具有学习能力的FPN在航保系统易损性评估中的应用

基于Petri网模糊推理算法,引入改进粒子群优化算法,使其具有参数学习能力,摆脱系统中众多未知参数对专家和经验的依赖.以舰船航空保障系统为研究对象,建立了基于具有学习能力FPN(Fuzzy Petri net)的系统易损性评估模型,算例佐证了其学习效率及精度.与传统系统易损性评估方法的对比试验表明该评估模型的全面性和合理性,并可推广应用于复杂舰船系统易损性评估研究.     

缺货的模糊需求回收物流库存控制模型及算法

为了研究模糊需求下回收物流的库存问题,对退回物品采用批量修复处理的方式,在不考虑提前期的情况下,假设销售商允许消费者退货,且退货服从Poisson分布,建立了一个包括单位购买成本、维修成本、库存成本和缺货成本的回收物流最优库存策略模型.引入模糊模拟和遗传算法相结合的混合智能算法,对不确定需求的回收物流单周期库存模型求解,以找到模糊情况下总成本的估计,从而推导出与之相对应的最优定购量.最后,应用一个实例对结果进行讨论,表明该算法有一定的有效性.     

生鲜食品多阶段动态定价模型及算法

考虑消费者购买行为,建立生鲜食品多阶段动态定价模型,力图使零售价格能够动态地反映生鲜食品的价值波动,采用基于正负反馈机制的改进蚁群算法求解模型。通过不同算例仿真分析,表明该模型优于传统模型;同时将本文算法与其他3种算法进行对比,从收敛性能和运行时间方面证实本文算法更优。     

基于箕舌线函数的快速凸组合最小均方算法

在分析凸组合最小均方(CLMS)自适应滤波算法性能的基础上,针对其联合参数λ(n)需要复杂指数运算的缺点,提出一种新的快速CLMS(FCLMS)算法。该算法采用修正箕舌线函数来替代原算法的Sigmoid函数,从而在保证算法收敛性能的同时合理避免了指数运算,在一定程度上提高了算法的灵活性。仿真结果验证了新算法与原算法相比有同样好的收敛性能并在计算量上明显小于原算法。     

伪逆算法的改进及其用于相控阵激发声场的控制

相控阵作为高强度聚焦超声肿瘤治疗中备受关注的一种换能器,运用伪逆算法可使其在媒质中产生的声场进行准确的声聚焦控制。但目前伪逆算法中的位置控制函数表述过于复杂,程序编译及计算时间过长。对原伪逆算法进行了改进,并将其用于一10×10个正方形阵元的平面相控阵在多层媒质中当肿瘤位于不同深度处时激发的声场进行了仿真。结果表明:利用改进的伪逆算法可对不同深度不同尺寸的肿瘤进行准确的声聚焦控制,并使程序设计及计算时间都大为减少。该算法为高强度聚焦超声肿瘤治疗提供了理论参考。     

基于遗传算法的类零相关多相码设计

距离高分辨多输入多输出（multiple input multiple output,MIMO）雷达体制下,目标回波可能跨越多个距离单元,因此要求发射信号在主瓣附近具有较低的自相关旁瓣和互相关。针对这一问题,提出了一种基于遗传算法的类零相关多相码设计方法。该方法选择具有零相关特性的零相关码集为初始群体,然后针对零相关码的特性,对遗传算法的交叉和变异操作进行了优化设计。通过把相关信号能量向远离主瓣的区域挤压,获得的多相码在主瓣附近具有较低的自相关旁瓣和互相关。最后,计算机仿真验证了该方法的有效性。     

量子K最近邻算法

为减少经典K最近邻算法的时间复杂度,提出了量子K最近邻算法(QKNN)。介绍了QKNN算法的构造步骤,然后为减少量子计数子程序的运行时间,进一步将固定的K值修改为可变的k,形成改进的k可变的量子最近邻算法(QkvNN)。为弥补由于最近邻个数K变化带来的分类错误率上升的影响,在Boosting算法框架下,用三个由QkvNN算法训练的弱分类器,去构造了一个强分类器,从而提高单独运行QkvNN的分类精度。在此算法中,由于利用了量子计算的强大能力,使得经典K最近邻算法的时间复杂度从O(N)减小为O(N)。     

一种新的大规模网络最短路径的近似算法

平均最短路径长度是复杂网络的一个重要特性,但是对于大规模网络的平均最短路径长度的计算是困难的.在最近的一次对中国教育网的研究中.建立了一个有2 354 934个网页和26 816 209个链接的网络.要想计算该网络的平均最短路径长度,无论是传统的Floyd、Dijkstra算法,还是基于MPI的并行算法,在现有的计算机资源下都难以实现.提出了二级网络的概念,并基于此给出了一种针对中国教育网的新算法,使得在可以接受的时间内完成平均最短路径的近似计算,经试算效果令人满意,说明这种方法对于计算大规模网络的平均最短路径是有效的.     

The Grid Algorithm of the Development Coefficient and the Combination Coefficient of Background Value in GM（1,1） Model

This article gives the algorithm of the sector in which the development coefficient is, and the steps to simultaneously calculate the development coefficient and combination coefficient of background value. Unifying the development coefficient and the background value＇s coefficient of combination to optimize the model together, avoiding the malpractice to separate the two in traditional method, and avoiding the error brought out by matrix multiplication because of matrix＇s illness and so on in the traditional way, therefore increases the precision of the model.     

一种适用于高阶QAM信号的双模式多模盲均衡算法

为了克服常数模算法(CMA)收敛速度慢、稳态误差大的缺点,利用QAM信号信道利用率高及高阶QAM信号模值不为常数的特点,提出了一种适用于高阶QAM信号的双模式多模盲均衡算法(DMMA).该算法以常规的CMA为基础模式,以多模算法(MMA)为第二模式,用该模式对于处在不同模值上的信号,以相对应的模值为参数分别进行均衡.另外,两种模式是同时对信号进行均衡的,并且在第二模式中,利用判决条件对均衡器的输出信号进行判决,使得模值能自动进行切换.利用水声信道对DMMA和CMA进行仿真实验,结果表明,与CMA相比,DMMA能针对性地对位于不同模值上的信号分别进行均衡,且收敛速度快、稳态误差小.