网络的拓扑密切相关，通过研究特征谱可以更好地了解网络的结构涌现和动力学特性。本文总结了近年来在网络特征谱方面的研究进展，首先介绍了3类重要网络模型邻接矩阵的特征谱密度和网络结构的关系及其在网络中心性和二分性中的应用，接着介绍了谱序列中存在的标度不变性和结构涌现，然后介绍了网络Laplacian矩阵的特征谱与网络同步之间的关系以及在分析网络社团结构中的应用，最后指出了进一步研究的方向。     

基于实时车流感知的端限量式单通道车辆通行控制方法

针对限量式单通道双向通行控制问题,基于GPS车流感知数据提出了一种端限量式单通道双向自适应通行控制方法。通过在单通道及两端划设扫描区、等候区、单通道内三大类区域,利用GPS定位数据实时感知分析车辆在单通道两端行驶的10种状态,构建了单通道车辆通行控制策略分析模型,对车流数据进行动态汇总和饱和度分析,然后根据"按需分配"和"端总量控制"策略提出了一种自适应双向通行信号控制策略,在此基础上研发了端限量式双向通行自适应信号控制系统.最后利用某大型露天矿单道平硐进行了实例验证,应用表明:该方法能够有效控制单通道车辆的双向限量通行,避免了车辆运输过程中的行驶冲突,减少了车辆"空等"时间和油耗,提高了单通道通行效率,大大提高了车辆的运输效率.     

基于循环谱截面智能分析的混合信号调制识别方法

针对已有混合信号识别方法存在智能化程度低、适应性差等问题,提出了一种基于循环谱截面和深度学习相结合的智能识别方法。理论推导分析了常见混合通信信号的循环谱零谱频率截面特征;利用提出的非线性分段映射和指向性伪聚类新方法对上述截面图进行预处理特征增强,提高了截面特征的适应性和一致性;并将预处理后的特征图与经典残差网络相结合,利用深度学习网络对特征图中调制信息的深层次细节挖掘分析能力,实现了混合信号的有效识别。仿真结果表明,该方法对噪声不敏感,当信噪比不低于-2 dB时,平均识别率大于90%;且该方法对信号参数及信号间能量比变化有较好的适应能力。     

雷达高分辨距离像自适应角域划分方法

雷达高分辨距离像(radar high resolution range profile, HRRP)具有姿态敏感性的特点,一种有效的方法是分别对一组不发生散射点越距离单元走动角域范围内的HRRP样本进行处理。提出基于HRRP回波功率谱的顺序判别自适应分帧算法,通过对全局HRRP样本进行迭代搜索来确定数据划分边界,并自适应划分角域个数。所提方法依据散射点模型理论,考虑功率谱互相关系数变化规律,有效抑制了HRRP存在“距离像起伏剧烈”的样本。与自适应高斯分类器划分角域方法相比,所提方法在样本数据较小的情况下,仍可以有效地对目标进行角域划分。同时,与传统的利用互相关系数分帧方法和等间隔角域划分方法相比,所提方法可以有效降低识别运算量,减少识别算法处理时间,通过对3类舰船目标的仿真和3类民用船只的外场实测数据分析,表明所提方法是有效的。     

单路口交通信号智能控制方法

应用模糊理论和机器学习方法，通过对到达车辆数目的模糊分类，将不同车辆数目到达情况下的信号控制决策方案以规则集的形式存储在知识库中，在交通信号控制过程中使用遗传算法对规则集进行改进．经过仿真实验，对该方法的控制效果与定时控制和感应控制进行了模拟比较，仿真实验的结果说明该方法的控制效果明显优于传统控制方式。     

基于启发式搜索和反馈修正的单路口控制方法

结合传统的方案生成式和方案选择式交通控制方法的优点,提出了一种基于启发式搜索和反馈修正的单路口控制方法. 在对交通流的实际控制中通过搜索-反馈修正的过程寻找最优方案,并利用反馈修正监控和应对交通流的时变. 最后通过两组仿真实验, 证明了该方法的控制效果优于定时和感应控制, 并且具有对初始参数和人工维护依赖小, 适应性强的优点.     

公交优先的信号控制策略研究

研究了公交优先信号控制策略,模拟路边建立公交车辆检测器的情况下,不同交通流量和公交车发车间隔的最优控制策略,研究发现：当交通流量小于300辆／h．车道时,公交优先信号控制策略能显著地减少乘客的延误时间,而当交通流量达到500辆／h．车道时,即使有公交优先控制策略,而无公交专用道路,也不能有效减少乘客的延误时间,模拟实验的结果是：找到了使公交优先信号控制有效的交通流量和公交车发车间隔的阈值。     

预则型动态交通网络配流模型

提出卫种预测型动态交通网络配流模型,利用最优控制理论和最优化原理推出了模型最优解存在的条件,并给出最优解的经济解释,体现模型体现了道路使用者对路树的预测依赖于先进的交通信息系统和决策者的理发预测的特点,它与实际情况更为接近。     

一种基于agent协调的两路口交通控制方法

智能体(agent)技术是近年分布式人工智能领域的研究热点，文章将其应用到城市交通信号控制领域中．在以Q—学习方法实现单路口信号控制的基础上，采用对策论与社会规则相结合的方法实现了两个路口控制agent(TSCA)间的协调问题．通过在仿真环境下的对比，证明采用该协调方法是有效的．     

基于风险的交通网络可靠性分析方法

从风险角度提出了一种交通网络可靠性分析方法——基于风险的交通可靠性(Reliabilitybased on risk,RBR),并对其定义、形式与应用进行研究.首先提出RBR的概念,并对RBR与其他交通网络可靠性指标的异同进行了分析;通过高斯核估计,给出了基于历史数据的路段出行时间分布函数的估计与计算方法,从而得到该路段的RBR,并使用误差分析与返回检验对该方法的误差进行验证;随后使用天津某高速公路的历史观测数据对文中RBR及其计算方法进行验证;最后给出了RBR的其他形式——路径RBR、路网RBR的概念及相应的计算方法,从而将RBR推向更广泛的应用空间.     

基于Q学习的城市交通信号灯混杂控制

给出了一种单交叉口混杂交通控制器和仿真结果。首先,采用Q学习和BP神经元网络根据环境的变化决定最优的相位切换时间,然后增加一个模糊控制器决定最需要切换的相位,即决定相位次序。该方法在PARAMICS交通仿真软件中进行仿真,和定控制以及定相序控制相比,该方法具有明显的优势。     

网络结点流量控制的非线性模型分析

针对网络中海量数据传输的网络拥塞控制问题,对网络流量稳定性控制的非线性模型进行了分析和模拟。结合网络中产生拥塞的原因(控制信息与数据沿同一链路传输且具有相同的时延,而每一个用户都试图最大限度地利用网络),给出了利用TurboC模拟不同带宽利用率、不同工具函数、不同经验因子情况下的网络传输情况。验证了模型的科学性、问题所在及建立脱离网络拓扑和网络协议的通用结点流量控制模型的可行性。