基于混沌的协作型协进化方法

在协作型协进化算法的基础上,提出了基于混沌的协作型协进化方法。该算法加入了进化是否发生停滞的判断,并在发生停滞时进行混沌映射。用经典的函数优化问题进行仿真实验,其结果表明了该算法的有效性。     

多智能体系统中子域适应度评估的合作协进化协作

为了克服合作协进化算法在解决复杂多智能体系统协作问题时存在的适应度函数难以建立和协作行为难以达到全局最优等问题,提出1种子域适应度评估的合作协进化算法来实现异构多智能体系统中智能体的自适应协作。该算法将复杂问题域模型分解成相互影响较小、较易求解的子问题域模型,在子问题域模型之间并行使用合作协进化算法来完成智能体协作行为的进化,有效降低适应度评估的复杂度。在子问题域进行合作协进化时,在适应度函数中引入环境因子影响矩阵,将其他子问题域的影响信息映射到该子问题域中的个体适应度评估中,从而引导种群向全局优化方向进化。ECJ系统中的仿真实验结果验证了其有效性。     

多目标投资决策模型的进化算法

对一般的多目标投资决策问题给出了一种进化算法,并在微机上进行了大量试算,获得了良好的效果。     

基于TOD的无线传感器网络多Agent协作模型

多Agent技术被越来越广泛地引入到无线传感器网络领域,但却没有可行有效的Agent协作模型。在此基础上,对传统TOD(Task Oriented Domain)协作模型进行了扩展,提出了基于面向任务域的无线传感器网络多Agent协作模型,使用加权和的方法根据不同网络任务类型制定相应的协作策略,仿真结果表明,与传统模型相比,该模型下采用协作策略可有效地减少节点能耗。     

基于克隆思维进化算法的机器人足球协作策略

针对足球机器人比赛系统的实时性要求,采用了一种克隆思维进化算法对足球机器人比赛系统的高层策略系统进行优化。克隆思维进化算法集免疫机制与进化机制于一体,在发挥思维进化算法优势的基础上增加了克隆(复制)、克隆重组、克隆变异和克隆选择等算子,既保持了种群的多样性,又提高了算法的收敛速度。足球比赛场上的瞬时信息作为抗原,待选策略作为抗体,二者均采用二进制编码方式。用克隆思维进化算法对抗体群进行优化,实验结果表明,采用该算法能快速找到最佳策略,简化了足球机器人决策系统,提高了决策效率。     

基于模糊偏好的多目标进化优化算法

近年来有关多目标优化方法得到了广泛的关注，但大部分多目标优化算法只是给出了一个优化解集，而没有对这个解集进行分析。这就使得决策者（DM）在决策阶段，无法分辨解的优劣，从而给决策带来困难。本文介绍了一种基于模糊偏好和遗传算法相结合的方法，使决策者在优化的初始阶段根据对不同的目标函数的偏好来决定它们的权重，通过与NSGA－Ⅱ算法所得到的Pareto曲线进行对照，可以为决策者提供更大的帮助。     

多蚁群协进化的船舶多管路并行布局优化

基于蚁群算法和协作式互利典生类协同进化算法,构建了解决船舶空间多管路并行敷设的多蚁群协作式协同进化算法模型.在算法的每次迭代中,随机选择种群的进化次序;在种群内部采用蚁群算法寻找管路的最优路径,采用优良个体构造小环境的方式,避免了管路增多情况下的组合爆炸现象.通过三维空间的管路布局实验显示,应用所构建的算法较单一蚁群算法可以在管路并行敷设中取得协同性更好的布局效果.     

基于因素空间的多传感器决策融合方法

基于因素空间理论,建立一种多传感器多目标识别方法。根据多传感器探测与控制网络系统的决策特性提出了传感器模糊矩阵的建立方法,根据对概念的反馈外延计算提出多目标识别方法。仿真结果表明该方法能使系统的识别错误率低于１０％。多传感器多目标决策融合的工程方法为其决策融合方法的建立提供了一条新的途径。     

一种基于蚁群算法的多机器人协作方法

设计了一种基于蚁群算法的多机器人协作策略,由此解决多机器人系统在未知环境工作中的自主协作规划问题.针对多机器人系统在未知环境中可能存在任务死锁的问题,对基本的蚁群算法进行了相应改进,通过仿真验证了该改进方法的可行性.     

基于协同进化的多目标约束进化算法

针对约束多目标优化算法(COA:Constrained Optimization Algorithms)中存在的难以有效兼顾收敛性和多样性的问题,提出了采用协同进化策略的多目标优化算法(CoMaC)。首先,将一个COA转化为一个带动态约束处理的多目标进化算法。然后采用差分进化(DE:Differential Evolution)生成第1种群,并将其中的已知可行解选入第2种群,并与第1种群协同进化。第1种群通过保持原约束条件的全局搜索加快收敛。第2种群通过局部搜索进化,保持并获得更多可行解。最后采用标准约束多目标测试函数进行实验,以测试所提出算法的性能。实验结果表明,与使用惩罚函数处理约束问题(PF:Penalty Function)和使用动态处理约束边界方法(DCMaOP:Dynamic Constrained Many Objective optimization Problem)相比,所提算法在反向世代距离(IGD:Inverted Generational Distance)和超体积(HV:Hypervolume)两个指标上均取得了良好的结果,说明所提算法可以有效地兼顾收敛性和多...     

基于协同进化机制的欠采样方法

针对非平衡数据集分类中＂少数类样本精度难以提高＂这一瓶颈问题,提出了一种基于协同进化机制的欠采样方法.此方法将少数类样本与多数类样本划分为两类种群,采用种群协同进化原理,利用提出的动态交叉变异算子自适应协同进化过程,实现种群间自动调节和自动适应.仿真试验结果表明,此采样方法增强了局部随机搜索能力,改善了种群的分布特性,加强了算法的全局收敛能力,在不降低多数类样本分类性能的基础上有效提高了少数类样本的精度.与其他经典重采样方法相比,本文办法抗噪能力好,具有更强的鲁棒性.     

基于多传感器信息融合的智能仪表研究

针对智能仪表多传感器系统中存在的信息处理复杂、不可靠等问题,提出了利用智能仪表中的多传感器信息资源,融合多传感器信息,提高智能仪表检测精度和可靠性的方法。结合矿井瓦斯监测、井下煤的自燃监测等实例,介绍了智能仪表中多传感器信息融合的模式,以及智能仪表研究设计中应注意的问题。将多传感器信息融合技术应用于智能仪表之中,可大大提高智能仪器仪表的精度、可靠性和容错能力。     

一种基于D-S理论的多Agent合作决策机制

为了克服单个agent知识的局限性,提高系统决策的可靠性,提出了一种基于D-S理论的多agent合作决策机制,并对多agent合作决策进行了定义和形式化描述.多agent合作决策划分为学习和决策两个阶段,学习阶段反馈信息的引入,使各agent根据正确的训练案例和修正公式实现了冲突消解,降低了合成计算的复杂度,改进了Dragoni等人的工作,较投票机制和加权多数算法具有更高的可靠性,实验结果验证了这一结论.     

基于分布式纳什Q学习的多传感器协同目标跟踪

针对传统目标跟踪算法过分依赖环境模型的问题,提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法.分析了强化学习与分布式纳什Q学习算法的原理;描述了多传感器的协同跟踪态势,建立了离散系统的非线性模型,给出了传统的扩展卡尔曼滤波解决方法;定义了对分布式纳什Q学习性能影响至关重要的传感器行为和奖惩函数,奖惩函数通过计算预测误差方差阵的迹得到;采用基于贝叶斯推理的概率统计方法解决了Q函数的更新问题.纯方位量测信息的被动跟踪仿真结果表明,相比于传统滤波算法,该算法增强了传感器对环境变化的适应性,实现了对目标的有效跟踪,提高了跟踪精度.     

协同设计系统安全机制的研究

安全控制是协同设计的重要环节,直接影响着系统的运行.首先根据协同设计系统的基本特点,分析了系统面临的安全问题;针对协同设计系统安全的复杂性,提出了在协同数据库、协同设计系统以及网络通信三方面分别制定相应的安全机制,以保证协同设计系统的正常运行.     

生产性服务业与制造业的协同发展机制研究

生产性服务业是服务业的重要组成部分,同时也是服务业中与制造业联系最为紧密的部门.随着经济全球化的逐步深入和信息技术的不断完善,生产性服务业与制造业的关系变得愈加紧密.在对生产性服务业与制造业相互关系现有理论充分阐述的基础上,通过对上海历年来生产性服务业与制造业发展的量化分析,发掘出两者在发展过程中的潜在规律,并为进一步完善生产性服务业及推动制造业发展做好了理论准备.     

基于光对准的多传感器轴装配误差补偿技术

含有多传感器的微机电系统在组装传感器时,一般存在着轴对准问题,轴的非对准误差能导致很大的系统测量误差。为此提出一种基于光对准的误差补偿方法,可以在不需要高精度轴对准的前提下,对装配后的组件进行后续误差检测和实时补偿,有效地消除装配误差对测量精度的影响。将该方法实施于微机电方位水平仪,用以测量姿态,通过仿真结果证实了方法的有效性。     

协作网络中基于干扰分析的协作建立机制

针对协作通信中调度复杂度和干扰问题,提出一种基于协作分集和用户干扰的折中分析算法。该算法首先分析协作与非协作模式下中断概率与干扰的关系,然后分析在不同传输距离和干扰强度下中断概率的变化情况,通过对两种模式下中断概率的对比,制定出一个协作建立的判断方法。最后仿真结果表明,协作通信在传输节点稀疏分布的情况下中继节点协作是有益的,反之,在网络密度大的时候,非协作则更好。     

协作通信网络中基于协作概率的负载均衡机制

在协作通信存在的网络中,针对已有的负载均衡技术没有考虑用户切换后协作概率的不足,在已有的负载均衡技术基础上,利用目标小区负载状况得到切换后的协作概率,与小区信号强度和负载状况相结合,设计出应用于协作通信网络中具有负载均衡功能的切换判决函数,提高切换判决的精度。仿真表明该机制在均衡网络负载的同时,提高了系统容量和公平性。     

一种基于隐马尔可夫模型的自适应联合频谱预测方法

基于隐马尔可夫模型(Hidden Markov Model,HMM)的频谱预测是次用户(SU)根据频谱感知历史信息得到主用户(PU)信道状态训练集,用前M个时刻信道的状态组成的矩阵作为待测矩阵与训练集匹配,根据匹配的相似度对下一时刻的信道状态进行预测。由于信道预测是基于前M个时刻的信道状态,其信道状态的不确定性直接影响到预测的准确性。文中针对这一问题,提出一种基于HMM的自适应联合频谱预测方法,根据本地预测中各待测矩阵的可信度给予不同的权值,通过数据融合来得到最终的预测结果。此外,为了解决文中的数据融合问题又提出一种基于本地预测可信度的自适应分组融合算法。仿真结果表明,该方法能够明显提高频谱预测的准确性。