慢时变线性模型参数辨识递推算法及收敛性分析

针对慢时变线性模型,给出辨识的递推算法,并证明该算法能够保证参数收敛在一个有界空间区域,该区域包含参数真值集合;若工作点不发生变化,合理的收敛因子保证参数收敛到对应真值.在实际应用中,工业对象可以利用慢时变线性模型表示,因此该递推算法能够确保工业对象模型实时更新以跟踪工况的变化.通过实例仿真可以看出,该递推算法能够保证慢时变线性模型参数有效更新,并较为准确估计输出变量.     

基于基因算法的用于系统识别的测试信号的设计

详细介绍了如何用Matlab实现基因算法生成两个不同的具有最小峰值的测试信号,并且把这两个不同的测试信号输入到一个识别工具箱里,通过检验输出的结果来确定这两个测试信号是否适合用作特殊系统的识别.本文所用基因算法产生的测试信号如预期的一样具有最小峰值,但当把这两个测试信号输入到识别工具箱之后,估计系统的矩阵特征值与原始系统的矩阵特征值有很大的差距.产生这种差异的原因主要有两个,一个可能是产生这两个测试信号的长度不够,另一个可能是这两个测试信号非正交.     

基于改进射线跟踪法的隧道环境无线信道仿真

隧道环境与陆地上移动通信有显著不同,需要对其无线信道特性进行研究.本文提出了一种改进的射线跟踪法,能够对隧道环境无线信道特性高效地仿真,降低了射线跟踪的计算复杂度,同时采用一种新的坐标系描述弯道的几何形状,便于对弯道部分进行射线跟踪.本文将路径损耗的仿真结果与北京地铁14号线的实测结果进行对比,对比表明:改进的射线跟踪法能够有效地预测路径损耗;直道中K因子在-8～25 dB范围内变化,且随着距离增大有减小的趋势.     

基于多目标的Dijkstra算法的配送中心路线优化的研究

本文主要利用Dijkstra（迪杰思特拉）算法,将配送中心的三个主要的业务目标,即距离、时间和费用进行整合,建立可实现多目标的模型,使配送中心在线路优化的同时考虑多个因素,实现多种目标。Dijkstra拓展算法还可以进一步拓展,企业可以根据需要在三个目标的基础上进行增减。这种综合考虑多种目标的算法对于实现配送中心线路优化具有现实意义。     

基于综合运输网络的logit多路径分配模型的求解算法研究

在综合运输路网中增加虚拟的节点和虚拟路段,将交通方式间的转运（换乘）延误当做路段阻抗处理,通过使用现有的交通分配模型和算法去处理带有转向延误（换乘）的交通问题。     

针对立管重入井过程中等路径段加速度的改进型蚁群优化算法

在自由悬垂立管动力学分析的基础上，提出了一种针对等路径段内的加速度进行优化的改进型蚁群算法.通过该算法得出的立管顶端的优化运动策略，可以有效地减小立管底端在平移结束时同海底井口的距离，同时缩短重入井作业需要的时间，使得钻井立管重入井作业更加便捷.通过对比在优化后的运动策略下和在普通的运动策略下自由悬垂立管的不同动力学响应和型态变化，说明针对等路径段加速度进行优化的蚁群优化算法可以有效地优化立管重入井过程中的立管型态和运动，使重入井作业更加便捷.
     

一种基于FCFS调度策略的多处理机系统的仿真模型

根据多处理机的随机模型调度算法和排队系统的仿真原理，提出了基于FCFS的多处理机的调度评价模型，并开发了仿真软件，用于预测多处理机方式下的系统性能参数。     

基于吸引度搜索的汽车滚装码头堆场车位分配优化

为加快滚装运输过程中汽车装卸滚装船舶的周转率,促进滚装码头堆场车位资源的高效利用,研究了滚装码头堆场车位分配问题.按照成组集中分配原则,以提高成组汽车停放集中度为目标,建立了衡量成组汽车停放集中度的混合整数规划模型.进而设计吸引度搜索算法对模型进行了求解.与分支定界法相比,吸引度搜索算法在高效求解规模化算例的同时可实现解的质量较优.以上海海通汽车滚装码头堆场的车位实际布局及作业情况为背景,验证了所提模型与算法的合理性及有效性,拓展了汽车滚装码头堆场车位分配管理的理论研究.     

人工蜂群算法及其应用

为促进人工蜂群算法理论和应用的发展, 在分析人工蜂群算法的基本原理基础上, 针对算法的不足, 全面地归纳了国内外学者对算法的改进研究, 对算法的蜜源初始化、更新策略的改进、调整策略的改进、适应度函数的选择以及与其他算法的融合进行综述, 提出了更有效的改进策略。同时从多方面综述了人工蜂群算法的应用, 并对人工蜂群算法的发展方向进行了总结和展望。     

数据中心启发式反向人工蜂群虚拟机整合节能策略

针对数据密集型作业的特点,提出一个基于CPU和图形处理器(GPU)两个影响因素构建计算节点的能耗评估模型.该模型基于原虚拟机选择节能算法(ABCS)在虚拟机选择节能策略中的能效优势,进一步利用启发式思想改进蜂群优化算法,寻求虚拟机整合的最优解.在CloudSim 3.0云计算模拟器中的实验结果表明,启发式反向蜂群算法能在保证服务质量的前提下,有效降低虚拟机迁移次数,进而降低数据中心的能耗(节能25%~30%).