求解Nash均衡解的一种学习算法

本文基于进化论思想,提出了求解Ｎａｓｈ均衡解的一种学习算法,并证明了该算法在各局中人的策略空间不同的情况下仍然适用。     

一种基于MUSIC算法的二次搜索解模糊方法

在基于阵列天线的DOA估计中,研究者采用了多种手段和方法用来提高测角精度,而往往测角精度越高,角度模糊越严重。针对测角精度和角度模糊是相互矛盾的问题,提出了一种基于MUSIC算法的二次搜索的解模糊方法。首先用MUSIC算法粗搜索出目标信号的低精度来向,然后根据阵列设置推导出第二次搜索的角度范围,最后在新的角度搜索范围内进行小步长的角度搜索,得到目标信号的高精度来向。计算机仿真结果表明,本方法可以更快速、准确地实现高精度无模糊测向。     

一种求解NASH均衡解的遗传算法

将现代生物遗传基因理论引入到对策问题的均衡解计算中来,本文设计了求解有限n人非合作对策的Nash均衡解的遗传算法模型,并通过双矩阵对策的例题验证了算法的有效性。     

两类协商解的灵敏性分析研究

本文探讨了两类著名的协商解－Ｎａｓｈ解与Ｋａｌａｉ－Ｓｍｏｒｏｄｉｎｓｋｙ解作为冲突点的函数的性质，证明它们关于冲突点皆具有连续性、单调性和某种凸性，并针对一个较小的协商问题类给出了其灵敏度计算公式。     

利用混沌搜索全局最优解的一种混合遗传算法

首先系统分析了遗传算法与其它算法混合的几种策略 ,详细讨论了遗传算法与混沌优化算法的混合问题后 ,给出一种新的混合遗传算法。仿真结果表明 ,新算法能在很短的时间内 1 0 0 %地搜索到全局最优解     

BP改进算法研究及一种系统控制训练算法

为了实际应用的目的,本文对一些ＢＰ改进算法进行了研究,发现了了这些改进算法的优缺点及应用范围,并提出了系统控制训练算法,实验证表明该算法具有收敛性、能保证练正常进行,应用方便等显著优点。     

一种改进的萤火虫算法及在洗出优化中的应用

为提高萤火虫算法精度,解决该算法迭代步长固定易陷入局部最优等问题,提出一种改进的萤火虫算法—极值优化萤火虫算法(Extremal Optimization Firefly Algorithm,EOFA).EOFA是将极值动力学算法强大的局部搜索能力与萤火虫算法的强搜索性相结合,采用倒S型函数的迭代步长,提高萤火虫算法的...     

一种优化多目标的交互式路由算法

Qos路由的基本任务是寻找一条满足多个约束条件同时优化多个网络参数的路径。研究多约束条件下的多个线性目标优化的Qos路由问题。选取带宽作为约束条件，线性函数(时延和耗费徘为优化目标，建立了Qos路由选择的多目标缉陛整数规划模型。通过将多目标优化问题转化为线性单目标优化问题，证明了新问题的最优解是原问题的有效解，给出一种求解模型的交互式算法。该算法引入目标函数参考点概念，逐步调整目标函数参考点，压缩目标函数搜索空间来满足决策者和实时网络资源要求，并最终得到满意解。仿真实例表明了算法的可行性和可操作性。     

一种新的SPKF算法-GSPKF算法

提出了一种SPKF算法的改进算法,称之为GSPKF。该算法中Sigma点权值由选择该Sigma点的概率决定。此时,Sigma点权值物理意义明确、计算简单、恒大于零,协方差矩阵物理意义明确,可以实现全局拟合,GSPKF算法的物理意义更加明确。可以证明,两种算法对期望和协方差的准确估计精度是相同的,但是,GSPKF算法可以渐进拟合非线性函数真实的期望和协方差,GSPKF算法的滤波效果至少不低于现有SPKF算法。它们的滤波效果由仿真进行了验证。     

动态对策的控制策略

研究离散时间动态（多阶段）对策的控制问题，提出闭环控制策略—Ｎａｓｈ合作策略的概念和设计方法。该策略以Ｎａｓｈ协商解为基础，能诱导对策双方在对策的每个阶段实现Ｎａｓｈ协商解。分析了策略的最优性，并以线性二次型动态对策问题作了实例分析。     

一种基于最大熵准则的盲解卷积改进算法

独立源信号的卷积混合比线性混合更接近真实情况。利用非参数概率密度估计方法———Parzen窗函数估计法 ,提出了一种具有良好适应性的盲解卷积改进算法。该算法可以在无需知道信号分布形式的情况下 ,较准确地估计出密度函数值 ,且比传统的最大算法中采用固定的概率密度函数估计更接近信号点的真实概率密度。同时 ,此算法还具有无论对规则、单峰分布还是不规则、多峰分布都可以取得较好的估计的优点。因此 ,在理论上 ,改进算法可以获得比传统算法更优越的分离性能且能广泛地应用于具有各种分布的信号。实验结果证实 ,这一算法能有效地从各种分布的信号包括真实语音、图像等构成的卷积混合信号中恢复出原始信号。与最大熵算法相比 ,改进算法具有更好的分离性和更广泛的适用性。     

一种适合多机空战仿真的碰撞检测算法及应用

介绍了一种适合在大规模空战仿真中应用的多目标碰撞检测算法。首先,通过三轴投影选法得到最简的待检验碰撞目标集合,以此来缩短算法执行时间,保证实时运行。其次,在帧间处进行细节检测,消除“细节丢失”现象,保证检测结果完整无缺失。最后,用时序判定的方法决多目标碰撞干涉问题,使碰撞结果具有唯一性。本文给出了算法流程,结合应用实例进行性能析并得出结论。     

动态非光滑Nash协商解必要条件的研究

本文利用非光滑分析理论，采用公理化方法研究了非光滑情形下的动态协商对策问题，给出其Ｎａｓｈ协商解的必要条件，并给予了严格的数学证明．     

一种新的学习算法及在导弹故障诊断中的应用研究

本文提出了一种多怪前向神经网络快速误差后向传播学习算法ＦＢＰ，通过某运载火箭姿态控制系统故障诊断的仿真研究，验证了ＢＰ和ＦＢＰ用于导弹姿态控制系统故障诊断的有效怀，ＦＢＰ学习算法较之ＢＰ算法学习速度的快速性。     

一种威胁指数加权的截击引导航线解算算法

截击引导和威胁评估是指挥控制中不可分割的两部分,前者通过航线解算进而实施具体的指挥引导,后者通过计算确定威胁程度高低进而取得态势优势为指挥控制提供依据。以威胁指数为权重,将解算出的引导航线与之加权,提出了一种最优截击指标用以确定威胁程度最小的引导航线解算算法。仿真结果表明：该算法可有效解算出威胁最小的截击航线,且在不同态势、不同威胁权重取值等情况下均可靠。该算法为指挥控制中引导解算方法提供了新思路。     

一种区间数线性规划的满意解

针对目标函数和约束条件均为区间数的线性规划问题,提出了一种基于模糊约束满意度的求解方法,把区间数线性规划卖座经为确定型的一般参数规划问题来求解,决策者可以根据自己的主观判断和客观情况,对目标函数优化水平和约束条件满意水平作出不同的估计,从而得到在相应情况下的满意解,使决策过程更具柔性。     

一类2人合作交叉规划的s-最优联合解

提出并研究了一类 2人合作交叉规划问题。引进了具有相同联合值的s 最优联合解 ,它作为 2人合作交叉规划的一种公平解 ,比Nash均衡解要更好 ,并得到了它的若干有关性质 ,证明了可以通过求解一个等价的数学规划问题的最优解来作为交叉规划的s 最优联合解。最后 ,讨论了具有不同联合值的s 最优联合解。 2人合作交叉规划可以广泛用于讨论许多具有或不具有冲突的多人决策问题 ,如生产计划控制、工程、计算机等领域中的网络冲突问题。     

一种改进的BP算法

讨论了网络学习过程中的假饱和现象，并给出了克服方法，同时，也讨论了学习样本输入编排机理，给出了一种避免网络学习出现的局部极小的算法。通过实例验证此方法非常有效。     

一种非线性的BP学习算法

提出了一种非线性学习规则,以非线性函数th(x)取代传统学习算法中的线性函数x,来调整BP网络的连接权值和阈值。与传统的BP学习算法相比,其连接权值与阈值的调整量不仅与误差函数对连接权与阈值梯度的一次幂有关,而且也与梯度的高次幂有关。因此,克服了传统的BP学习算法过程中难以跳出局部极小值与收敛速度慢的缺点。模拟实验表明,该算法比传统的BP网络学习算法在学习时间和迭代次数方面都具有显著优势。     

一种求解动态多目标优化问题的粒子群算法

针对时间变量取值于正有理数集+、自变量的维数随时间可发生变化的一类动态多目标优化问题提出了一种求解的粒子群算法。该算法通过引入新的变异算子和自适应动态变化惯性因子,有效地避免了粒子群算法易陷入局部最优的缺陷;同时,给出了一种判断环境变化的有效规则,极大地增强了算法跟踪问题环境变化的能力,提高了算法的有效性。计算机仿真表明新算法对动态多目标优化问题的求解十分有效。