非线性离散动态大系统的DISOPE关联平衡协调算法

提出一种非线性离散动态大系统优化与参数估计集成的关联平衡协调算法。在各子系统模型与实际存在差异的情况下,将动态系统系统优化与参数估计集成方法（DISOPE）与关联平衡法相结合,得到一个上级协调,下级进行各子系统优化与参数估计集成的双环迭代算法,从模型出发通过迭代运算能得到实际系统存在模型－实际差异时的真实最优解。仿真结果表明了算法的有效性和实用性。     

一种基于概率模型的分词系统

汉语自动分词是中文信息处理中的基础课题。本文首先对汉语分词的基本概念与应用，以及汉语分词的基本方法进行了概述。接着引出一种根据词的出现概率、基于极大似然原则构建的汉语自动分词的零阶马尔可夫模型，并重点剖析了EM（Expectation-Maximization）算法，最后给出了一个基于本模型的汉语文本处理仿真系统。     

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

粒子群算法在航空发动机部件模型求解中的应用

将粒子群算法引入发动机部件模型的求解中,利用粒子群优化算法的群体智能和记忆功能,克服了插值法和N+1残量法在求解发动机模型时对初值的敏感性.针对发动机部件模型中非线性方程和共同工作方程组的特点,对基本粒子群算法采用不同的改进措施,得到两种改进粒子群算法HPSO1和HPSO2.仿真结果表明,改进粒子群算法求解发动机部件模型具有更好的收敛性和更快的收敛速度.     

基于多普勒频率变化率的无源定位算法研究

针对新型无源探测系统的要求,在原有多普勒频率变化率无源定位算法的基础上,为提高定位精度和收敛速度,提出了增加多普勒频率作为观测量,同时引入EKF算法对原始定位结果进行了处理。计算机仿真结果表明,改进后的算法能够满足新型无源探测系统的技术要求。     

求解二层线性规划问题的混合粒子群算法

结合粒子群优化方法和单纯形法为二层线性规划构造了一个混合粒子群优化算法.算法具有两层结构,其中粒子群算法用以求解上层规划问题,单纯形法用以求解下层规划问题.设计的粒子群在上层决策变量的可行城内搜索最优解,同时通过单纯形法求解下层规划问题得到每个粒子相应的下层规划问题的解.算法通过初始种群可行化,以及步长控制、不可行粒子淘汰等技巧避免了使用罚函数处理约束带来的困难,提高了粒子群优化算法的计算性能.最后,我们给出算法的数值例子并对该算法的计算性能加以分析.     

集装箱倒箱问题的启发式算法研究

为降低集装箱堆场的倒箱率,对翻倒箱落箱位置的确定问题进行了研究,提出了一种启发式算法H及其改进算法IH。利用仿真实验将所提出的两种启发式算法与最优解及已有启发式算法OH进行了比较,结果表明,提出的两种启发式算法在解的效果和稳定性上均明显优于算法OH,其中改进算法IH相对算法H又有进一步的提高。     

Simulated annealing algorithm for the optimal translation sequence of the jth agent in rough communication

In rough communication, because each agent has a different language and cannot provide precise communication to each other, the concept translated among multi-agents will loss some information and this results in a less or rougher concept. With different translation sequences, the problem of information loss is varied. To get the translation sequence, in which the jth agent taking part in rough communication gets maximum information, a simulated annealing algorithm is used. Analysis and simulation of this algorithm demonstrate its effectiveness.     

基于混合遗传粒子群算法的混沌系统参数估计

针对粒子群算法容易出现\"早熟\"的缺点,提出了一种改进的混合遗传粒子群(hybrid genetic particle swarm optimization,HGPSO)算法。在粒子群算法的迭代中引入淘汰机制,将满足淘汰条件的粒子与当前适应度最优的粒子进行多后代择优交叉和一定概率的变异操作,以期得到适应度更优的新粒子,代替被淘汰粒子。通过对4个典型函数的测试表明,该算法能够有效地克服\"早熟\"现象,提高了全局寻优的能力。将改进的算法用于Lorenz混沌系统的参数估计。仿真结果表明,即使在加入测量噪声的情况下,该算法仍能够对系统的未知参数做出有效的估计。