多传感器管理中多目标分配的蚁群优化算法

在多传感器对多目标的监视环境下,传感器对目标的优化分配是传感器管理的重要研究内容.文章探讨了多传感器多目标优化分配问题,提出了一个基于带目标威胁系数和未获拦截目标数最少的蚁群算法,并对信息素采用最差和最优更新策略.对优化分配算法进行了实验仿真验证.经过实验验证了该分配模型是可行的,能够使传感器资源均匀地分配给目标,更加符合实际应用.     

重用抗体优良片断的免疫进化算法

基于克隆选择原理与算法,通过分析具体现象阐述了改进克隆选择算法的思想来源,设计了挖掘抗体中优秀决定基因并生成记忆集、封装优秀决定基片段、用变异抗体群中亲和度高的抗体按概率替换记忆抗体群中低亲和度抗体的方法,获得了重用抗体优良片断的克隆选择算法.借鉴强度Pareto进化算法的进化框架,提出了重用抗体优良片断的免疫进化算法.该算法通过克隆选择替代选择、交叉、重组等遗传操作.在一组0/1背包问题上的测试结果表明,所提出的算法可以有效保持种群多样性,获得较高质量的Pareto非劣解集.
     

一种新型混合布尔PSO算法的研究

针对基本粒子群算法产生初始种群的盲目性和在搜索过程中粒子多样性丧失的缺点,提出了一种采用混沌策略改进的混合混沌布尔(Chaotic Boolean)PSO算法,在每轮迭代中将适应度最差的20%粒子进行单点交叉,选择次差的20%粒子增加混沌扰动。数值仿真结果证明了改进后的Chaotic Boolean PSO算法能更快地找到最优值,有效避免容易陷入局部最优情况发生。     

一种新的简化粒子群优化算法

针对粒子群算法在寻优中存在早熟和收敛精度不高等问题,论文对粒子位置的更新策略以及更新公式进行改进,提出了一种新的简化粒子群优化算法(New Simple Particle Swarm Optimization,NSPSO),并将其在15个多极值基准函数进行全局最优化测试,实验结果表明,NSPSO算法收敛的精度大大提高了,而且算法收敛速度也很快,对于高、低维复杂函数的优化均适用.     

基于FIG和GWO-SVM的灌浆功率时序预测

为更好地预测灌浆功率时序,建立基于模糊信息粒化(FIG)和灰狼优化支持向量机(GWO-SVM)的灌浆功率时序预测模型。首先,引入信息粒计算方法,将原始详尽的时间序列数值点分解为一系列信息粒,以减少模型的数据输入总量;其次,基于模糊集理论,采用模糊集算子对每个信息粒进行模糊计算,使得到的模糊信息粒可以合理地表示原始数值点集;最后,以支持向量机作为预测工具,并采用灰狼优化算法进行参数寻优,对产生的模糊信息粒进行快速准确的预测。结合实际工程,应用该预测模型对灌浆功率的波动范围和变化趋势进行预测研究,经过性能评价和对比分析,验证了模型的有效性和优越性。     

关于Lyness方程的周期性证明的一种算法

考虑Ｌｙｎｅｓｓ方程的周期性,利用结式消去法,通过整序,在参数为负和复的情形得到了方程周期性结论,推广了文有关论著的结果。     

第二小阶数的点本原1/2-弧传递图

通过研究群PSL(3,3)在二维射影空间PV(2 ,3)中极大独立点集之集合上的本原作用的次轨道结构 ,构造了一个阶数为 2 34,度数为 48,自同构群为Aut(PSL(3,) )的点本原 12 弧传递图 ,从而发现了第二小阶数的点本原 12 弧传递图 .     

基于通讯录的构件通信和动态迁移算法

可用资源动态性是因特网环境的重要特征之一.通过迁移应用构件可以调节这种动态性,但必须解决构件透明寻址和构件迁移前后的一致性问题.现有工作在构件迁移一致性方面存在不足.提出一种基于通讯录的构件迁移模型以及通信算法,它借助Home站点和组播通信机制解决了上述问题并且具有较好的系统可扩展性.     

RP/SP融合数据的Mixed Logit和Nested Logit模型估计对比

分析了RP／SP（revealed preference／stated preference）融合数据对交通行为研究的重要性,通过实际调查的RP／SP融合数据,对比了用Mixed Logit和Nested Logit模型的估计结果．得出了以下结论：RP／SP融合数据中,有时同类型交通方式的关联性要比RP和SP数据之间的关联性强,应用不同的Nested Logit模型分层方法进行估计对比;Mixed Logit考虑了个体的异质性,假定参数为随机分布,同时体现了RP／SP数据的关联性和同类型交通方式的关联性,能够得到更好的参数估计结果;Mixed Logit模型能更现实地反映不同交通方式使用者对时间和费用敏感性的不同（时间价值的不同）,体现小汽车使用者比公共交通使用者具有更高时间价值的现实情况．     

不确定离散时滞系统的H∞保性能预见控制

针对一类具有凸多面体不确定常参数的离散时间时滞系统,研究其H∞最优保性能预见控制器的设计方法。首先,与以往不同,本文的扩大误差系统仍然保留了时滞,以保证扩大误差系统的状态向量维数不随时滞的增加而增加。其次,针对所构造的扩大误差系统,设计有记忆的状态反馈控制器,并利用线性矩阵不等式方法,导出确保所求控制器存在的条件及该控制器设计的方法。最后,通过建立并求解一个含线性矩阵不等式约束的凸优化问题,给出扩大误差系统的鲁棒H∞保性能控制器,该控制器对于原系统来说就是鲁棒H∞保性能预见控制器。