惯性约束聚变等离子体的光谱诊断（Ⅰ）

利用经过评估的原子结构和动力学参数,针对惯性约束聚变等离子体的局域和非局域热动平衡状态,计算了等离子体中的特征发射光谱,并分析其随等离子体温度密度变化的规律．研究发现离子特征谱线的共振线强度比值、伴线与共振线强度比值对等离子体温度变化很敏感,而特征谱线的线形函数对等离子体密度变化较敏感．这些性质可以用来诊断等离子体温度和密度状态．     

人工记忆优化算法

为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法. 在该算法中,每个记忆元对应着一个试探解; 将记忆原理的记忆和遗忘规律用于控制每个记忆元的状态转移; 记忆元的状态由与试探解相关的状态描述量以及记忆残留值构成,该值分为瞬时记忆、短时记忆和长时记忆三种状态类型,并依据记忆元接受刺激的强度被加强或衰减; 处在瞬时记忆、 短时记忆和长时记忆状态的记忆残留值衰减速度由快到慢,记忆残留值低于某个阈值的记忆元要被遗忘,不再被处理. 在记忆元状态转变过程中,记忆元从一个状态转移到另一个状态实现了对优化问题最优解的搜索. 该算法将试探解与记忆关联,使得试探解依据其质量好坏被自动分类; 处于长时记忆状态的试探解因其质量好,其部分变量的状态值将被传给其它质量差的试探解对应的变量,使其质量得到改善; 处于不同记忆状态的试探解交换信息时,只有很少部分变量进行状态信息交换,这样既可以使试探解的大部分变量的状态保持不变,又能使其质量得到改善,且可大幅减少变量处理个数,对于高维优化问题此举可大幅提高算法收敛速度; 随着演化的进行,质量差的试探解会不断被遗忘,被处理的试探解的数量会不断减少,因此,随着时间的推移,本算法的收敛速度将越来越快. 应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性. 测试结果表明本算法的性能与现有的群智能优化算法相比,具有收敛速度快,求解精度高的优势.     

基于节点密度法的连续体结构拓扑优化结果提取

研究影响拓扑优化结果提取的各类因素及解决方法.基于节点变密度法建立连续体结构拓扑优化模型,连续密度场在结构拓扑数学描述上抑制了棋盘格现象.采用密度过滤技术进一步提高密度场的连续性和光滑性,从而消除了网格依赖性现象.密度-弹性模量惩罚措施及两步过滤策略减少了中间密度节点数目并消除图像扩散现象.拓扑优化密度云图输出方式得到光滑的轮廓边界.通过二维经典拓扑优化数值箅例验证了方法的正确性.     

基于无迹粒子PHD滤波的序贯融合算法

针对在杂波、漏检和非线性情况下,粒子概率假设密度滤波（particle probability hypothesis density filter, P-PHDF）算法估计精度不高、滤波发散及粒子退化等问题,提出了一种基于无迹粒子概率假设密度滤波（unscented particle PHDF, UP-PHDF）的序贯融合算法。利用无迹粒子滤波（unscented particle filter, UPF）实现PHDF,由UKF算法得到更好更优的重要性密度函数并从中采样,使粒子的分布更接近多目标概率假设密度分布;另外,为进一步提高滤波算法的性能,实现基于雷达和红外传感器的UP-PHDF序贯融合算法,通过两传感器交替滤波保证目标状态的可观测性。在复杂环境下,仿真结果表明该算法的估计精度和稳定性明显优于单传感器P-PHDF算法。     

基于密度的计算机兵棋推演数据快速聚类算法

针对计算机兵棋推演数据的特点,提出了一种基于密度的快速聚类算法-基于密度的快速空间聚类算法(quick density based spatial clustering of applications with noise, QDBSCAN),目的是通过聚类检测孤立点,快速定位地面部队兵力部署上的缺陷。QDBSCAN算法在基于密度的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)算法的基础上做了相关改进:在邻近度度量上提出了最短可行路径的概念,使聚类更符合计算机兵棋的规则;动态设置密度参数;采用提出的代表对象选择方法来减少对对象邻域的判断次数;按区域对数据进行分组以缩小聚类规模。实验表明,QDBSCAN算法的性能在数据规模较大的情况下,明显优于DBSCAN算法。     

一种促进PSO全局收敛的参数调整策略

模拟鸟群捕食行为的粒子群算法存在早熟收敛问题。理论和实验都证明了粒子群算法参数确定局部搜索能力与全局搜索能力的比例关系,对算法的收敛能力影响极大。对现有的参数调整策略进行了分析,指出了存在的问题。借鉴免疫机制中的多样性和变异理论,提出一种新的参数调整策略,该策略基于抗体的亲和力和粒子的聚集程度来确定粒子的最优适应值变化率及算法参数值。对经典测试函数的实验结果表明,提出的参数调整策略使算法的全局收敛能力得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题。     

基于样本重采样的电路非平衡数据预处理方法

针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先,采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后,对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。     

层次任务网络中的重新规划研究综述

层次任务网络(hierarchical task network, HTN)作为智能规划技术的重要组成部分,已成功应用于无人平台任务规划、应急方案制定等各领域中。由于日益增加的不确定因素对计划执行效果的影响,迫切需要重新规划技术,因此基于HTN的重新规划技术成为近年来的研究热点。首先,通过对当前研究现状的总结梳理,提出了基于HTN的3层重新规划框架。然后,分别从框架中的计划修复、局部重规划和全局重规划3个层次阐述了相应的技术路线与实现细节,针对不同层次指出了目前方法的优势与不足。最后,对该问题未来的研究方向进行了展望,并提出了待解决的关键问题及解决思路。     

考虑多技能人力资源的分布式多项目调度问题

在分布式多项目管理中,当考虑共享资源为多技能人力资源时,共享资源的指派涉及到\"活动-技能-资源\"的匹配关系,进一步考虑人力资源多技能异质的特性,还会导致活动实际执行工期会随着指派方案的不同而变化,因此,考虑共享资源为多技能人力资源的分布式多项目调度问题是一类具有很强现实背景和理论研究价值的NP-hard问题.基于多Agent系统,建立以单项目完工时间为优化目标的局部调度模型,以及多项目总延期成本为优化目标的全局协调决策模型;考虑人力资源多技能异质的特点,设计基于贪婪指派策略的序贯博弈谈判机制指派共享的人力资源;基于Ran Gen随机生成的多项目算例开展实验研究.研究表明:基于贪婪指派策略的序贯博弈谈判机制对于程度不同的资源冲突和不同规模问题的求解均具有较好的适应性,可有效降低多项目总延期成本,且求解效果优于随机分配策略;设计的优先指派技能水平高、掌握技能数少、工作时间短的全局资源指派策略,可获得较优的人力资源指派方案和多项目调度计划.     

水化硅酸钙力学参数跨纳-微观尺度计算方法

为了准确高效地基于分子动力学模拟计算微观尺度高、低密度水化硅酸钙(C—S—H)的力学参数,选用7种常用的C—S—H晶体类似物结构和三种多孔介质力学模型进行对比分析研究。首先在纳观尺度通过分子动力学模拟得到C—S—H晶体类似物结构的体积模量、剪切模量、弹性模量和泊松比四个力学参数;并与第一性原理计算得到的结果进行对比,以此为基础,再应用多孔介质力学模型计算获得微观尺度高、低密度水化硅酸钙的相应力学参数;并与已有文献实测的高、低密度水化硅酸钙弹性模量进行验证。结果表明,与第一性原理计算相比,6种Tobermorite晶体结构模型的力学参数计算平均误差约20%; Jennite晶体结构模型计算平均误差达59%。采用C—S—H晶体类似物结构Tobermorite 14,结合Mehta或张俊彦的多孔介质力学模型进行模拟计算,效果最佳。C—S—H晶体结构类型对C—S—H跨纳-微观尺度力学参数准确性影响最大。提出的基于分子动力学模拟和多孔介质力学模型进行水化硅酸钙力学参数跨纳-微观尺度计算方法,避免了采用大规模分子动力学模拟获得高、低密度水化硅酸钙的微观力学参数,计算效率高且结果可靠。