一种考虑指标期望的战略外包商选择方法

针对考虑指标期望的战略外包商选择问题,提出了一种基于模糊公理设计的决策分析方法。首先,将企业决策者针对评价指标给出的语言短语形式的期望信息和专家小组针对备选战略外包商的实际绩效给出的语言短语形式的评价信息分别映射为期望范围和实际范围;然后,依据模糊公理设计的思想,计算备选战略外包商在各指标下的信息量,淘汰完全不满足决策者期望的备选战略外包商;进一步地,通过各指标信息量和指标权重的集结得到剩余备选战略外包商的信息总量,并根据信息总量的排序结果选择最理想的战略外包商。最后,通过一个实例分析说明了提出方法的有效性。     

基于仿真模型的鲁棒协同优化方法研究

复杂产品往往由多个子系统通过复杂的耦合方式组成.针对复杂产品的多学科鲁棒设计优化技术已得到广泛应用.为了使用仿真模型进行多学科鲁棒设计优化,提出了SUA-RCO和DRS-RCO两种方法.在SUA-RCO方法中,仿真模型首先被拟合为近似的数学模型,然后利用近似数学模型进行RCO计算.系统的不确定性由SUA方法进行计算.为了解决大参数方差问题,DRS-RCO方法将仿真模型近似拟合为双响应面形式,分别使用两个响应面来拟合均值和方差.然后,进行协同优化计算.     

虚拟智能体的情绪建模研究

如何模拟人类情绪的产生、变化过程是一个非常复杂的问题.基于个性心理学和情绪理论,研究了虚拟智能体情绪决策的过程,提出采用模糊有限状态机模型来建立具有个性化的虚拟智能体情绪决策模型,将个性和刺激因素等进行模糊处理后,给出了具体的推理过程.通过一个仿真实例,验证了模糊有限状态机模型能够有效的实现虚拟智能体情绪变换的平滑控制.     

从复杂系统科学的发展看突现与还原之争

突现与还原的关系问题是复杂系统科学哲学领域的一个重要问题。本文从突现与还原的传统论争出发,审视Jaegwon Kim这一代表性人物对突现思想提出的新挑战,进而从复杂系的突现性对这种新的挑战作出回应,阐释层次之间存在着协同进化的复杂因果关系网络,而不是简单的线性还原,突现是对还原的超越与补充。     

不确定奇异系统的Terminal滑模控制

针对一类不确定奇异系统,研究其Terminal滑模控制问题。通过非奇异线性变换把不确定奇异系统变换成受限等价形式,利用Lyapunov函数方法,首次提出了一种新的Terminal滑模控制策略,给出了特殊的Terminal滑模超曲面,设计了相应的滑模控制器,实现了滑模运动,保证了系统状态变量在有限时间内收敛到平衡点。给出数值算例,说明了方法的有效性。     

SAR成像导引头的弹道设计与优化

弹载合成孔径雷达(synthetic aperture radar, SAR)的方位成像能力受飞行弹道和观测视角的影响。为满足SAR成像导引头在限定时间内获得最佳方位分辨率,提出了一种基于遗传算法的弹道优化设计方法。首先建立了弹载SAR条件下导弹飞行的约束,然后以导弹指令加速度为优化变量,构造了与方位分辨率和波束驻留时间相关的目标函数,采用遗传算法进行寻优,设计得到了弹载SAR平台的优化弹道。仿真实验证明了该方法的有效性。     

仿青蛙跳跃机器人运动学研究

提出了仿青蛙跳跃机器人机构模型及运动学研究的方法。基于对青蛙运动的研究,提出了仿青蛙机器人单侧跳跃机构的分析模型,采用D-H法,建立了机器人起跳与腾空两个阶段,其前肢和后肢的运动学方程,进行了正、逆运动学研究。分析机器人四肢的运动空间,并通过实例计算,验证了研究结果和生物学实测结果相一致,从而证明了这一仿生跳跃机构模型的可行性和仿生机构运动研究方法的有效性。得出的结论将为仿青蛙跳跃机器人的设计及控制提供理论基础。     

基于流式渐进传输的大规模网络地形实时漫游

针对基于网络大规模三维地形的仿真应用需求,提出一种网络地形流式渐进传输与实时绘制方法,该方法通过提出适用于地形几何特征的整数提升小波变换来构造多分辨率地形四叉树模型,并将地形压缩为渐进比特流,提出了针对流式传输的客户端数据调度与预测算法,并基于视点无关批LOD误差控制实现渐进渲染。实验表明,该方法无层次数据冗余,数据压缩比率高,能够有效降低网络数据传输量,客户端能够适应网络带宽变化,实现大规模网络地形场景的实时交互式漫游。     

雷达干扰效果模糊综合评估方法研究

运用模糊综合判别的思想 ,研究了雷达干扰效果的评估问题 ,建立了衡量干扰效果各因素的模糊评价模型 ,提出了一种新的基于模糊综合的干扰效果评估准则和度量方法。结合实例 ,在分析影响雷达干扰效果因素的基础上 ,应用这种方法做了初步评估 ,并对该评估方法做了简要分析     

v支持向量回归用于退化轨迹建模

针对小样本情形下的退化轨迹建模问题,为解决用ε-支持向量回归(ε-support vector regression,ε-SVR)建模时不敏感参数ε不易选择的难题,提出一种基于v支持向量回归(v-support vector regression,v-SVR)的退化轨迹建模方法,并用遗传算法优化模型参数以提高建模精度。参数v-与支持向量和错误样本点的个数有关,根据这一性质确定v的取值范围,并实现对支持向量或错误样本点个数的控制。对疲劳裂纹增长数据的实例分析表明,所提方法不仅便于确定参数,而且相对于以往文献的方法有更高的建模精度。