基于Elmore模型的Steiner树问题的求解

建立了一种求解基于Elmore延迟模型的Steiner树问题的遗传算法。针对Steiner树问题的特点,在引入一种新的具有自适应性的杂交概率和变异概率的基础上,提出了面向Steinet树问题的遺传算法和一种构造染色体的新方法。提供了遗传算法的结构并讨论了遗传算子。分析了基于时间和空间的算法复杂性。     

含有纯滞后对象的控制方法

评述纯滞后对象控制的两种典型方法─—大林算法和纯滞后补偿法的原理、优缺点、设计要求及存在问题，并讨论了两者的联系。     

遗传算法在农产品质量评判中的应用

遗传算法是一类借鉴这种生物界自然遗传机制的随机化搜索算法，其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不领带于梯度信息。论述了遗传算法的具体构造步骤。研究了基于遗传算法的神经网络用于农产品质量评判的模型建立与实现，并对遗传算法在苹果、番茄、烟叶和玉米等质量评判中的具体应用作了具体分析。图1，参7。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

非线性模糊直接鲁棒自适应控制的后推设计

采用模糊直接控制方法,针对一类非线性多入多出系统,提出了一种带有连续鲁棒项的鲁棒自适应控制方法.在此基础给出了高阶多入多出系统的鲁棒自适应的后推设计方法.在鲁棒项合理简化的情况下,给出了系统Lyapunov意义下的稳定性证明,简略分析了各设计参数的物理意义及其对系统性能的影响.理论分析和仿真实验均显示,本方法可以使系统全局渐近稳定,且选取恰当的设计参数可保证系统对输入信号的跟踪达到任意精度;并且由于鲁棒项的引入可使系统的设计更具灵活性.     

课表的多指标数学模型及解决方法

课程表问题又称时间表问题(timetable problem)，是一个多指标的优化决策问题，也是组合规划中的典型问题．对已有的时间表问题进行探讨，并研究其数学模型及解决方法．     

自适应压电桁架结构多目标最优控制

根据嵌入压电作动器的自适应桁架结构的机电耦合特性，考虑了结构强度、节点最大位移以及作动器最大控制电压等约束条件，提出了以强度、位移和能耗为目标、以电压为控制参数的多目标最优控制模型。该模型通过引入权系数，使多目标问题转化为一个二次目标、线性约束的二次规划问题。限制了设计变量每一步的运动极限，从而保证了算法的稳定性。用数值方法模拟了该模型对结构的控制效果。数值算例表明，该模型具有改善静不定结构应力状态、保证结构形变精度及调节控制能耗的功能。对于静不定结构，可以在一定程度上降低结构的最大工作应力。该模型还具有较小的能耗指标，并使控制点的节点位移尽可能小，利用该模型可以有效地实现单点或多点位移控制。     

多指标综合评价方法的分析与研究

评价是社会各领域的一项经常性的重要工作,本文总结了目前常用的各种综合评价方法,讨论了这些方法的基本原理、优缺点及适用领域,为正确合理选择评价方法提供参考.