复杂网络与标准扩散中的集聚——基于主体的计算经济学研究

结合行为博弈关于学习算法的成果,采用基于主体的计算经济学方法,研究了标准扩散中的集聚问题.为了测量复杂网络下的标准集聚程度,根据标准扩散的特点定义了新的聚类系数.仿真结果表明集聚是标准扩散过程中非常显著的现象;也揭示出在扩散中微观个体在不断改变策略的同时,宏观集聚现象却一直很明显.因此较好地揭示了标准扩散过程中的集聚现象以及复杂系统中微观主体行为和宏观集聚现象之间的关系.     

电路原理图的加权网络分析

对电子电路进行复杂网络分析时,为了很好地体现有些元器件的重要性,本文引入了节点间连边加权的概念.以具体电子电路原理图为例,找出各个元器件之间的连接关系,建立网络的拓扑结构,生成一个加权网络,得出了网络的统计参数,给出了节点连接度的概率分布函数曲线.结果显示这种加权分析方法能更好地体现出电子电路系统的特点.     

Cluster Synchronization in a Complex Dynamical Network with Two Nonidentical Clusters

This paper further investigates cluster synchronization in a complex dynamical network with two-cluster. Each cluster contains a number of identical dynamical systems, however, the subsystems composing the two clusters can be different, i.e., the individual dynamical system in one cluster can differ from that in the other cluster. Complete synchronization within each cluster is possible only if each node from one cluster receives the same input from nodes in other cluster. In this case, the stability condition of one-cluster synchronization is known to contain two terms： the first accounts for the contribution of the inner-cluster coupling structure while the second is simply an extra linear term, which can be deduced by the ＂same-input＂ condition. Applying the connection graph stability method, the authors obtain an upper bound of input strength for one cluster if the first account is known, by which the synchronizability of cluster can be scaled. For different clusters, there are different upper bound of input strength by virtue of different dynamics and the corresponding cluster structure. Moreover, two illustrative examples are presented and the numerical simulations coincide with the theoretical analysis.     

城市路网的复杂网络特性及可靠性仿真分析

首先通过在路网中引进网络平均距离、节点度分布以及簇系数等概念,重点研究了城市路网映射后的复杂网络特征,以合肥市路网为例进行了实证研究。在此基础上,尝试运用复杂网络理论探讨城市路网可靠性,并以合肥市路网为例,进行了路网选择性攻击和随机失效条件下的可靠性仿真分析,其结果表明路网展现出完全不同的鲁棒性。将复杂网络理论应用到城市路网分析,进一步拓展了城市交通网络基础理论的研究思路和研究范围。     

基于多元共生遗传神经网络的藻类预测仿真

提出一种多元共生遗传神经网络(PGANN),从遗传算法和神经网络——进化和学习两方面及其相互关系着手完善进化过程,以提高优化效果和泛化能力。该算法包括一个共生平衡交叉算子,一种多元选择策略和一种神经网络的分级优化策略,其中共生平衡算子能够兼顾进化过程中的方向性、多样性和自适应性;多元选择策略能够适应进化过程不同时段对选择压力不同的需求;而分级优化使运算规模和运算速度之间的矛盾得到缓解。将该改进的遗传神经网络PGANN应用于水库和湖泊有毒的优势蓝绿藻爆发预测,取得了满意的效果。     

基于动态递归模糊神经网络盲均衡算法的研究

模糊系统和神经网络已广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识;而由于无线通信信道的时变性和不确定性,决定了盲均衡器本身就是一个动态的均衡过程,所以研究利用动态递归模糊神经网络的盲均衡算法是可行的,而且也是必要的。仿真结果表明:由于动态模糊神经网络的均衡过程同时利用了系统的当前数据和历史数据,对动态系统的均衡,较传统神经网络在均衡的精度和稳定性方面具有更好的效果。     

信息熵在导航传感器故障诊断中的应用研究

对组合导航系统中占主要地位的惯导系统进行故障诊断研究,给出了一种基于小波包能量熵的神经网络故障诊断方法。利用小波包分析原理对原始故障信号进行3层的小波包分解,并提取小波包能量熵,然后构造信号的小波包特征向量,以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。采用惯导系统中关键性器件陀螺仪进行仿真研究,仿真结果表明此方法可有效地检测故障且提高了精度。     

多跳筛选无线传感器网络决策融合

为了在保证传感器工作效果的同时控制系统能耗,在资源受限的无线传感器网络决策融合系统中同时引入传感器信息的多跳传输方式和筛选传输策略。在瑞利分布信道模型下,推导出该系统的最优融合规则。但该规则需要信道的实时状态信息,实用性差。为此提出基于信道统计分布信息的次优似然比融合规则,并给出了小信道信噪比情况下的简化形式。理论分析和仿真表明,次优规则性能损失较小,运算量更低,信息需要更少,符合资源受限系统的要求;同时使用筛选策略,降低了系统的传输能耗。     

基于接收方信用量调整的TCP新算法

传输控制协议(transport control protocol, TCP)发送窗口的大小由拥塞窗口和接收方确认窗口中较小的值来确定。在高速网络中,通过合理地增加拥塞窗口,可以提高TCP的性能。然而,一个相对较小的接收方确认窗口将限制发送窗口的增加,如果根据TCP接收方的数据变化率恰当地增加接收方确认窗口赋予发送方的信用量,就能减少这种限制。提出一种增强的TCP算法,命名为接收方信用量调整传输控制协议（receiver credit adjustment transport control protocol, RCA-TCP）,该算法根据TCP接收方缓冲区的动态数据变化率和TCP连接的最小往返时间之间的乘积的估计值来获得信用量增量。在ns-2(network simulator, version 2)下仿真表明,该算法能获得更好的性能。     

地面站数传系统的RBFNN模型及算法

针对难以建立精确数学模型的地面站数传系统,提出改进梯度迭代学习的径向基神经网络建模方法。改进梯度学习算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;改进迭代过程中网络参数的梯度信息计算方式,加快了迭代收敛速度;并增加结构调整过程,实现对网络规模的精简。通过采集地面站数传系统输入-输出数据,将改进梯度学习算法应用于网络离线训练,并给出具体实现步骤。地面站数传资源配置优化实例验证了模型具有较高泛化能力,且算法稳定性较佳。