基于反面选择原理的智能融合故障检测模型及其应用

针对反面选择算法用于故障检测所存在的局限性,提出了一种基于反面选择原理的智能融合故障检测模型.该模型利用人工免疫系统的反面选择原理来构建神经网络检测器,通过训练将系统的异常模式信息存储在分布的检测器中,根据检测器的激活来发现系统的故障.通过混沌时间序列的异常检测仿真实验,研究了模型参数对故障检测性能的影响.最后以发动机压气机失速检测实验为例,证实该方法对失速信号的模式特征具有较强的分辨能力,同时表明神经网络检测器比常规的二进制编码检测器具有更好的故障识别能力.     

JAVA-SWARM与GIS集成研究——以城市地理模拟为例

与GIS集成是多智能体仿真平台的研究热点,是实现真实场景城市地理模拟的关键技术之一.探讨了降低智能体模型与GIS集成复杂性的体系架构,运用系统集成领域数据集成和应用集成的技术和方法,设计并实现了低耦合、简洁、实用的Java-Swarm与GIS集成组件.该组件提供规范统一的空间数据访问、存储管理、生命周期管理、转换与映射等GIS数据集成服务,为城市模拟应用提供了组件化、低耦合、可配置的GIS集成应用方案.城市地理模拟模型开发实践证明,该组件的应用可以帮助开发人员降低GIS集成的技能要求、减少代码量、提高模拟模型开发效率和质量.     

基于人工生命的舰艇编队对海作战仿真研究

目的:为了研究一些主观等定性因素对现代海上战斗结果的影响.方法:采用人工生命方法开发了基于多Agent的水面舰艇编队对海作战模拟系统.运用一种决策因子结构建立了Agent行为决策模型,采取遗传算法实现了Agent的适应性.结果:分析了决策因子结构对作战结果的影响.结论:人工生命方法为分析定性因素对战斗结果的影响提供了一种新的手段,可以较好地从整体上揭示现代海战作战过程的作战规律.     

空间轨迹问题的粒子群仿真研究

空间轨迹的搜索问题具有多个全局最优解,一种有效的解决方法是采用粒子群算法进行搜索.然而与一般的优化问题不同,轨迹问题要求算法中粒子适应值与粒子位置同时收敛.为此,针对已有的粒子群算法在轨迹搜索上的不足,提出了一种减速粒子群优化算法(Slowdown ParticleSwarm Optimization,简称SPSO),从位置角度改善粒子群的收敛性能.该算法利用独立子群技术保证粒子收敛于不同的位置,并根据粒子适应值情况减半更新粒子飞行速度,以达到位置收敛的目标.仿真实验的结果表明了减速粒子群算法在位置收敛效果上的优越性.     

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。     

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.     

天然气工业用户峰谷分时定价Multi-Agent仿真

引入多智能体建模方法,构建了政府、用户、燃气公司、实时监控和人机交互等5类智能体,通过智能体的协助与交互模拟由于价格变化所引起的城市天然气管网需求与运营的动态变化过程。并且以某地区为例,将1天24小时划分为峰、平、谷3个时段,按照"量大价高"的原则实施分时定价政策,模拟该地区天然气管网的运行状态。结果表明:①实施天然气峰谷分时,定价能够在保证用户和燃气公司同时获益的情况下,有效降低峰谷负荷差;②在峰、平、谷价格比例逐渐增加的过程中,用户收益是单调递增的,而燃气公司的收益是先减少后增加的,当价格比例增加到一定程度后,燃气公司才开始获益。     

Consensus design for continuous-time multi-agent systems with communication delay

This paper investigates a consensus design problem for continuous-time first-order multiagent systems with uniform constant communication delay.Provided that the agent dynamic is unstable and the diagraph is undirected,sufficient conditions are derived to guarantee consensus.The key technique is the adoption of historical input information in the protocol.Especially,when agent＇s own historical input information is used in the protocol design,the consensus condition is constructed in terms of agent dynamic,communication delay,and the eigenratio of the network topology.Simulation result is presented to validate the effectiveness of the theoretical result.     

经济复杂性系统主体学习算法理论综述

对经济复杂性系统研究文献中常见的主体学习算法进行了一个全面的梳理.将学习算法分为来自智能计算或演化计算的学习算法以及来自心理学和实验经济学的学习算法,并结合文献介绍了各类学习模型在经济学研究中的主要应用.还回顾了文献中对各种算法的分析比较,并对学习算法的发展前景进行了展望.由于学习算法还是一个相对较新的领域,对经济系统中个体学习行为需要进行更加深入的研究和探索.     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。