求解约束优化问题的动量粒子群算法

为解决约束优化问题,提出使用双可行域吸引子策略改进动量粒子群算法。该算法只需初始种群中有一个粒子位于可行域内,随着搜索过程的进行,整个种群自动进入可行域内搜索。一方面,在搜索过程早期,由于可行域内粒子少,所有粒子移向相同的吸引子,整个种群迅速进入可行域内。另一方面,随着进入可行域粒子的增多,由于每个粒子使用距本身最近的可行域吸引子,较好地维持了种种群的多样性,避免早熟现象的发生,使算法具有较好的寻优性能。与国际上当前解决约束优化问题的粒子群算法在4个标准约束优化函数上测试比较,实验结果表明本算法取得的最优值要优于其它粒子群算法。

Abstract：

The strategy that two good positions in feasible region worked as attractors was incorporated into momentum particle swarm optimization algorithm in order to resolve constrained optimization problems. The resulting algorithm only requires that one of the initial particles is in the feasible region, and then all particles in the swam automatically move into the feasible region. On the one hand, in the early iterations few particles appear in the feasible region and hence all particles move toward the same attractors, so the particles soon enter into the feasible region. On the other hand, as the number of particles in the feasible region increases, each particle adopts the most near attractor so that each particle has different attractor. Therefore, the algorithm maintains the diversity of the population, alleviates the premature, and hence achieves good performance. The algorithm is compared with other particle swarm optimization algorithms on four benchmark functions. The experimental results show that the solution of the algorithm is better than that of others.     

Coordinated Bayesian optimal approach for the integrated decision between electronic countermeasure and firepower attack

The coordinated Bayesian optimization algorithm (CBOA) is proposed according to the characteristics of the function independence, conformity and supplementary between the electronic countermeasure (ECM) and the firepower attack systems. The selection criteria are combinations of probabilities of individual fitness and coordinated degree and can select choiceness individual to construct Bayesian network that manifest population evolution by producing the new chromosome. Thus the CBOA cannot only guarantee the effective pattern coordinated decision-making mechanism between the populations, but also maintain the population multiplicity, and enhance the algorithm performance. The simulation result confirms the algorithm validity.     

含有铁磁迟滞非线性系统的反步控制及仿真

铁磁迟滞特性反映的是磁性材料中的迟滞作用.研究一类含有铁磁迟滞特性的不确定非线性系统的跟踪控制问题.将铁磁迟滞模型近似处理成线性输入项和有界的非线性扰动项,使得控制器设计易于实现.将迟滞模型融入控制器的设计过程中有效地消除了迟滞作用对系统的影响,避免了构造复杂迟滞逆模型需要精确迟滞模型表达式的限制.采用自适应反步控制方法,所设计的控制器使系统的输出快速跟踪上给定信号,跟踪误差在一个很小的范围内波动,保证了闭环系统的全局稳定.仿真研究验证了该设计方法的有效性.     

具有时变扰动不确定系统的对偶自适应控制

对一类具有参数不确定性以及时变外部输入扰动的线性系统的控制方法进行了研究 :(1)提出了一种系统参数和扰动的联合辨识实时辨识方法 ,即在不需预先知道扰动模型的情况下 ,同时估计被控对象参数与外部输入扰动 ,并根据辨识结果对输入扰动进行实时补偿 ;(2 )设计了一对偶自适应控制器 ,该控制器具有控制与学习的双重作用 ,能够克服系统参数不确定性影响 ,且防止了传统自适应系统可能有的“关断” ,“终止”和“猝发”等不良现象 ,从而增强了自适应控制系统的鲁棒性。最后通过仿真例子验证了算法的有效性。     

构造极小广播网络的新方法

广播是指从网络中某一成员开始 ,将消息传递给网络中其余成员的过程 .极小广播网络就是指能在最短时间内广播一条消息的通讯网络 .本文主要讨论一种构造极小广播网络的新方法 ,这种方法在大多数情况下改进了极小广播网络的最少边数的上界.     

公路军事交通运输勤务综合演习项目GERT网络模型研究与分析

运用随机网络理论 ,构建了在现代高技术战争条件下 ,“红、兰”军双方激烈对抗时 ,公路军事交通运输勤务系统运行过程的 GERT网络模型 ,并举例求出了其解析解 .在此基础上 ,提出了演习 (或战争 )时 ,公路军事交通运输保障的“失败”概率与“转移”(战术、战役或战略转移 )概率的概念 ,并对其因素构成及其相互关系进行了剖析 .     

基于前视声呐信息的AUV避碰规划研究

在复杂海洋环境中,利用前视声呐获取的障碍物信息指导自治水下机器人（AUV）进行局部避碰。主要采用强化学习的方法对AUV进行控制和决策,综合Q学习算法、BP神经网络和人工势场法对AUV进行避碰规划。强化学习的方法强调AUV在环境的影响中学习,通过环境对不同行为的评价性反馈信号来改变行为选择策略。并且在环境发生变化时,AUV通过学习来实现对新环境的适应,不断改进其自治能力,进而实现在不确定环境下的避障任务。开发了AUV运动规划的虚拟仿真软件系统,仿真实验证明了算法的合理性与可行性。     

结合非线性CS算法的UWB-SAR运动补偿

载机飞行不稳对SAR成像质量影响很大,对超宽带SAR系统尤其如此,提出了一种结合非线性CS算法的超宽带SAR运动补偿方法。通过采用引入高次相位补偿和非正交旁瓣抑制的改进非线性CS算法,减小了超宽带SAR成像中的相位误差。通过成像前的常规一阶运动补偿和距离徙动校正后的分块二阶运动补偿,有效补偿了超宽带SAR中的方位空变运动误差,提高了飞行不稳时的成像质量。该方法在运动补偿时考虑了方位空变运动误差随距离的变化,针对载机运动误差变化较快的情况也给出了处理办法。仿真和实测数据的处理结果验证了该方法的有效性。     

贝叶斯方法在代码转换器可靠性验证试验中的应用

针对高可靠性产品的可靠性验证试验时间长、费用高等特点,将贝叶斯方法引用到可靠性验证试验中。推导出服从指数分布的贝叶斯可靠性序贯试验方法。将贝叶斯方法与经典序贯试验方法进行比较,贝叶斯方法较大的减少了试验量和试验时间。在某型飞机代码转换器的国产化可靠性验证试验中应用该方法,实际应用结果验证了该方法的有效性。     

属性添加情况下的概念格重构算法

研究在给定的形式背景下,通过逐步添加属性建造概念格的方法.一般地,初始概念格可由部分属性生成.当添加属性时,得到了新节点与它在原概念格中的直接父节点是一一对应的结论.证明了所有新节点在原概念格中的直接父节点,只可能在某个节点和它的子节点中.基于上述性质,给出了添加属性情况下的重建概念格算法.此算法的优点是生成新节点的范围小,构建概念格的速度快.