一种基于小波网络模型参考自适应控制系统的设计与应用

根据神经网络内模控制的思想,提出了一种基于小波网络的模型参考自适应控制方法。该方法选用两个小波神经网络,分别作为系统模型的辨识器和控制器。此外,为了减小系统误差,在控制器和辨识器之间加入一个小波神经网络,作为非线性自适应滤波器。仿真结果和应用实例表明了该方法的有效性和合理性。     

一种多神经网络混合模型的学习算法研究

针对混合智能模型的多神经网络结构特征，提出一种模型参数的在线辨识算法。该算法在起始阶段利用混沌优化算法寻找初始点，随后采用BFS法完成参数寻优过程。对处于扰动状态下的预分馏塔的仿真结果表明，该算法可以有效地解决一类多神经网络模型的在线参数辩识问题。     

保持轮廓清晰的有理-线性彩色图像内插放大方法

提出了一种有理-线性的自适应彩色图像向量插值方法。该方法是将数字图像的每一个象素看作是平面域的关于RGB三原色的一个向量,首先结合图像的局部和边缘特征对图像进行N×N块划分,根据图像的块特征构造二元向量Newton-Thiele型有理插值曲面或Newton-Newton插值曲面,然后对插值曲面进行采样以实现图像的缩放。采用文中的算法得到的放大图像,不仅可保持轮廓的清晰,而且可得到较好的彩色图像视觉效果。最后试验证明,该方法比常规方法产生的放大图像质量高。     

求解隐式差分方程的一类高精度并行迭代法

为提高并行迭代法的计算精度,提出了一类高精度、无条件稳定、三层格式的并行迭代算法。用矩阵理论证明了迭代的收敛性,推证了网格加密时的渐进收敛性质。结果表明:对三层格式进行迭代处理,不仅能保证其计算精确度,而且具有很好的收敛速度与渐进收敛性质。数值算例验证了理论分析的正确性,表明了算法的可行性与有效性。     

一种基于CAS原理的智能决策支持系统模型

剖析了传统决策支持系统发展面临的困难，运用复杂自适应系统(CAS)的原理和自组织的观点，提出了一种新的基于CAS原理的智能决策支持系统模型和设计思路，论述了该模型的基本结构、运作过程及与传统DSS的区别、并探讨了规则编码、竞争机制与信用分派及规则发现等问题．这种新思路有助于解决数据、知识和模型的一体化管理问题，加强DSS的自适应能力和智能性。     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

修正AHP中判断矩阵一致性的加速遗传算法

作为系统工程中典型的定性定量综合集成方法,层次分析法(AHP)在各种复杂系统综合评价和多目标决策中具有广泛的应用价值.为修正AHP中判断矩阵的一致性,提出了用加速遗传算法同时修正判断矩阵一致性和计算AHP中各要素的排序权值的新方法(AGA-CAHP).理论分析和实例分析的初步结果说明:AGA-CAHP法直观、实用,计算结果稳定、精度高,在系统工程中具有推广应用价值.     

基于重置的L-M变结构BP神经网络

尝试将重置算法应用于神经网络结构的优化,研究了重置算法中最佳重置时间的性质,并提出一种基于重置的L-M(Levernberg-Marquardt)变结构BP神经网络.对比实验表明,重置算法的引入有效地解决了神经网络结构优化的问题,优化后的网络具有较好的收敛性.     

基于广义最小二乘模型的动态交通OD矩阵估计

基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.     

基于JIT的多目标并行多机调度问题的混合遗传算法

针对一类极小化 makespan和延迟区间的并行多机零件排序问题 ,设计了一个混合遗传算法 .该算法的特点是充分利用求解单机问题的最优有效算法 ,设计了一种简单的编码方案 ,简化了算法的实现难度 ,提高了算法的执行效率 .数值仿真实验表明 ,该算法具有收敛速度快、优化效果好等特点 ,且适合于求解大规模问题 .