用户端单相SVG的无功电流跟踪算法

针对直接电流控制的用户端单相SVG,提出一种新的单相无功电流跟踪算法.在一个计算周期内,用锁相环电路得到与电源电压同频率滞后1/4周期的标准正弦波与负载电流乘积后,结果存入采样数据储存队列,然后比较队列中基波周期前后一段数据,以快速跟踪无功电流.仿真结果表明,该算法在一个周期内能够实现对无功电流的准确提取,而且对电流变化跟踪效果理想,防干扰能力强.算法简单快速,只需两个乘法器,易于实现.     

MUSIC算法结合小生境遗传算法的电磁矢量传感器波达方向估计

当最大似然估计法和MUSIC算法求解矢量传感器阵列问题时,存在多维谱峰搜索的困难。采用一种小生境遗传算法用于矢量传感器阵列的MUSIC算法的多谱峰搜索。通过实验仿真,验证了小生境算法的有效性。仿真结果表明,基于遗传算法的MUSIC算法得到的角度估计均方根偏差性能比ESPRIT算法要差,而在均方根标准方差方面,基于遗传算法的MUSIC算法则比ESPRIT算法要好。     

并行处理系统中一种改进的MARY-LO任务调度算法

讨论了并行处理系统中的任务调度问题，对基于Stone典型模型的一些算法作了些改进，改进后的算法弥补了以前算法的不足，将启发式算法，网络流量算法和贪心算法有机地结合在一起，很好地解决了处理机数目上的限制问题。     

信号频率方向及模型误差联合估计的优化算法

为解决高分辨阵列测向问题,讨论了空间信号频率／方向及阵列模型误差联合估计的全局优化算法,改变了已有迭代算法可能只收敛于局部最优点的弊端,保证算法收敛于全局最优点。计算机模拟结果表明：该算法能够同时对空间到达信号频率／方向及阵列模型误差进行联合估计,并具有较高的分辨率。     

基于混合求解算法的智能组卷研究

智能组卷是一个多约束目标的组合优化问题,针对传统算法在组卷方面存在的不足,将遗传算法和模拟退火算法相结合,提出了一种混合求解算法.新算法不仅克服了未成熟收敛,而且速度和性能都有显著提高.实验结果表明,新算法提高了组卷效率.     

群决策中基于语言评价信息的TOPSIS方法

针对基于语言评价信息的群决策问题，提出了一种新的TOPSIS方法。依据传统的TOPSIS方法的基本思路，首先将语言决策矩阵转换为规范决策矩阵；其次，通过变量转换关系对有序语言短语集中的有序语言短语进行“量化”，构造与原语言决策矩阵“等价的导出”决策矩阵，并利用算术加权平均算法对所得到的导出决策矩阵进行群的集结；然后对所得到的决策矩阵构造理想点和负理想点，计算每个方案的相对接近度，根据得到的相对接近度对方案进行排序从而确定最优方案。最后通过一个算例说明了该方法的有效性和实用性。     

包含QoS路由信息的最优路径选择算法

介绍了如何使用C 语言形成包含QoS路由信息的随机网络拓扑图,并通过在网络拓扑图上寻找最短路径来模拟在现实网络中满足一定条件的最优路径选择算法.     

一种适用于Ad Hoc网络路由的启发搜索技术

提出了一种基于地理位置信息的启发式Ad Hoc网络路由方法,该方法将传统的A^＊算法改造后用于Ad Hoc网络的路由搜索,解决了由贪婪方式转发而失败的本地最小问题,避免了繁杂的路由平面构造与维护,计算机仿真显示,它需要的开销较小并能提供较高的分组传输成功率。     

一种基于融合递归机制的长文本机器阅读理解算法

目前对于机器阅读理解的研究大多都使用预先训练的语言模型如BERT来编码文档和问题的联合上下文信息,相较于传统的RNN结构,BERT模型在机器阅读理解领域取得了显著的性能改进.但是当前基于BERT的机器阅读理解模型由于输入长度有限(最大长度为512),在进行特征提取时,存在一定程度的语义丢失,且不具备建立长距离依赖能力.为了解决这个问题,提出了一种基于BERT-Base的长本文机器阅读理解模型BERT-FRM.通过添加重叠窗口层以更灵活的方式切割输入文本,使用两个BERT模型独立编码问题和文档,并且在模型中添加递归层来传递不同片段之间的信息,赋予模型建立更长期依赖的能力.实验结果表明,BERT-FRM模型与BERT-Base基线模型相比,在TriviaQA和CoQA两个机器阅读理解数据集上的F1值分别提升了3.1%和0.8%.     

基于POMDP模型的机器人行动的仿真优化

策略梯度优化算法是一种很重要的强化学习算法,对实现机器人的自主导航有着重要的应用价值.在部分可观Markov决策过程(POMDP)的基础上,实现了两个有限记忆的策略梯度优化算法:基于模型的GAMP算法和无模型的IState-GPOMDP算法,并利用该算法对机器人走迷宫的问题进行了仿真.通过分析仿真结果,对这两种算法引入了基于观测的优化;并发现在所给报酬函数下,策略梯度算法中的步长参数也在一定程度上影响着优化策略的效率.