图上的Nash均衡问题算法研究

图对策是一类研究多人参与某种对局而产生的图模型问题,研究的核心在于如何寻找求解Nash均衡点的算法。一般图上求解Nash均衡解是NP-C的,这里从一类特殊的图出发,研究以这类特殊图为底图的对策的Nash均衡问题,并给出了其有效算法。     

基于种群保护的最优税收策略

在两种群相互作用的Logistic模型的基础上,将税收考虑进去分析了一类食饵-捕食收获模型.讨论了正平衡点的存在性,利用Hurwitz判别法证明了正平衡点的局部渐近稳定性,利用Pontryagin最大值原则得到了最优税收策略,目的在于既保护生态系统又能使社会经济收益最大.     

最优梯度算法在太阳能电池技术中的应用

本文首先介绍了太阳能电池的最大功率的跟踪技术的原理,以及一种能实现太阳能电池阵列工作在最大功率点的算法。其次,以最优梯度法为基础,阐述其MPPT实现的过程及原理。最后,总结了最优梯度法实现MPPT的优点。     

差异化策略的两组动态古诺模型及其稳定性控制

建立了分别由2家有限理性特征的厂商和1家自适应调整特征的厂商组成的2组动态古诺模型,运用非线性动力系统理论求出了系统的均衡点并进行分析;然后通过数值模拟仿真方法研究了当主要参数发生变化时系统产生的动力学行为;最后在系统中引入时滞反馈控制方法,结果表明:当自适应调整的厂商加大调整速率时系统会提前进入混沌状态,同一团队适当的利润分配及调整参数的变化有利于系统稳定性,引入时滞使系统达到稳定状态.     

一类具有疾病的食饵-捕食者模型的随机稳定性

本文研究了一类具有疾病的食饵-捕食者模型在随机干扰下正平衡点的稳定性,证明了其平凡解是渐近均方稳定的。     

改进蜜蜂群算法的最优种群结构研究

采用SANTHOJI提出的方法论,基于ER网络演化机制,研究了一种改进蜜蜂群(MABC)算法的最优种群结构。研究表明当结构平均度大约为7时,结构具有较大的熵值以及较少数量的边,而算法获得了非常好的性能。因此,此时的种群结构就是MABC算法的最优种群结构。     

具有食饵群防御和捕食者阶段结构的种群动力学稳定性

捕食与被捕食对生态种群动力学稳定性具有极其重要的影响。通过在传统的食饵-捕食者模型中引入食饵群防御行为和捕食者阶段结构,构建动力学微分方程模型,并对模型进行定性分析,证明系统解的正性和有界性,分析该系统平衡点的存在性和平衡点的局部稳定性。模型中,群防御能力采用平方根型功能性反应函数,成年捕食者阶段结构分为成年和幼年。成年捕食者捕食食饵,然后繁殖幼年捕食者,幼年捕食者虽不具有捕食和繁殖能力,但可以成长为成年捕食者。我们对成年捕食者搜寻食物的效率和幼年捕食者的成长率进行Hopf分岔分析,并进行了数值模拟验证,研究表明幼年捕食者的成长率有利于提高成年捕食者搜寻食物的效率。     

电力系统最优潮流算法综述

本文阐明了电力系统最优潮流研究目的及意义,总结了国内外关于电力系统最优潮流算法的研究现状,介绍了求解最优潮流的经典算法,智能优化方法,同时指出了各种算法的优缺点;并根据目前最优潮流存在的问题提出了今后的研究方向。     

有毒物影响的捕食者-食饵两种群模型的定性分析

研究了一类具有HollingⅢ型功能性反应和有毒物影响的食饵-捕食者两种群模型.利用微分方程定性与稳定性理论,讨论了该系统的平衡点的性态,系统无环的充分条件及正平衡点外围存在唯一稳定极限环的条件.     

一类具有Holling-Ⅱ功能响应的食饵-捕食者模型的解析定量研究

利用同伦摄动法,研究一类具有Holling-Ⅱ功能响应的食饵-捕食者模型极限环的定量结果,获得了极限环及其频率的解析近似表达式.所得解析结果与直接数值积分结果比较表明同伦摄动法适用于生物模型极限环的解析近似计算.     

Optimal Response Learning and Its Convergence in Multiagent Domains

In multiagent reinforcement learning, with different assumptions of the opponents＇ policies, an agent adopts quite different learning rules, and gets different learning performances. We prove that, in multiagent domains, convergence of the Q values is guaranteed only when an agent behaves optimally and its opponents＇ strategies satisfy certain conditions, and an agent can get best learning performances when it adopts the same learning algorithm as that of its opponents.     

受约束时间最优控制问题罚函数法收敛性分析

通过罚函数方法,受约束时间最优控制问题的求解可转化为对带罚函数的无约束最优控制问题的求解.文中证明当罚因子趋于无穷大时,用罚函数构造的无约束最优控制问题的解收敛于原来受约束时间最优控制问题的解,从而为用罚函数方法求解受约束时间最优控制问题提供理论保证.     

基于城市应急指挥系统的最优路径算法

城市应急指挥系统要求在事故发生时,计算出到出事地点的最佳路线的最短时间,其核心算法仍是最短路径算法.针对实际的城市道路网特点,对道路网络模型、道路拓扑结构和数据库结构进行构建.以优化的数据存储结构为切入点,在分析了经典的Dijkstra最短路径算法的计算速度瓶颈的基础上,提出了基于方向性的空间最优路径算法,使该算法具有更高的效率.     

E-MS算法的收敛性

考虑E MS算法的收敛性. 首先, 给出观测广义信息准则(GIC)最小值点的必要条件； 其次, 在模型空间有限性、 参数空间紧性、 Q函数连续性的条件下, 证明E MS算法产生序列的极限点满足观测GIC最小值点的必要性, 是对E MS算法全局收敛性的补充； 再次, 给出满足该必要条件但不满足全局收敛条件高斯图模型的一个实例； 最后, 证明E MS算法的全局收敛性.     

E‐MS算法的收敛性

考虑E MS算法的收敛性. 首先, 给出观测广义信息准则(GIC)最小值点的必要条件; 其次, 在模型空间有限性、 参数空间紧性、 Q函数连续性的条件下, 证明E MS算法产生序列的极限点满足观测GIC最小值点的必要性, 是对E MS算法全局收敛性的补充; 再次, 给出满足该必要条件但不满足全局收敛条件高斯图模型的一个实例; 最后, 证明E MS算法的全局收敛性.     

遗传算法的多样性与收敛性

从遗传算法的选择算子研究多样性和收敛性对求解速度和质量的影响. 通过遗传算法解决TSP问题, 介绍了具有多样性的轮盘赌算子和具有收敛性的标准锦标 赛算子, 在综合考虑多样性和收敛性的基础上, 通过改进提出保留上代锦标赛算子和新锦标赛算子, 并得出结论, 增加其多样性, 会使收敛速度变慢; 加快其收敛速度则会破坏其种群多样性, 从而影响在限定的代数内找到最优解的机会, 并影响最终解的质量. 为更好地解决实际问题, 需折衷考虑多样性和收敛性.     

进化算法的收敛速度

遗传算法、进化规划和进化策略这三类进化算法都是基于对自然进化的模拟,其区别在于产生下一代群体的规则不同,但下一代群体的产生又都是仅依赖于其父代,因而进化算法的运行过程可以视为一个Ｍａｒｋｏｖ过程,其状态转移矩阵可以表示成一个统一的形式．利用矩阵范数的基本性质,得到了进化算法收敛速度的一个下界,同时也得到了进化算法收敛性的一个证明,并由此解释了遗传算法能很快地得到一个较好的解而要花费较长时间才能得到最优解的原因,为今后加快进化算法收敛速度指出了一个可行的研究方向     

一种新的快速收敛的反向传播算法

提出了一种新的快速的误差反向传播算法 .这种方法从神经网络的权值调节公式入手 ,通过避免过早饱和、加大权值调节的幅度等手段来加快收敛 .并通过对两个奇偶问题、一个函数逼近问题的仿真 ,验证了所提出的算法的有效性 .结果表明 ,所提出的算法在收敛速度等方面大大优于通常的BP(反向传播 )算法、带动量项的BP算法以及其他的一些改进的算法 .     

一种改进CRS算法的收敛性分析

CRS算法及改进的CRS算法都不具有收敛性,据此,提出一种改进CRS2全局收敛算法,该算法在产生新的试探点上,利用了随机搜索技术代替直接搜索技术,并对给出的算法进行了收敛性分析,证明了该算法依概率1收敛．     

基于差分进化算法的收敛性分析

基于差分进化算法的基本原理,采用马尔可夫链分析了该算法的收敛性,论证了该算法能以概率1收敛到全局最优解.利用该算法对3个经典函数进行了数值仿真,结果表明,该算法能够快而有效地收敛到问题的最优解,说明了文章所得结论的正确性.