群体中Agent基于内部状态的行为选择

以自然鱼群为原型,研究它们的行为选择机制,提出了一种群体环境中基于内部状态的Agent行为选择方法.建立分布式行为模型,赋予Agent感知、交互能力;用R-A模型描述Agent 之间的相互作用;定义Agent的自然能力限制为硬约束,定义Agent间相互作用为软约束;采用基于约束满足的随机搜索算法模拟Agent的交互与行为选择,运用Breakout思想确保算法跳出局部最小;通过对Agent内部状态值的调节改变搜索参数,达到内部状态控制行为选择的目的.     

大型复杂系统故障隔离智能优化策略

大型复杂系统的故障隔离是系统维修的重要环节,现有的故障隔离算法存在平均故障隔离时间(MFIT)长,不能快速自动生成决策树等缺点.利用AO*算法自动构造决策树,将离散粒子群算法应用于AO*算法的每一个节点的测试选择,降低计算复杂度,使故障隔离策略智能化.实例表明:该算法将故障隔离时间缩短20%,并降低测试代价,提高故障隔离效率,为大型复杂系统故障隔离提供-种高效算法.     

车载无线自组网络连通性分析

在智能交通系统中,车辆上常常安装无线adhoc节点,车辆间通过Adhoc方式进行点对点通信,针对这种车载无线自组网络在实际道路上的网络拓扑特点,抽象出合理的网络模型,利用渗流理论讨论该网络的连通性问题.首先证明了1维动态无线自组网络的"无渗流"特点,并通过仿真实验探讨实际交通网络中车载无线ad hoe节点的合理传输半径,提出通过合理部署静态节点的方法提高1维动态网络的连通性.针对2维车载无线自组网络的交通特性,提出适合车辆交通网的无线节点连通性策略-一基于定点覆盖的策略,从理论上给出了2维网络被定点覆盖的条件,之后通过仿真实验分析2维车载无线自组网在真实道路系统上的连通特点,并针对定点--五角场中心进行定点覆盖实验.     

基于双向投影法的概率语言多属性群决策

针对概率语言信息下的多属性群决策问题,首先基于概率语言术语集(probabilistic linguistic term sets, PLTS)的调整规则和语言尺度函数,定义了PLTS的新运算,并证明其满足代数运算的基本性质。然后,为解决现有向量模公式在下标对称语言下计算结果与实际不符的问题,提出一种改进的概率语言信息下的向量模公式。在此基础上定义方案与正、负理想解形成的向量表示式,并建立针对概率语言信息的双向投影法,由此提出新的贴近度公式。最后,通过应用算例的对比分析验证了本文所提方法的有效性和可行性。该方法充分考虑了PLTS的数据特征,在简化计算的同时避免了信息损失,为解决概率语言信息中数值差异较小的问题提供了新的方法和思路。     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

异构网络中基于兴趣感知的聚类缓存策略

为应对移动流量的爆炸式增长,在异构网络中引入缓存成为目前的热点研究方向之一。目前缓存部署策略存在缓存命中率不高、缓存数据冗余度较高等问题,没有充分利用存储资源,直接影响网络的性能。针对以上问题,提出一种基于用户兴趣感知的虚拟聚类协作缓存部署策略来提高缓存系统性能。根据用户距离构造虚拟聚类,依据内容请求因子确定系统缓存内容,采用基站协作缓存以及用户间虚拟聚类方式共享缓存内容,以缓存命中率最大化为目标建立优化模型并通过贪婪算法求解。理论分析及仿真结果表明,在异构网络场景下,跟现有方法相比,所提方法在缓存命中率、系统平均传输时延等性能上均有明显提升。     

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题,提出多星载光学传感器系统误差极大似然配准（maximum likehood registration,MLR）算法。通过一阶Taylor近似对非线性量测转换线性化,推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系,并基于视线交叉获得观测在状态空间中的近似投影,从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正,利用期望极大化迭代,实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性,且配准性能优越。     

对地面动目标检测雷达的干扰技术综述

地面动目标检测(ground moving target indication, GMTI)系统能够实现对地面运动的检测、定位、测速等功能,并生成地面态势信息。由于现代战争“发现即摧毁”的特点, GMTI系统对地面运动目标构成严重的威胁。为了有效对抗GMTI系统,提升对地面运动目标的防护能力,对GMTI干扰技术进行综述。首先介绍了目前GMTI发展状况,之后介绍了GMTI干扰技术发展状况,并主要从干扰效果、干扰调制方式、干扰布站方式、干扰能量来源等角度对GMTI干扰技术进行概述和总结,最后对GMTI干扰技术发展趋势进行了分析。     

一类资源负荷均衡问题的误差极小化调度算法

针对一类n个独立任务在m个不完全同等的处理机上处理,使处理机的最大负荷为最小的非抢先调度问题,在双最小平衡算法的基础上提出了误差极小化算法,并分析了它的时间复杂性。在此基础上,提出了基于遗传的误差极小化算法,并通过仿真实例证实了它在结果上优于基于遗传的双最小平衡算法。     

基于水资源合作的水资源短缺区域水资源优化配置

为提高水资源短缺区域的水资源利用效率,实现区域水资源初始配置后的有效再配置,提出三阶段水资源短缺区域水资源优化配置方法：阶段1,利用高效的“优先规则”构建部门间水资源合作清晰联盟的用水收益支付函数,对联盟成员水资源共用、获益方式进行了合理刻画;阶段2,基于Choquet积分形式的模糊合作博弈、阶段1中的清晰联盟支付函数,构建部门间水资源模糊联盟支付函数;阶段3,基于上述成果,构建水资源短缺区域水资源优化配置模型,求解得到用水部门最优水资源合作联盟,并将求得的最优模糊联盟视为大联盟,通过求解其核仁解获得最优模糊联盟的收益分配。以京津冀区域水资源优化配置问题为例,算例结果表明：①基于Choquet积分形式模糊合作博弈的三阶段水资源优化配置模型能够最大化区域整体用水收益水平,实现水资源短缺区域中的水资源优化配置,并使区域中用水部门有机会分得更多的获益;②本文模型无需引入模糊Shapley值等分配方法作为约束条件即可求得最优联盟,模型不影响不同收益分配方法分配结果的有效性;③采用将最优模糊水资源合作联盟视为大联盟,并求联盟收益的核仁解的方法分配最优联盟收益,无论最优联盟的核心是否为空,都能保证联盟收益分配结果满足个体理性和集体理性要求,即能保证最优联盟中各成员不会“叛逃”最优联盟、联盟稳定存在,且保证获得的分配方案为确定分配值而非分配区间。即本问题中该分配方法优于Shapley值、模糊最小核、弱最小核方法。所构建的水资源短缺区域水资源优化配置模型及最优水资源合作联盟收益分配方法对水资源短缺区域的水资源优化配置问题有较好的适用性,能够为我国京津冀区域等水资源短缺区域的水资源优化配置工作提供参考。