一类开关动态系统最优控制问题的梯度下降算法

以开关动态系统的时间最优控制问题作为研究对象,给出了代价泛函的梯度表达式及证明过程,根据具有Armijo步长梯度下降算法得到数值解。通过仿真结果可以看出第一开关点为0.943 2 s,第二开关点为1.426 7 s,精度较高,说明具有Armijo步长梯度下降算法对于最优控制问题有良好的适应性。     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性.针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit,GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将...     

关于一类广义非线性集值变分包含组的逼近算法

在Hilbert空间中引入和研究了一类新的广义非线性集值变分包含组,利用极大η-单调映象的预解算子性质和Nadler定理,对此类变分包含组建立了解的存在性定理和建议了一个寻求近似解的带误差的迭代算法,证明了由此算法生成的迭代序列的收敛性,给出的结果改进和推广了最近文献的相应结果,     

一个异步的PGD算法

分析了并行优化算法中同步运算与异步运算的优缺点。提出完全异步的PGD算法。并且在一定的条件下。给出了算法的收敛性证明。最后结合大规模分布式并行计算机系统曙光-2000做出数值试验。结果说明异步的并行优化算法的效率高于同步的算法。     

直线Bresenham生成改进算法研究

为了在数字设备上高质量地快速绘制任意方向的直线,采用了Bresenham直线生成算法中的误差参数控制方法,对误差进行补偿控制;采用递归式计算不做浮点运算,提高了运算速度;采用对称分析方法,简化了任意方向直线Bresenham程序代码设计。通过Bresenham直线生成算法研究,提出了一个完整的任意方向直线生成算法和程序。     

基于最小费用流模型的不正常航班恢复问题研究

突发事件会导致航班计划无法按原计划执行,给航空公司及旅客带来巨大损失。而航班恢复问题的难点除了相关因素的复杂性,主要的体现在恢复方案的即时性。因此,为了提出快速有效的航班恢复方案,以降低损失,笔者通过时空网络技术对不正常航班的恢复问题进行描述,实现了对航班在空间和时间上的追踪。基于最小费用流模型,建立了以最小总延误时间为目标函数的整数规划模型,模型同时考虑了航班延误,飞机置换及航班取消的调度策略,并提出采用Floyd-Warshall算法对建立的模型进行求解。最后,通过算例对模型及算法进行验证。研究结果表明:针对突发状况,建立的模型及算法可提出合理的航班恢复方案,证明了模型及算法的可行性及有效性。建立的模型具有普适性,对不正常航班恢复问题的研究具有借鉴意义。     

高准确度网络安全意识个体评估及群体指数构建方法

针对网络安全意识评估方法存在评估准确度不及、客观性不足、缺少对群体的网络安全意识评估方法等问题,提出了一种高准确度的网络安全意识个体量化评估和群体指数构建方法.该方法从多个维度采集个体的网络安全意识数据,利用混合回归模型将安全数据量化为安全得分;利用改进的标签传播算法进行聚类,通过设定监督信息而不依赖标签数据,得到个体的信息安全意识等级;利用多个个体的信息安全意识评估结果,使用基于Grubbs准则构建的指数计算公式,弱化群体中的异常点,量化群体内部共同意识,得到群体网络安全意识指数.实验结果表明,相对现有的评估方法,该方法的准确度和客观性显著提升,同时能够正确反映群体网络安全意识水平,为网络安全意识的全面提升和闭环促进提供了技术方法.     

一种基于FOA与Autoencoder改进的聚类算法

K-means算法普遍应用在数据聚类分析,然而K-means算法具有不稳定性等缺陷,缺乏有效的降维能力,面对大量高维体检数据时聚类效果不佳.针对该问题,文中提出了一种基于FOA与Autoencoder的聚类改进算法,将K-means算法和Autoencoder模型结合,使用Antoencoder进行数据降维,并采用变步长果蝇优化算法的变减步长策略对Autoencoder的权重和偏移初始化方法进行改进.该算法可提高对健康体检数据聚类分析的准确度和效率,聚类轮廓系数也大幅提升,该算法应用于居民健康状况分析、疾病预测等方面表现出了较高的效率.     

基于精英反向学习的烟花爆炸式免疫遗传算法

针对移动机器人的路径规划中存在的避障和路径搜索等问题,文章提出了一种基于精英反向学习(elite opposition-based learning, EOBL)的烟花爆炸式免疫遗传算法(fireworks explosive immune genetic algorithm, FEIGA)。在FEIGA算法的基础上,引入EOBL机制扩大全局搜索,即在进行爆炸操作时,对当前最佳个体执行反向学习,生成其搜索边界内的反向搜索种群,引导算法向包含全局最优的解空间逼近,以提高算法的平衡和探索能力。函数优化结果表明,与其他算法相比,EOBL_-FEIGA收敛速度更快,搜索精度更高,有效地解决了免疫遗传算法(immune genetic algorithm,IGA)存在的局部搜索能力弱、易早熟收敛的问题,克服了FEIGA算法易陷入局部最优解的不足。路径规划结果表明,在不同的复杂环境下,EOBL_-FEIGA能实现机器人的最优路径搜索和避障,有较强的搜索能力和鲁棒性。     

改进型波控算法在FPGA中的研究与实现

相控阵雷达波束控制系统的性能极大地影响雷达功能的发挥,文章采用基于现场可编程门阵列(field-programmable gate array,FPGA)芯片实现波束调度,具有速度快、可靠性高、控制灵活及便于扩展等特点;然而FPGA芯片不具备浮点运算功能,无法进行实时计算。文章将查表法和实时计算法相互结合,取长补短,规避了FPGA无法完成浮点运算的缺陷,又节约了码表存储的内存空间,具有广泛的工程应用前景。