不完备广义多尺度决策系统的逐步最优尺度选择

现有的最优尺度选择算法有可能无法得到全局最优尺度组合,且具有较高的时间和空间复杂度。针对该问题,提出了不完备广义多尺度决策系统的逐步最优尺度选择算法。介绍了不完备广义多尺度决策系统,给出了上下近似集的性质;采取属性约简与尺度选择同步优化策略,以得到全局最优尺度组合;给出了一个快速的求相容类方法,并提出了不完备广义多尺度决策系统的逐步最优尺度组合选择算法,该算法显著降低了时间复杂度与空间复杂度。数值实验表明所提出的算法是有效的。     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

一种新颖的多目标优化算法

粒子群算法的特性使得其在解决多目标优化问题时具有很强的竞争性,提出了一种结合小生境思想和在线归档策略的多目标粒子群优化算法,该算法能够在进化过程中保持优良种群。通过3个测试函数来评价算法性能并将算法与NSGA-II做比较,结果表明提出的算法的时间耗费明显小于NSGA-II算法且解集沿着Pareto非劣最优目标域有很好的扩展性。     

多agent协同强化学习算法SE-MACOL及其应用

针对多agent团队中各成员之间是协作关系且自主决策的学习模型,在此对Q学习算法进行了适当扩充,提出了适合于多agent团队的一种共享经验元组的多agent协同强化学习算法。其中采用新的状态行为的知识表示方法,采用相似性变换和经验元组的共享,能够提高多agent团队协同工作的效率。最后将该算法应用于猎人捕物问题域,实验结果表明该算法能够明显加快多个猎人合作抓捕猎物的进程。     

非支配解集的质量评价方法

多目标演化算法的目的是获得逼近Pareto最优前沿的分布均匀的非支配解集合,非支配解集的质量是多目标演化算法研究的重要领域.本文对目前提出的非支配解集的质量评价方法进行分类比较,为算法的整体性能评价和算法的性能比较提供了参考依据.     

多险种风险模型的破产概率

由于保险公司风险经营规模不断扩大,用单一险种的风险模型来描述风险过程存在局限性,文章建立了保费收入为复合泊松过程的风险模型;讨论了带干扰的多险种风险模型;得出伦德伯格不等式和最终破产概率公式。     

一种图像汉字智能识别机的研究

文章将智能控制与模式识别方法相结合,提出了一种仿人识字行为的图像汉字智能识别机;采用决策控制级、模式识别级和反馈校正并行式结构。决策控制级选择最佳的识别策略和参数,模式识别级进行多分类器结果融合识别,并根据对模式识别级输出的可信度判断结果进行反馈,校正识别方法和参数,最终提高汉字的识别效率。     

基于决策者风险态度的导流方案多目标决策研究

以导流方案优选为核心,在效用理论的基础上考虑决策者的风险态度,建立导流系统标准的效用损失函数,在导流系统标准期望效用损失均衡原则的指导下,合理分配施工导流系统风险,制定导流方案,运用多目标决策理论,建立基于决策者风险态度的导流方案多目标决策模型.实例分析表明,该决策模型是有效的,可以较好地解决导流方案的多目标决策问题.     

诱导延时和数据包丢失的广义网络控制系统的建模及其控制

针对广义网络控制系统的延时和数据包丢失问题,在诱导延时时间小于和大于采样周期T、单包传输和多包传输数据包丢失情况下,建立广义网络控制系统的模型并进行相关控制器设计.最后探讨了使网络控制系统稳定所允许的最大延时界限,为实际控制工程中广义网络控制对象的研究提供了理论依据.     

逆向蒙特卡罗模拟在无序体系中的应用

晶体学只能够给出有关晶体平均原子结构的信息,而结合逆向蒙特卡罗(Reverse Monte Carlo, RMC)模拟的全散射方法将同时包含原子的平均结构和局部尺度上原子间距、键角以及结构多面体的取向和形变等方面的信息,这也是RMC方法一个独特的优势.近年来,借助第三代同步辐射加速器和散裂中子源, RMC方法在实验和理论上都有了较快的发展,同时数据质量高,保证了该方法在材料的局域波动和无序的精细结构研究中的适用性.本文从RMC基本原理和分析方法两个方面介绍了无序体系中的逆向蒙特卡罗方法,同时给出了一系列有助于理解的RMC模型实例.最后,对RMC方法的发展进行了展望.近年来我国对大科学装置的投入迅速增长,相信RMC方法搭载第四代高能量光源,必将在我国新材料的设计与开发中发挥重要的作用.