两种数字生命的Swarm仿真研究

数字生命的概念是托马斯·雷最早在计算机上模拟实验提出的,以此为指导,介绍了复杂适应系统、Agent建模等理论知识,利用Swarm仿真平台构建了两种异类数字生命及共同生存的环境,模拟自然界生命体最基础的繁殖歼灭等生命现象,通过可视化窗口观察生命体个体及群体间的交互行为,得到结果的不可测性和突现性,实现了两种数字生命的Swarm仿真。     

群机器人狭窄通道相遇问题的解决方法

对于群机器人狭窄通道相遇问题提出一种方法——最大有效时长法。该方法能够有效解决机器人死锁问题,并降低机器人的决策难度。与人工力矩控制器配合,能使机器人高效、迅速地通过狭窄通道到达目的地;并且方法简单、计算量少。最后,仿真结果证明能有效解决群机器人狭窄通道问题。     

基于灰色PSO-ANFIS模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。     

基于仿真的军械紧急调运决策模型研究

分析了战时军械紧急调运的特点,指出了已有相关研究的局限性:①没有考虑军械紧急调运中存在的不确定性;②模型优化算法的实现较为复杂。针对这两点不足,将智能优化算法PSO与MonteCarlo仿真进行融合,提出了基于仿真的军械紧急调运决策模型,并依据模型较好地解决不确定环境下的军械紧急调运的决策优化问题。结合一个仿真算例,通过对比分析,证明了采用基于仿真的模型得到的调运决策更为合理、可信。     

基于免疫粒子群算法的飞行控制器参数寻优

提出了一种免疫粒子群混合优化算法.该方法将免疫算法中的基于浓度的抗体繁殖策略与粒子群优化算法相结合.对浓度低的粒子进行促进,对浓度高的粒子进行抑制,因而保持了粒子的多样性,克服了PSO算法易于陷入局部最优点的缺点,寻优速度快.将该方法用于飞行控制器的参数优化设计.仿真结果表明：使用该方法进行参数优化设计获得了优良的飞行控制效果,能够较大地提高飞行控制器参数的设计效率.     

群体行为影响的根系可塑性建模

依据根系生长发育过程中群体行为,构建了一种带偏好的群体交互模型,用于对虚拟根系可塑性的建模与仿真。视根尖作为根系群体中的智能个体。依据根尖个体对资源的竞争以及共享行为,构建根尖个体间交互模型。采用L系统构建简单动态根系生长模型,用于控制根系生长发育。结合群体交互模型与根系生长模型,在三种不同的土壤资源分布场景中分析群体行为对根系长度、根系在土壤中分布以及根系形态。结果表明群体交互影响下的根系生长能够感知土壤资源分布,并进行适应性的根系结构调整,从而为根系仿真提供一种简单的方法。     

采用改进粒子群的P2P流媒体数据调度算法

P2P技术解决了传统流媒体应用中的不能支持大用户的问题.而数据调度算法一直是P2P流媒体研究领域中的核心问题.为了减轻服务器的负载, 并且有效利用P2P网络中节点的资源.本文提出一种基于改进粒子群算法的P2P流媒体数据调度方法.该算法使用了粒子群算法进行寻优,并对粒子群算法进行改进,算法中定义了 "加法"运算,替换原来的速度方程,并增加变异算子,防止早熟收敛.最后通过对比实验验证了算法的有效性.     

基于智能优化粒子滤波算法的人体运动目标跟踪

粒子滤波算法应用于目标跟踪时,存在样本贫化和计算量大的问题,提出了一种基于智能优化粒子滤波算法.利用粒子群算法良好的局部寻优和全局寻优能力对重采样之后的粒子集进行操作,使粒子可以智能地合作起来,减轻样本贫化.实验结果表明,该算法实时性强,提高目标状态的估计精度,缩短了计算时间,其滤波性能优于常规粒子滤波算法.     

基于转运合作博弈模型的逆向供应链回收研究

针对逆向供应链中多再制造商之间结成联盟进行回收,从而更好地平衡回收量与需求量,并将该问题转化为联盟回收的合作博弈问题进行研究。将以联盟转运为再制造商之间的结盟形式,以联盟总效益最大为目标,利用设计的粒子群算法对联盟转运的转运数量矩阵进行求解,并利用夏普利值求得联盟利润的分配方案,以使得联盟处于稳定状态。最后给出了算法的数值例子并分析了计算结果,验证了算法的可行性。第一次研究了n个再制造商再制造产品多样的以联盟转运作为合作模式的逆向供应链回收问题,并首次使用粒子群算法对合作博弈模型进行求解。     

基于BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。